4.3 统计方法

统计方法是把已有的地下水污染状况信息和影响因素等资料进行数理统计，然后确定脆弱性评价指标并建立统计模型，把赋值的评价指标放入已建立的模型中进行计算,最后依据计算结果进行脆弱性分析。常用的统计方法包括线性回归分析法、克里金(Kriging)方法、逻辑回归(Logistic Regression)分析法、实证权重 (Weight of Evidenee) 法等统计方法。统计方法也用来对脆弱性评价中的不确定性因素进行分析。用统计方法进行脆弱性评价需要有足够的监测资料和信息做支撑，因此，目前此种方法在地下水脆弱性评价中的应用不如迭置指数法及过程数学模拟方法那样得到重视。

Rupert（2001）利用NO_3--N和NO_2--N的观测资料，用统计法对DRASTIC方法的评价结果进行了校正。Tesofiero等（1997）用逻辑回归分析法研究了NO_3-污染地下水脆弱性。钟佐燊（2005）针对地下水对氮的脆弱性设计了LSD统计学模型。

以下重点介绍LSD统计学模型。

（1）设计思路。LSD统计学模型是针对地下水对氮的脆弱性设计的。第一步是收集研究区地下水NO_3-+NO_2-浓度资料；第二步是确定影响因子；第三步用统计学法分析各个评价指标在不同条件下地下水NO_3-+NO_2-浓度的差异性；第四步是确定各个评价指标在不同条件下的评分值。

（2）评价指标的确定。据该地区地下水NO_3-+NO_2-的来源和氮污染情况，选择土地利用类型L（Land Use）、土壤排水状况S（Soil Drainage）、水位埋深D（Depth to Water Table）等3个评价指标。故该模型称为LSD模型。

（3）评价指标条件的设置及评分（表4-4）。①数理统计结果表明，城镇与灌溉农田之间及城镇、灌溉农田与其他土地利用类型（放牧地、非灌溉农田、森林）之间的地下水NO_3-+NO_2-浓度有明显差异，放牧地、非灌溉农田、森林之间的地下水NO_3-+NO_2-浓度无明显差异，从而设计出土地利用的评分；②数理统计结果表明，不同土壤排水状况的地下水NO_3-+NO_2-浓度均有明显的差异，从而设计出不同土壤排水状况的评分；③数理统计结果表明，埋深0～30.5m和30.5～91.4m及91.4～182.9m和182.9～274.3m的地下水NO_3-+NO_2-浓度没有明显差异，埋深0～91.4m和91.4～274.3m的地下水NO_3-+NO_2-浓度有明显差异，从而设计出不同地下水埋深的评分。

（4）脆弱性指数计算方法和脆弱性分级。脆弱性指数按公式DI=L+S+D计算，根据DI值把脆弱性分为4级：Ⅰ级，DI=4～5，脆弱性低；Ⅱ级，DI=6，脆弱性中等；Ⅲ级，DI=7，脆弱性高；Ⅳ级，DI=8，脆弱性很高。用已研究区地下水NO₃-+NO₂-浓度对LSD模型脆弱性评价进行检验，结果发现，4种等级的脆弱性地区的地下水NO₃-+NO₂-浓度均有明显差异。这种模型能否推广到其他地区，仍需检验。

表4-4 LSD各因子的类别和评分