所以我们把每个监测值看作是由海拔更高的地区对它的影响和本地污染两部分组成的。所以我们考虑当该地区海拔越低时，受到雨水冲刷后接受由海拔高的地区流下重金属量就越多，由此建立模型一，认为该地区的重金属污染物浓度：

C?S?F (2)

其中S表示该地区在不受雨水冲刷的条件下的原始重金属污染浓度，F表示以海拔h为自变量的函数。那么有可能该可能污染源附近其他海拔较高的测量点为污染源，即S值最大的测量点即为污染源。我们先剔除8种元素的污染数据中离可能污染源较近的测量值数据，拟合出以海拔h为自变量，污染物浓度C为因变量的一元线性函数如下：

得到As的回归方程为：C1=6.20156－0.01286h 则S1=C1+0.01286h 同样方法可得（具体计算结果图见附录2）：

Cd的回归方程：C2=246.799-0.12801h 则S2=C2+0.12801h Cr的回归方程：C3=48.158-0.11647h 则S3=C3+0.11647h Cu的回归方程：C4=27.24012-0.06533h 则S4=C4+0.06533h Hg的回归方程：C5=27.9672-0.07351h 则S5=C5+0.07351h Ni的回归方程：C6=17.21809-0.03278h 则S6=C6+0.03278h Pb的回归方程：C7=50.32959-0.03321h 则S7=C7+0.03321h Zn的回归方程：C8=98.8366-0.08225h 则S8=C8+0.08225h

通过上述函数求得各污染元素在各采样点修正后的污染浓度，通过MATLAB绘出修正后的个采样点的污染元素浓度图并找出峰值所代表的采样点的编号(程序见附录3)，认为该采样点附近即为污染源。

11

图3-1

图3-1为修正后As在该城区的分布，峰值代表的316号，317号,315号,310号等编号采样点的As污染浓度最大，疑似污染源，其中316号采样点属于交通区，317号,315号,310号为绿地区。

图3-2

图3-2为修正后Cd在该城区的分布，峰值代表的29号，178号,84号等编号采样点的Cd污染浓度最大，疑似污染源，其中29号采样点属于工业区 ,84号和178号属于交通区。

12

图3-3

图3-3为修正后Cr在该城区的分布，峰值代表的3号，5号,22号,96号，310号等编号采样点的Cr污染浓度最大，疑似污染源，其中5号和8号属于工业区，其余属于交通区。

图3-4

图3-4为修正后Cu在该城区的分布，峰值代表的22号和号等编号采样点的Cu污染浓度最大，疑似污染源，属于交通区。

13

图3-5

图3-5为修正后Hg在该城区的分布，峰值代表的8号,22号采样点等编号采样点的Hg污染浓度最大，疑似污染源，8号属于工业区，22号属于交通区。

图3-6

图3-6为修正后Ni在该城区的分布，峰值代表的8号，9号,257号,282号等编号采样点的Ni污染浓度最大，疑似污染源，9号和257号属于交通区，8号属于工业区。

14