判别大气粉尘的来源是减轻灾害的关键步骤。使用Glue模型（广义似然不确定性评估）来约束伊朗-阿富汗边界锡斯坦地区（世界粉尘量最多的地区之一）大气粉尘沉积物指纹的不确定性。
2014年6月-10月，在Zabol环境保护区的屋顶上收集57个粉尘样品，在附近的潜在源区收集31个表土样品，包含耕作地8个、为开垦牧场7个、两个干涸湖区16个（其中Hamoun Puzak 10个 and Hamoun Saberi 6个）。
粉尘和土壤样品用24中示踪剂分析，其中，16中地球化学元素和8种水溶性离子。采用Kruskal-Wallis检验和逐步判别函数分析相结合的两阶段统计方法，筛选出5种最优的复合指纹材料(Fe、Sr、Mn、Cr、Pb)作为鉴别源。
由Glue模型确定的粉尘来源贡献的不确定范围表明，干湖Hamoun Puzak是Zabol所有粉尘样品的主要来源，耕地是次要来源。我们发现，尽管在研究期间，邻近的湖床面积很大，但区域干湖床作为沙源的重要性存在显著的空间差异，Hamoun Puzak的沙尘排放在时间上持续存在。风成沉积物指纹图谱的研究可以从模型框架(如Glue模型)所提供的约束条件中获得相当大的好处，这些约束条件可以量化灰尘来源数据的不确定性。
曼-惠特尼U检验：两独立样本的曼-惠特尼U检验可用于对两总体分布的比例判断。其原假设：两组独立样本来自的两总体分布无显著差异。曼-惠特尼U检验通过对两组样本平均秩的研究来实现判断。秩简单说就是变量值排序的名次，可以将数据按升序排列，每个变量值都会有一个在整个变量值序列中的位置或名次，这个位置或名次就是变量值的秩。
Kruskal-Wallis检验:Kruskal-Wallis检验实质是两独立样本的曼-惠特尼U检验在多个样本下的推广，也用于检验多个总体的分布是否存在显著差异。其原假设是：多个独立样本来自的多个总体的分布无显著差异。
基本思想是：首先，将多组样本数据混合并按升序排序，求出各变量值的秩；然后，考察各组秩的均值是否存在显著差异。容易理解：如果各组秩的均值不存在显著差异，则是多组数据充分混合，数值相差不大的结果，可以认为多个总体的分布无显著差异；反之，如果各组秩的均值存在显著差异，则是多组数据无法混合，某些组的数值普遍偏大，另一些组的数值普遍偏小的结果，可以认为多个总体的分布有显著差异。
逐步判别的思想类似于逐步回归。变量按照其重要性逐步引入，已经引入的变量也可能因为新的变量而被剔除。每次引入或剔除变量都进行相应的统计检验。
利用威尔克斯统计量对变量的重要性进行区分：
其中Λ（X，Xj）表示X与Xj的威尔克斯检验统计量，Λ=组内离差平方和/样本点总离差平方和。
网友评论