在土壤重金属污染的研究过程中,数据是一切研究的基础,高质量数据可以准确表征区域土壤重金属的污染状况,而含有较多异常值或错误的数据往往导致土壤环境质量评价结果不准确甚至带来误判,给土壤的修复、治理等后续工作带来诸多不便,因此土壤重金属污染数据的质量控制及异常值处理显得尤为重要。本文以北京市为研究区域,采用数理统计方法、土壤背景值和空间自相关方法对北京市土壤重金属As、Cd和Pb元素中的异常值进行了识别,识别结果表明651个土壤样品中有8个As数据异常,34个Cd数据异常和38个Pb数据异常。异常值的化学复测结果表明75.0%的As异常数据(6个)、76.5%的Cd异常数据(26个)和92.1%的Pb异常数据(35个)为系统误差和人为误差导致。将原始数据进行复测修正后,插值精度得到显著提高。As、Cd、和Pb异常数据的平均相对误差分别下降48.0%、44. 6%和54.7%,平均绝对误差分别降低51.8%、46.7%和54.4%,均方根误差分别降低34.2%、33.3%和46.4%;受异常数据影响的邻近点平均相对误差分别下降5.2%、20.6%和27.6%,平均绝对误差分别降低5.4%、25.5%和29.8%,均方根误差降低5.3%、17.3%和33.2%。联合识别方法可以有效识别出土壤重金属数据中由于人为系统误差和人为误差导致的异常数据,在增加有限样本量和分析时间的前提下提高调查数据质量,为保障数据质量提供有效的识别工具。