土壤地球化学数据在采集、后期处理过程中,可能受到人类活动,处理设备,数据本身在土壤中含量比较少等因素导致数据含有噪声。如果在此基础上直接对数据进行处理,去区分地球化学数据的背景区和异常区,必定会存在一定的误差,从而影响相关地质研究者的分析与判断。因此对地球化学数据进行降噪就显得尤为重要了。然而土壤地球化学数据的有用信息一般存在于元素异常区,同时一般的降噪算法往往会将异常区的数据认为是噪声。对土壤地球化学数据进行有意义的降噪,就应该结合数据的地质特点,即空间结构性、局部性等特点,并保证其有用信息的完整性,这一直是当前研究的难点。稀疏表示方法在信号、图像领域研究时间相对比较久,理论和实际应用技术都基本成熟,但是在地质数据中的应用,尤其是地球化学数据中应用更少。然而稀疏表示方法用在图像降噪的思想与地球化学数据结合空间结构性、局部性这两个特征的降噪思想非常符合。因此,本文以地球化学数据降噪为目的,以稀疏表示相关理论为理论基础,介绍一种能够保证原始数据的空间结构特征以及局部特征的同时,能够有效地去除或减弱噪声影响的数据处理方法。本文首先介绍了稀疏表示中最常用的模型和最经典的算法,然后重点讨论了合适用在土壤地球化学数据降噪处理上的方法。并根据土壤地球化学数据特征,基于数据按滑动窗口分块后的偏移目标重组块与非偏移目标块间的结构相似性(Structural Similarity,SSIM)值赋予融合权重,建立了一个符合土壤地球化学数据的降噪模型。最后将构建好的模型应用在西藏某地区的土壤地球化学数据降噪中,并与根据另外两种方法得到的数据:采集到的数据经预处理后和通过小波降噪算法得到的数据,采用相同的异常圈定方法获得相对应的异常区域图。通过对比分析三组实验的结果图,我们发现通过这三种方法得到的异常区域整体上看是一致的,但是采用通过稀疏表示方法降噪后的数据进行的异常圈定区域较其他两种的方法而言,更加合理地保留了异常区域与背景区域交界处的纹理特征。综上所述,稀疏表示方法是一种可以应用在土壤地球化学数据降噪中的一种新方法,本文首次将稀疏表示算法成功地拓展到土壤地球化学这一领域。