如何从众多原始监测数据中发现问题、掌握环境质量及其变化趋势是监测数据向最终成果转变的一个重要阶段。孤立的数据只能说明监测对象目前的环境状况，而环境质量的好坏及其变化趋势却很难看得出来。此外，对大尺度空间范围，单凭少量孤立数据来说明环境问题则几乎不可能。这就需要引入环境监测数据的解释工作。环境监测数据的解释包括三方面：概括、分析和解释。概括是指数据的归纳方式，分析是将数据计算出所需要的参数为解释数据服务，解释是指数据的意义。环境监测数据解释的基本程序是先将数据进行科学概括，然后按目的进行数据分析，最后对监测数据解释。

    1．监测数据的概括

    任何一份环境质量状况报告都不可能引用全部原始监测数据，只能选取代表性的数据来说明环境质量问题。因此便出现了哪些数据具有“代表性”的问题，为此，必须对大量的原始监测数据进行概括，概括方法主要有：①频数分布概括法：包括百分位数法、条图法和直方图法。②中心趋势概括法：如前述的算术平均值、中位数、众数和几何均数等。③分散度概括法：上述几种概括法不能说明数据的可信度，故还应进行分散度的概括，一般用全距离和标准差。④空间概括法：前述的各种概括法能较好反映时间变化规律，但还要分析空间变化规律，最常用的方法是绘制等浓度线地图。

    2．监测数据的分析

    (1)数据集的完整性分析

    在环境监测实践中，人们都从实用观点试图解决数据集不完整的问题，并研究了不少统计近似方法。但不管哪种方法，对数据总体分布规律的了解都是不可少的。应该看到，采样频数的减少、取得的数据集总体的变异性增加，计算的统计指标的精度会降低。以空气监测为例，如果每隔一天取24 h的样品，则每天采样所得的年平均值的偏差，实际上常小于±2％；如果每第12天取24 h的样，则年平均值的偏差是±5％。显然，由于数据集不完整，污染发生的最大值很可能被低估了。

    (2)数据分布规律的分析

    频数分布和累计频数分布都能恰当地描述不同地点和不同时间中某种污染物的实际污染情况，再利用整个测量时间的平均浓度可知宏观的完整情况。然而，环境污染的随机性很大，其污染数据大多数呈偏态分布，所以，以对数正态分布近似法为常用的方法。所谓偏态分布，即用浓度频数分布画成的直方图或频数分布曲线是非对称的，为克服这个困难，可通过采用数据的对数来把它转换成正态分布，此时，几何均数及其标准差便可完整地说明这种分布规律。

    (3)数据的时间序列分析

    时间序列指在特定的时间内所测量的一组数据，包括连续测量或计划间隔测量的数据。环境监测数据的时间序列主要有两种：一般是周期性时间序列，另一种是趋势性时间序列。对监测数据进行周期性时间序列的分析比较容易，只需将数据进行时间系列的整理即可。

    (4)对照环境条件的分析

    在对监测数据进行分析时，应将环境污染的监测数据与同步环境条件数据结合起来分析，运用相关和回归分析确定它们间的关系。如将气象数据和大气污染数据结合成“大气污染玫瑰图”，将河流通量、纳污量、污染物浓度结合起来的分析等。

    (5)污染变化趋势的定量分析

    衡量环境污染变化趋势在统计上有无显著性，最常用的技术是Daniel趋势检验，使用前述的Spearman秩相关系数进行判断。