基于协同克里格的县域耕地质量监测点优化布设

根据耕地质量的空间分布特征优化监测样点布局,可提高耕地质量的监测效率和准确性。本研究筛选与耕地质量协同变化的环境因子作为辅助变量,利用地统计学方法分析耕地质量的空间变异特征,采用协同克里格法优化耕地质量监测样点的布设。结果表明：利用与耕地质量相关性较好的地下水位为辅助变量,在不同规格网格的样点布设下,协同克里格在最适（5 km×5 km）网格尺度下得到66个监测点的插值精度,优于普通克里格在小（2 km×2 km）网格尺度下得到390个监测点的插值精度;而在相同规格网格的样点布设下,协同克里格方法得到监测点的插值精度均优于普通克里格。研究表明,结合易于获取的辅助变量信息的协同克里格方法可优化耕地质量监测点布设,得到更少的监测点的样点方案,在耕地质量监测中可实现减少成本的同时提高监测精度。     

土壤养分含量的协同克里格法插值研究

土壤养分含量的空间分布是农业领域研究的重要内容,空间插值是获取土壤养分含量空间分布的重要方法。空间插值方法很多,不同的空间插值方法结果精度各不相同。文章以石家庄城乡交错带土壤全氮、速效磷、速效钾三种养分含量为主变量,土壤有机质含量为辅助变量,选取普通克里格法和协同克里格方法,对85个采样点的土壤养分数据进行空间插值分析,获取土壤养分含量空间分布图。采用交叉验证法对其插值结果精度进行分析和评价,结果表明,采样点数量相同时协同克里格方法的结果精度明显高于普通克里格插值法;利用协同克立格法, 主变量数目在减少至70个,辅助变量不变的情况下,精度仍高于普通克里格法,且空间分布高度相似。说明在适当减少土壤样本的情况下,协同克里格法仍能保证插值精度,适合土壤养分空间插值。     

表层土壤盐分空间变异性及合理采样数与信息估计

本文以气候寒冷干燥、具有土壤盐碱化问题的中国河套灌区为背景，将地质统计学和经典统计学理论结合评价实验场土壤表层盐分的空间分布特征及其变异性。用经典统计学理论确定了土壤盐分田间监测的合理采样数目与空间采样法则。在用地质统计学理论对变差函数理论模型最优性检验基础上，采用ＯＫ法对实验场表层土壤盐分空间分布进行了最优无偏估计。结果表明ＯＫ法用于内插估计精度较高；而用于外推估计精度略低，需对误差进行控制方可适当外推。以便利用样本对总体进行估计，并指导野外采样与监测。     

基于地形分类的黄土丘陵区土壤有机质插值方法

黄土丘陵山区地形复杂,耕地细碎,采样点密度不足,因此研究适宜该区域的空间插值方法具有重要意义.以山西省偏关县为研究区,基于数字高程模型(digital elevation model,简称DEM)数据生成地形因子,依据地形因子将研究区划分为不同地形单元,利用Kriging插值法对各地形单元进行分层插值,通过叠加不同地形单元的插值结果,得到全区域的土壤有机质含量空间分布,并利用均方根误差和决定系数评价空间插值方法的预测精度.结果表明,采用划分地形单元分层克里金(Kriging)插值法得到的预测值与实测值的决定系数为0.3753,明显高于全局插值法;均方根误差精度高于全局插值法,预测值无偏性好.因此,基于地形单元的空间插值方法可以更精确有效地获取土壤有机质空间分布特征,为复杂山区低密度采样下的耕地质量调查与评价提供技术参考.     

基于总体表面属性特征的森林资源抽样调查方法比较

以南京紫金山国家森林公园的6个景区为抽样总体,以GIS为分析平台,以2002年数字化的森林资源二类调查数据为主要信息源,在分析各个总体相关性、异质性、聚集性3个表面属性特征基础上,分别采用简单随机抽样、系统抽样、空间简单随机抽样、空间分层抽样、空间平衡抽样方法对单位面积蓄积量进行了抽样估计,并从抽样平均误差、抽样效率2...     

冬小麦种植面积空间抽样样本布局的优化设计

【目的】样本布局是空间抽样调查方案设计中的关键要素。优化设计样本布局对于提高抽样样本对总体的代表性、降低抽样调查成本、改善抽样外推总体精度具有重要意义。论文针对现有农作物种植面积空间抽样调查技术体系中存在样本布局设计合理性不足的问题（如采用简单随机抽样进行样本布局设计时,无法保证各样本单元间相互独立、彼此间不存在空间相关性;而以往系统等距布样方式又存在样本间隔的制定缺乏科学依据）,进一步提高现行农作物种植面积空间抽样调查效率。【方法】选取安徽省蒙城县和冬小麦种植面积2009年和2010年的冬小麦空间分布数据（分别源自ALOS AVNIR-2 和Landsat5 TM影像提取结果）,通过地统计学理论与“3S”技术（遥感、地理信息系统和全球定位技术）及传统抽样方法相结合,首先,设计8种抽样单元尺寸水平,利用不同种尺寸水平的抽样单元离散抽样区、构建抽样框;其次,选取简单随机抽样方法初选样本单元,利用初选样本构建抽样单元内冬小麦种植面积比例的变异函数理论模型,基于该模型分析抽样单元间空间关联性和异质性,定量确定抽样单元空间关联阈值;然后,遵循传统抽样理论要求样本间相互独立原则,以抽样单元空间关联阈值为抽样间隔,采用空间系统等距的布局方式对冬小麦种植面积空间抽样样本布局进行了优化设计;最后,以简单随机抽样方法为对照,选取抽样外推总体相对误差、总体总值估计量的变异系数（CV）及样本容量为评价指标,对布局优化设计后的抽样样本外推总体精度、稳定性（通过变异系数反映）及抽样成本（通过样本容量反映）进行定量评价试验研究。【结果】抽样单元内冬小麦种植面积比例的变异性随单元尺度的增大而增大,8种单元尺度下的抽样单元内冬小麦种植面积比例的变异系数变化范围为32.75%—43.46%,属中等变异;抽样单元内冬小麦种植面积比例在一定范围内存在强烈的空间相关性,该空间相关性主要由结构性因素（如气候、地形、土壤类型等自然因素）决定。抽样单元内冬小麦种植面积比例的空间关联阈值随抽样单元尺寸的增大而增大;当抽样单元尺寸较小时（500 m×500 m—2 000 m×2 000 m）,在样本容量相同条件下,经布局优化设计后的抽样样本外推总体的相对误差和变异系数明显低于简单随机抽样;当抽样单元尺寸较大时（2 500 m×2 500 m—4 000 m×4 000 m）,布局优化设计后的抽样样本外推总体的相对误差和变异系数虽未明显降低,但样本容量却显著减小。【结论】该文可为改善农作物种植面积空间抽样调查效率提供试验依据。为研究区和研究对象,以正方形网格作为抽样基础单元,基于蒙城县     

基于高斯混合模型的土壤环境质量分区研究

受自然环境因素、人为活动因素综合作用,土壤环境质量在空间上具有明显分层异质性,基于采样点进行环境质量分区是土壤环境质量管理中的关键问题。本文提出一种基于采样点与辅助因素的土壤环境质量分区方法,在采用地理探测器分析土壤环境质量主要影响因素的基础上,运用高斯混合模型对土壤采样点进行属性聚类,结合河流道路等对聚类结果进行边界调整,形成环境质量分区。以北京市顺义区采样数据为例开展方法验证,结果表明:本方法的分区结果优于SOFM聚类、K-means聚类,适用于人为和自然活动综合影响的环境质量分区。     

基于GIS技术的水源地土壤养分评价——以滩小关水源地为例

以GIS技术和传统技术相结合,定性描述与定量分析相结合,用系统论和对比分析的方法调查、分析、评价了滩小关水源地土壤养分质量状况,并针对其中存在的问题提出了一些建议。其中,利用GPS快速准确地测到带有坐标记录的采样点,利用MAPGIS对采样点进行空间插值获取土壤养分等级空间分布图,并对其空间分布特征进行了科学的分析。结果表明:研究区土壤养分含量缺乏,尤其氮磷养分不足,有机质含量不高。     

用高程辅助提高土壤属性的空间预测精度

 【目的】探讨土壤属性变量与高程之间在何种条件下，可利用高程变量来辅助提高土壤变量的预测精度。【方法】用两种将高程作为辅助变量的克里格插值方法（协克里格法和简单克里格加变化局部平均值法）与没有考虑高程的普通克里格插值方法进行对比分析，用均方根预测误差和预测精度的相对提高值作为标准对3种方法的预测结果进行评价。【结果】对于交换性钾和pH值，协克里格法获得最精确的预测；对于Olsen-P、土壤有机质和有效锌，简单克里格加变化局部平均值法得到最精确的预测；而有效铜、有效铁和有效锰的最精确的预测结果则由普通克里格法产生。【结论】高程数据能够用来提高土壤特征的空间预测精度，但并不是对所有的土壤属性都适合；在利用高程数据来提高土壤属性空间预测之前，应该先对高程和土壤特征变量之间的线性相关关系、结构相关关系和全局趋势等进行仔细地分析，然后再选择适宜的方法。     

基于土壤养分-景观关系的土壤采样布局合理性研究

以研究区域8个地形因子和5个土壤常规养分数据为研究对象,应用空间分级统计技术将地形因子分为5个级别,采用Pearson相关性分析各分区上的样点,并对不同采样布局下地形因子与土壤养分间的Pearson系数进行相似性分析。结果表明:不同采样方案下,地形因子与土壤养分间的Pearson系数相似性程度在99%以上,说明研究区内存在固定的关系模式。4种采样方案中,含有3 661个采样点的方案C获取的关系模式与典型关系模式特征最接近,因此,利用方案C采样能够准确高效地获取土壤信息。     

农业用地土壤重金属样本点数据精化方法——以北京市顺义区为例

样本点空间分布是样点数据检测评价和挖掘分析的关键因素。以北京市顺义区为例，研发了一种农业用地土壤重金属样本点数据精化方法：首先构建样本点均匀变异指数和均匀因子离散图来共同检测样本点数据均匀性，进一步将样本点类型划分为均匀样本点、聚集样本点和稀疏样本点并确定其数量；其次删除聚集样本点，基于研究区历史数据加密稀疏样本点；最后基于地理空间样本点均匀变异指数、特征空间偏离指数和插值误差共同评价数据精化效果。结果表明，研究区样本点的均匀变异指数为0.429，存在一个聚集样本点和一个稀疏样本点，空间偏离指数为0.327，空间属性插值误差为6.538；冗余数据精化后进行均匀性检测没有发现聚集样本点和稀疏样本点，均匀变异指数下降到0.406，特征空间偏离指数微弱下降，空间属性插值误差下降到6.357。研究表明该方法可以对提高采样数据的均匀性和代表性提供理论指导，可以服务于土壤污染防治行动计划（土十条）、土壤污染状况详查等，为更加精确研究土壤空间信息变化提供一定的基础条件。     

3种采样方法对DEM质量影响的定量分析

通过编程实现数字高程模型（Digital Elevation Model,DEM）数据采集的3种方法（随机采样、规则采样和成层随机采样）的算法,并对某一地区格网大小为30cm×30cm的栅格格式的高程数据进行采样,使用多种插值方法对采样数据进行插值,然后计算出偏差值。通过对偏差值的分析,发现这3种采样方法中随机采样较差,规则采样适合于对相对高程要求较高的应用,而成层随机采样适合于对高程总体偏差要求较高的应用。     

县域农田土壤铜含量的协同克里格插值及采样数量优化

 【目的】研究县域农田土壤铜含量的空间分布和采样数量,为农田土壤环境质量调查提供帮助。【方法】采用协同克里格方法,以初始的623个土壤铜含量数据及在此基础上随机抽取的560、498和432个数据为目标变量,并以初始的623个土壤有机质含量数据为辅助变量,对四川省双流县农田土壤铜含量进行插值分析,并对不同样点数量下协同克里格法在县域尺度农田土壤铜含量空间分布研究中的适用性进行评价。【结果】相同取样数量下,协同克里格法的均方根误差相对于普通克里格法可降低0.9%～7.77%,预测值和实测值之间的相关系数可提高1.76%至9.76%。利用协同克里格法,在土壤铜含量数据量缩减10%的情况下,其估值精度仍高于初始的623个土壤铜含量数据的普通克里格估值,且二者的分布图具有高度相似性。【结论】协同克里格作为一种更为精确和经济的方法,可为县域尺度农田土壤重金属含量的空间分布研究提供更多的信息和帮助。     

基于遥感的福建闽侯丘陵区农作物种植面积空间抽样方法

以福建闽侯县作为研究区,采用传统抽样(简单随机抽样、系统抽样、分层抽样)、空间抽样(空间随机抽样、空间系统抽样、空间分层抽样)等方法对研究区农作物种植面积进行样本抽选、总体推算及误差估计,结果表明:1 500 m×1 500 m格网为最优抽样单元尺寸,空间分层抽样方法的相对误差为3.86%,变异系数为6.03%,抽样成本为6.03,抽样效率高.与传统抽样方法相比,空间抽样方法显著减少样本容量,节约调查成本.     

层状土壤中一维非饱和土壤水分运动的随机模拟

在田块尺度条件下的层状土壤中，土壤水力特性及土壤水分变量在空间上的分布可以看作是一维随机空间函数的实现。利用AR（1），MVAR（1）和NNM等3种随机生成模型分别生成饱和水力传导度、孔隙大小分布参数和容水度的随机样本，在此基础上利用随机模拟法对一维非饱和土壤水分运动进行了随机模拟。结果表明：不同的土壤参数的空间变异对非饱和土壤水分运动的影响是不同的，土壤参数的方差越大，对非饱和土壤水分运动的影响越大；土壤参数的空间变异尺度越大，对非饱和土壤水分运动的影响越大；随机模拟计算所得的水分变量的一阶矩与大尺度模型计算结果甚相一致。     

Spatial Interpolation and Sample Size Optimization for Soil Copper （Cu） Investigation in Cropland Soil at County Scale Using Cokriging

Knowledge on spatial distribution and sampling size optimization of soil copper （Cu） could lay solid foundations for environmetal quality survey of agricultural soils at county scale. In this investigation, cokriging method was used to conduct the interpolation of Cu concentraiton in cropland soil in Shuangliu County, Sichuan Province, China. Based on the original 623 physicochmically measured soil samples, 560, 498, and 432 sub-samples were randomly selected as target variable and soil organic matter （SOM） of the whole original samples as auxiliary variable. Interpolation results using Cokriging under different sampling numbers were evaluated for their applicability in estimating the spatial distribution of soil Cu at county sacle. The results showed that the root mean square error （RMSE） produced by Cokriging decreased from 0.9 to 7.77%, correlation coefficient between the predicted values and the measured increased from 1.76 to 9.76% in comparison with the ordinary Kriging under the corresponding sample sizes. The prediction accuracy using Cokriging was still higher than original 623 data using ordinary Kriging even as sample size reduced 10%, and their interpolation maps were highly in agreement. Therefore, Cokriging was proven to be a more accurate and economic method which could provide more information and benefit for the studies on spatial distribution of soil pollutants at county scale.     

基于遥感监测的地面抽样方法研究——以四川水稻播面变化为例

论述了四川省水稻遥感监测地面样方布设的方法,通过分析四川省特殊的地理位置,结合遥感影像,科学合理地探讨了可运行化的地面抽样方法,即采用分层抽样统计与地面典型抽样统计相结合的方法,利用差分GPS(精度为亚米级)建立四川省水稻监测地面样方,提高监测精度,在95%的置信区间里,可以达到90%的准确率,服务于全省水稻播种面积大尺度遥感监测。     

基于主成分分析的协同克里格插值模型对土壤铜含量的空间分布预测

以湖北省宜都市红花套镇的柑橘产区为例,选取土壤重金属全铜含量为研究对象,利用Pearson相关系数方法选择与土壤铜含量具有较高相关性的土壤因子(全K、全Cr、CEC、全Al、全N(P0.05))作为辅助变量,利用主成分分析(PCA)对辅助变量进行降维求总得分处理后,与协同克里格插值相结合构建土壤铜含量空间模型(COKPCA),同时构建土壤铜含量的普通克里格插值模型(OK)和以全K作为辅助变量构建协同克里格插值模型(COKK),对不同的空间模型进行模拟精度的对比和分析之后提出最优空间模型方法,进一步分析土壤铜含量在研究区域的空间分布特征。结果表明:普通克里格插值(OK)、协同克里格插值(COKK)和与主成分相结合的协同克里格插值(COKPCA)3种模型的RMSE分别为7.044、6.907和6.309,R2分别为0.716、0.743和0.852,赤池信息量准则(AIC)分别为101.591、96.908和87.203。综合比较,COKPCA具有最优的模拟插值结果,其次为COKK,而OK则相对较差。