黄土高原降水量的空间插值方法研究

在地统计学和地理信息系统支持下,采用多种插值方法对黄土高原降水量进行了空间插值研究, 并探讨了气象站点密度与布局对插值结果的影响。结果表明,地统计学方法优于传统的反距离加权插值、多项式插值和径向基函数插值方法;考虑高程影响的普通协克里金方法优于一般的克里金方法和简单协克里金方法。通过空间插值得到了黄土高原降水量分布图,由该降水量分布图可知,黄土高原降水量总体呈现西北低、东南高的态势,界限很明显;年均降水量在100-800 mm,主要集中在200-600 mm内,以半湿润-半干旱气候为主。     

基于VTK土壤养分三维可视化研究与实现

土壤养分空间分布的三维可视化对描述土壤中元素的空间分布规律、变量施肥及评价具有重要意义。三维可视化与传统的二维空间变异专题图相比,表示三维数据更自然、更清晰、更直观。利用Python语言引入三维可视化类库VTK,采用三维Kriging插值方法,实现了土壤养分空间分布的三维交互。以榆树市试验田土壤养分三维可视化为例,在肥力评价的基础上,验证了变量施肥的实验结果,比二维空间变异图更加直观,更有说服力。     

稻田土壤养分的空间变异性研究

本研究以嘉善县陶庄农场内一块5.1hm2的水稻田为研究区,区内不规则采样,共128个采样点。以土壤的pH、有机质、全磷、全氮、碱解氮、速效钾和速效磷含量为研究对象,研究其相应的统计规律,结果表明土壤各养分属性的变异系数在6.3%~35.61%之间,pH为5.3%;采用地统计的半方差函数分析,发现有机质,全氮,碱解氮和速效钾在一定范围内存在空间相关性;采用克立格方法进行最优内插,绘制了养分含量分布图,并对其空间变异进行了初步分析。     

土壤含水量的Kriging和Cokriging估值研究

分析了田间同深度土壤含水量的半方差和不同深度土壤含水量的交互半方差特征 ,探讨了土壤含水量的Kriging和Cokriging估值方法。研究表明 ,同深度土壤含水量与不同深度的土壤含水量之间均具有显著的空间相关性 ,用Kriging方法进行土壤含水量的估值精度较传统方法高。加入浅层土壤含水量用Cokriging方法来估测深层土壤含水量 ,可进一步提高估值精度     

土壤速效钾养分含量空间插值方法比较研究

土壤养分连续空间分布数据是土壤信息系统工作的基础，土壤养分空间插值的研究因此变得尤为重要。对陕西省周至县北部猕猴桃适生区土壤进行采样，以对猕猴桃生长作用较为密切的土壤速效钾含量为研究对象，用普通克里格（OK）、样条函数（Spline）、趋势面拟合（TSA）、距离权重反比法（IDW）等常用插值方法对采样点进行插值获取土壤速效钾空间分布图，进行交叉验证，结果表明能够反映出结构性影响的克里格插值方法明显优于其它方法，其中又以球形模型为最佳，样条函数、距离权重反比法在采样点密集区也能内插出较好的效果，但其受采样点密度影响较大．在采样点稀疏的地区内插结果较差。     

黄河三角洲地区浅层地下水与耕层土壤积盐空间分异规律定量分析

为研究黄河三角洲地区地下水作用条件下耕层土壤的积盐规律，运用GIS和地统计学的原理与方法，结合地下水埋深的空间分布以及临界埋深的划分标准对研究区域进行分区，并从空间尺度对各分区地下水矿化度与耕层土壤积盐规律进行了定量分析。结果表明：地下水埋深、矿化度和耕层土壤盐分均属于中等变异强度，在东西方向和南北方向上均具有2阶的趋势效应；受结构性因素和随机性因素的共同作用，地下水埋深呈中等的空间自相关性，地下水矿化度与耕层土壤盐分呈弱空间自相关性；耕层土壤盐分与地下水矿化度的空间分布具有一定的相关性，与地下水埋深呈负相关性。对空间尺度上的地下水矿化度与耕层土壤盐分定量分析结果表明，耕层土壤积盐与地下水矿化度呈极显著的相关关系，而地下水埋深增加使其相关性减弱，采用分区研究法使地下水矿化度对耕层土壤积盐规律分析更加客观准确。该结果对研究黄河三角洲地区土壤盐渍化的发生机理以及预测与评估该地区土壤盐渍化的发生发展具有重要意义。     

黄河三角洲地区典型地块地下水特征的空间变异性研究

以黄河三角洲地区典型地块为研究区,运用经典统计学和地统计学相结合的方法研究了包括埋深和含盐量的地下水性质空间变异特征,绘制了各地下水特征的随机性和结构性的半方差图和空间分布图。结果表明:受不同尺度的结构性因素和随机性因素的共同作用,地下水埋深和含盐量均具有中等的变异强度和空间自相关性,地下水埋深的自相关距大于含盐量。对Kriging插值结果分析表明:地下水埋深的空间变异性受微地形因素及农田工程措施影响较大,长期的农业生产措施会影响地下水含盐量的空间分布,地下水含盐量空间变异性与埋深有一定的关联。地下水特征的空间结构性和定量化研究对黄河三角洲地区地下水资源评价、土壤的次生盐碱化防治及区域水盐运动调控有着直接的现实意义。     

晋西黄土区基于地形因子的土壤水分分异规律研究

以山西省吉县蔡家川小流域典型梁峁坡面为研究对象,在研究区共布设313个土壤水分监测点,用TDR测定土壤(0~30cm,30~60cm)水分,经克立格(kriging)插值得到了研究区土壤水分分布图,并与基于数字高程模型(DEM)提取的研究区域坡向、坡度、高程3个地形因子分布图叠加,生成土壤水分与地形因子相对应的数据库,用以分析坡面尺度地形因子对土壤水分的影响情况及基于地形因子的土壤水分分异规律。通过主成分分析得出:地形因子对土壤水分影响的次序依次为坡向>高程>坡度。通过对坡向和坡度聚类分析得出:影响土壤水分分异的坡向可分为两类,即292.5°~360°(0°)~112.5°(阴坡),112.5°~292.5°(阳坡);影响土壤水分分异的坡度分为:5°~20°,20°~35°两类。依据坡度和坡向的分类结果,分别拟合土壤水分和地形因子的函数关系,求出不同坡度、坡向土壤水分的关系系数:若假定坡度为5°~20°、坡向为阴坡时,土壤水分关系系数为1,则坡度为5°~20°、坡向为时阳坡时土壤水分关系系数为0.99,坡度20°~35°、坡向为阴坡时土壤水分关系系数是0.82,坡度20°~35°、坡向为阳坡时土壤水分关系系数为0.8。     

农用地分等中作物生产潜力空间插值方法研究

采用空间插值模型进行插值，形成精度高、在空间上连续分布、符合自然分布规律的作物光温或气候生产潜力，从而提高农用地分等的科学性、准确性和实用性。该文对常用的空间插值模型进行了比较分析，并采用河南省农用地分等数据进行验证，指出克立格法初始插值结果优于其它模型的初始插值结果；同时，指出由于模型的缺陷，在山区或数据稀少地区需要对初始插值进行进一步校正，以使内插结果更加接近实际，并提出了对作物光温(气候)生产潜力初始插值结果进行修正的方法。     

Quantifying the fine scale (1km × 1km) exposure,dose and effects of ozone: Part 2 estimating yield losses for agricultural crops

In Britain wheat is an important crop accounting for 41% of the total cereal production. In this study ozone concentrations for 1989 estimated as described in Part 1 of the paper are integrated with the estimated wheat distribution to derive a detailed estimate of the impact of ozone on wheat yields at a fine spatial scale (1km × 1km). These data provide estimates for calculating regional and national yield losses. The methodology can be applied to other crop species. Recent research on a range of crops has established relationships between the economic yield loss for certain crops, including wheat, and ozone exposure. Exposure is described as the accumulated exposure above a threshold experienced during the daylight hours (AOT). Critical AOT values are derived from yield exposure relationships which show linear reductions of yield loss with increasing ozone concentrations. This study has made use of land cover data from remotely sensed imagery at 25m resolution and nationally collected agricultural statistics for counties. These data were combined using an areal interpolation technique to provide more spatially articulate estimates of the location and intensity of wheat production. The results demonstrate the economic importance of ozone as a pollutant. Wheat yield losses attributed to ozone vary between different parts of the country but, for years when ozone levels are high, yield losses are likely to be significant in some areas.