土壤厚度的空间插值方法比较——以青海三江源地区为例

利用青海三江源地区533个土壤剖面中的厚度数据, 在GIS技术的支持下, 采用确定性内插(反距离加权、全局多项式、局部多项式和径向基函数)和地统计内插(普通克里格、简单克里格、泛克里格和协同克里格)两类共八种插值方法对研究区土壤厚度的空间分布进行了预测, 并综合比较了各种插值方法的预测误差、统计特征值和插值结果分布图。结果表明:(1)在地统计内插方法中, 普通克里格方法(一阶)插值效果比普通克里格方法(二阶)要好;在普通克里格方法(一阶)的半方差函数模型中, 球状模型的插值效果优于指数模型和高斯模型;普通克里格方法在四种地统计内插方法中预测误差最小、预测结果准确性最好。(2)确定性内插方法中, 反距离加权(指数为1)法的误差较小, 并且对区域与局部趋势的反映效果最好。(3)从预测误差大小和对区域总体及局部趋势的综合反映效果来看, 有异向性的球状模型普通克里格(一阶)插值方法预测结果最能准确反映青海三江源地区土壤厚度的空间分布。     

耕地土壤速效钾含量的空间预测方法研究

利用插值方法进行土壤属性的空间预测是土壤学科的研究热点之一,以土壤发生学相关信息作为辅助变量的克里格空间插值方法则少有研究。该文以成土母质多样的湖南省石门县为例,基于GS+、ArcGIS和Matlab,结合成土母质信息的克里格(PMK)插值方法,对研究区土壤速效钾空间分布进行了预测。结果表明,PMK法较好地解决了因成土母质间速效钾含量差异给预测带来的误差,预测精度较反距离权重(IDW)、普通克里格(OK)法分别提高了21.68%、16.43%;PMK法制作的空间预测图中速效钾分布突变而非渐变,较IDW、OK预测结果接近研究区实际情况,进而证明在成土母质较为复杂的地区,PMK法适合对土壤速效钾含量的预测。     

松嫩平原水体中的叶绿素a和悬浮物含量反演研究

利用2013年10月7日和14日的landsat 8 ETM+遥感影像数据和松嫩平原实测的31个采样点的水体中的叶绿素a和悬浮物含量数据,采用回归分析的方法,建立松嫩平原水体中叶绿素a和悬浮物含量的反演模型。研究结果表明,将各波段反射率进行必要的数学变换和波段组合后,可以显著提高其与水体中叶绿素a和悬浮物含量的相关水平;以R4/(R2+R3)为自变量,建立的水体中叶绿素a含量的反演模型拟合效果最好;以(R5+R4)/R3为自变量,建立的水体中悬浮物含量反演模型拟合效果最好。     

气象要素栅格化方法比较——以福建省月平均气温为例

以福建省70个地面气象观测资料中的1976年1月、7月平均气温,经纬度,海拔及由DEM所提取的坡向、坡度为数据源,采用反距离权重法、克里格法、协同克里格法等空间插值方法,对1月、7月平均气温进行空间插值,并用交叉验证、平均绝对误差、均方根误差等检验标准对各种插值方法的精度进行比较分析.结果表明:综合考虑了海拔、经纬度、坡度、坡向等影响要素的协同克里格方法用于月平均气温的空间插值相对较好.     

基于PROSAIL模型和Sentinel-2数据的陕北煤炭矿区植被叶绿素含量监测

为满足煤炭矿区植被叶绿素含量高精度动态监测需求,该文以陕北大柳塔矿区为研究区,首先分析PROSAIL模型对矿区典型植被欧李、野樱桃的适用性,然后根据PROSAIL辐射传输模型建立查找表,结合基于正则化的代价函数对欧李、野樱桃叶绿素含量进行反演,并利用SNAP软件反演结果与地面实测数据对PROSAIL模型反演结果进行验证,最后利用所构建模型反演得到2016—2019年大柳塔矿区植被叶绿素含量空间分布。结果表明：PROSAIL模型模拟光谱与地面实测光谱的绝对偏差平均值最大为0.016,该精度满足植被参数反演;PROSAIL模型反演得到的欧李、野樱桃叶绿素含量与地面实测数据的决定系数、均方根误差和相对均方根误差分别为0.679、1.926和4.625%,优于SNAP软件反演结果,反演得到的大柳塔矿区叶绿素含量时空变化与实际植被生态修复情况和土地利用覆盖类型一致。研究结果可为矿区植被叶绿素反演和生态修复效果评估提供技术参考。     

中国土壤温度的空间插值方法比较

利用中国698个气象站点1971~2000年的地面气候资料,采用三种不同方法预测中国0cm、20cm和40cm深度年均土壤温度的空间分布,其中普通克里格和泛克里格法直接以年均土壤温度数据为源数据、回归克里格法以中国年均气温数据和中国DEM数据为源数据进行预测。预测结果的准确性通过平均绝对误差(MAE)和均方根误差(RMSE)值来评价。结果表明回归克里格法预测的MAE值和RMSE值均为最小,说明其预测结果的准确性最好、预测的极端误差也最小;其次为泛克里格法;普通克里格法预测的效果最差。回归克里格法预测结果由于采用了中国DEM数据进行修正,在空间特征表达方面能够更好地表达复杂地形地区的局部变异,其平滑效应明显小于泛克里格法和普通克里格法的预测结果。     

基于地形高程的云南省降雨量空间插值方法研究

以云南省1961-2010年多年平均降雨量和云南省数字高程模型为基础数据源,通过对降雨数据的分析,将数字高程模型作为影响降雨强度的主要因素,引入到降雨量空间预测的多元地理统计中,并利用协同克里格算法构建降雨强度与地形高程之间的数学关系模型,对云南省年平均降雨数据进行空间插值模拟。插值结果与距离权重法、一阶局部多项式法、二阶局部多项式法、样条函数法、普通克里格法等其他5种空间数据插值方法进行对比与分析,并通过分析各个交叉检验统计量来验证评估数据的误差,从而选取出最优的空间插值方法。结果显示,普通克里格法和协同克里格法对降雨量空间插值的效果和精度高于反距离法、局部多项式法和样条函数法,而协同克里格法由于考虑了地形高程对降雨量的影响,具有更好的插值效果,因而更适合山地降雨数据的空间插值。     

湖泊表面温度的单通道热红外遥感反演研究——以北极滨海平原融冻湖为例

基于TM影像的单通道热红外遥感数据反演了阿拉北极滨海平原融冻湖的表面温度,利用实地湖泊水体温度传感器所测量的水体温度进行了反演结果的精度验证.通过对比4种不同的单通道热红外遥感数据地表温度反演算法,发现其反演结果均与实地测量湖表温度高度相关,但精度存在差异,其中通用单通道算法(SCJM&S)的湖泊表面温度反演结果精度最高,获取均方根误差达0.45K,且该算法输入参数仅需大气水汽含量一项,适用于北极滨海平原地区的湖泊表面温度反演.湖泊表面平均温度的空间插值结果表明研究区的湖泊表面温度受纬度和海洋性气候影响显     

基于多光谱和地理加权回归模型的石嘴山城市 土壤有机碳空间分布研究

城市土壤有机碳（SOC）分布受城市建设、工业发展等人为因素的影响表现出明显的空间差 异。为揭示石嘴山市 SOC 受城市化、工业化等人类活动的影响,分别利用普通克里格法（OK）、多元 线性回归克里格法（RK）、遥感反演方法（RS）和遥感-地理加权回归克里格法（RGWRK）预测石嘴 山市 SOC 空间分布。结果表明：石嘴山市 SOC 含量在 1.31 ~ 66.92 g·kg^{- 1} 之间变化,其平均值为 17.61 g·kg^-1。石嘴山市不同功能区 SOC 含量存在显著差异（p < 0.05）,具体表现为工业区>医疗区> 商业区>道路>住宅区>公园>农田>科教区;SOC 含量变异系数为 66.27%,呈中等程度变异;其最佳 拟合模型为高斯模型,C₀（/ C₀+C）为 0.02,属于强空间自相关。SOC 与遥感影像波段 DN 值的差值 （B1-B7、B3-B7、B4-B7）和地形因子（高程、坡度、起伏度）之间存在着极显著的相关性（p < 0.01）; 通过对 4 种方法的结果进行对比可知以各波段 DN 值差值与地形因子为输入量,利用 RGWRK 预测 的 SOC 精度最高,相比 OK 精度提高了 10.05%,相比 RK 精度提高了 8.79%,相比 RS 精度提高了 8.92%;研究区 SOC 含量呈北高南低的趋势,工业区 SOC 含量是郊区农田 SOC 含量的 1.92 倍,表明 城区 SOC 含量有富集的趋势。     

基于定性和定量辅助变量的土壤有机质空间分布预测——以四川三台县为例

准确获取土壤性质的空间分布信息,是区域土壤资源优化利用和土壤环境保护的需要。以川中丘陵区三台县为案例区,运用人工神经网络模型,构建融合区域定性及定量辅助变量的空间预测方法,模拟三台县土壤有机质的空间分布格局。结果表明,研究区土壤有机质在4.20~47.60 g kg^-1之间,平均为17.97 g kg^-1;变异系数为36.89%,属中等程度变异。土壤有机质的块金值与基台值之比为0.742,变程为7.0 km,即空间自相关性较弱。不同土壤类型间有机质含量差异显著;土属的空间分布较土类能更好地揭示研究区土壤有机质含量空间分布格局的差异。除土壤类型因素的影响外,坡度、地形湿度及植被盖度是研究区土壤有机质空间变异的主要因子。融合土壤类型因素和地形植被因子的神经网络模型预测结果,比普通克里格法、回归克里格法以及神经网络结合普通克里格的方法,更符合研究区地学规律和实际情况;其预测结果的平均绝对误差、平均相对误差和均方根误差较其他3种方法均降低幅度显著。同时,该方法对极值有较好的预测能力。研究为复杂环境条件下准确获取区域土壤性质的空间分布信息提供了较可行的方法。     

基于贝叶斯最大熵的甘肃省多年平均降水空间化研究

 贝叶斯最大熵方法可以对具有一定不确定性的“软数据”和认为没有误差的“硬数据”进行插值。对甘肃省1961—1990年52个气象站点的多年平均降水数据进行空间化研究。通过比较普通克里格、共协克里格、三元回归建模后残差插值以及基于贝叶斯最大熵的3种不同软硬数据参与情况下的插值结果,发现考虑降水30 a时间序列不完整性以及辅助变量经验模型不确定性的插值结果的MAE和RMSE,比直接使用多年平均降水数据直接插值的MAE和RMSE小,表明贝叶斯最大熵方法通过对不确定性的考虑可以有效降低预测结果的绝对误差。从降水的空间分布来看,考虑辅助变量DEM的插值结果能相对较好的体现高程对降水的地形影响,尤其分区将辅助变量转换为软数据可以有效体现不同区域高程对降水的不同影响问题。综合误差评价以及降水插值结果的空间分布,认为BME插值过程中可以考虑数据本身以及辅助数据利用的不确定性,使降水空间化的结果更加真实客观,同时为合理利用辅助信息提供了一个新思路。     

一种改进的土壤水分微波遥感反演模型

利用微波遥感数据反演地表土壤水分有着较好的物理基础,可实现大范围土壤水分状况的遥感监测。本文基于被动微波传感器AMSR-E的X波段数据,将土壤水分值分解成基准值和日变化量两个部分,并分别建立反演模型,同时引入降雨修正因子来进一步提高土壤水分的估算精度;利用IDL语言实现了我们所研发的模型,并集成为新疆土壤水分遥感反演系统模块之一;利用Watch Dog2400与传统铝盒采样获取的新疆地面土壤水分数据,提取适合的模型经验参数,并对模型结果进行精度评价。结果表明,经改进的模型反演得到的新疆土壤水分结果比美国冰雪数据中心的土壤水分产品在精度上有显著提高:均方根误差由8.4%降低为4.25%;所研发的软件模块可为相关应用部门提供快速的大范围土壤水分监测产品。     

基于多源遥感数据反演地表温度的单窗算法

利用单窗算法反演地表温度时,一景影像通常使用一个大气透过率。大气水汽含量空间异质性会导致像元尺度上大气透过率不同,从而给地表温度反演带来误差。该文通过从研究区MODIS数据中反演出大气水汽含量,经过配准、重采样之后获得该区域像元尺度的大气透过率,利用同时相TM数据,采用单窗算法反演地表温度。结果表明:基于多源遥感数据反演地表温度的单窗算法,由于减少了大气水汽含量空间异质性带来的地表温度反演误差,能够得到更为合理的地表温度。     

利用Cokriging提高估算土壤盐离子浓度分布的精度——以黄河三角洲为例

估算土壤中化学物质的含量与空间分布是了解多孔介质中水盐运移规律并进而因地制宜地提出盐渍土改良措施的关键。大面积的实地采样分析费时费力且耗资巨大。通过地统计分析, 使用有限的采样数据可获得土壤溶质的准确变异。本文探讨和比较了Ordinary kriging (OK) 与Cokriging (COK) 这两种内插方法。结果显示一半的采样点数据的COK较之全部采样点数据的OK精度更高, 相对均方根误差降幅为130.83%;采用同样的协同变量 (239个全盐量数据), 一半的采样点数据的COK较之全部采样点数据的COK精度更高, 相对均方根误差降幅为20.10%。协同变量与主变量的相关度决定了COK的预测精度, 当相关系数由77%升高为99%时, 相对均方根误差降低了48.30%。     

基于环境一号卫星的内陆水体水质多光谱遥感监测

基于环境一号卫星多光谱数据,针对我国内陆水体开展遥感监测研究。该研究建立分地区分季节经验模型反演叶绿素a浓度,基于生物光学模型的近红外单波段方法反演悬浮物浓度,以悬浮物浓度间接反演透明度,最终基于叶绿素a和悬浮物获得基于遥感监测的内陆水体营养状态指数。以2009年6月巢湖同步观测试验验证本文的水质参数反演算法,表明叶绿素a浓度反演精度不如悬浮物浓度,两者反演精度符合水环境监测业务需求。     

基于RBF神经网络的土壤铬含量空间预测

以广东省增城市为实验基地,采用随机采样的方法采集土壤铬含量样点,并将其分为训练数据集和检验数据集。设计4种样点布局方案,对前三组数据用RBF神经网络方法进行土壤铬含量插值,分析预测误差。研究发现,当样点较少时,RBF神经网络方法的插值结果较精确。而当样点数据为50时,误差较大,不能满足插值要求。通过插值结果的对比发现,较传统的统计学插值方法,RBF神经网络方法克服了平滑效应,特别是在数据较少的情况下,进行空间预测效果较好,是一种适用范围更广的插值方法。     

区域土壤空间抽样方法研究

对不同空间抽样方法进行对比研究是寻找具有空间相关性的不同资源和调查对象的最适宜抽样设计方案的重要手段.该文以广东省增城市土壤铬含量为空间要素,分别采用空间简单随机抽样、空间分层抽样和三明治抽样3种方法进行抽样;为便于比较3种方法的抽样精度,设定相同样本容量,采用Kriging插值对抽样结果进行精度评价.结果表明:在较为丰富的先验知识的情况下,三明治空间抽样方法所抽样点在预测土壤重金属含量分布情况时得到的克里格估值误差最小,是一种抽样精度更高、适用范围更广的抽样方案.     

长江口水域多光谱遥感水深反演模型研究

利用Landsat-7 ETM 遥感影像反射率和实测水深值之间的相关性可以探测水深。该文介绍单波段、双波段比值和多波段3种线性回归模型以及动量BP人工神经网络水深反演模型。选择长江口北港河道上段作为研究区,利用上述模型,分两种情况进行水深反演:一是以河道全部历史样本建模;二是将河道按自然水深划分为浅水区和深水区分别建模。结果表明:神经网络模型预测精度高于线性回归模型;水深分区后线性回归和神经网络模型预测误差均有所减小。     

基于主成分分析土壤水分扩散率单一参数模型的BP神经网络模型

应用水平土柱法测定了杨凌地区典型粘壤土的水分扩散率,利用土壤水分扩散率的单对数模型和双对数模型对其进行了拟合,建立了土壤水分扩散率单一参数模型,基于主成分分析建立了单一参数模型中参数B的BP神经网络模型。结果表明：利用主成分分析可将研究区域土壤容重、有机质含量、粘粒含量、粗粉粒含量和砂粒含量综合成3个主成分;基于主成分分析建立的BP神经网络模型拟合的单一参数模型参数[B]的均方根误差RMSE为0.308 2;将拟合得到的参数B代入单一参数模型中对土壤水分扩散率进行预测,除去其中较大值的预测结果偏低外,其余土壤水分扩散率预测结果都比较接近实测值,预测结果的均方根误差RMSE为0.257 8,可利用基于主成分分析建立的BP神经网络模型预测单一参数模型中的参数B。     

不同时间尺度、季节的气温数据空间平稳特征及其对插值结果的影响

不同时间尺度、季节的气温数据表现出不同的空间平稳特征。为探讨分析空间平稳性对气温插值的影响规律,采用趋势线法对气温数据进行空间平稳性探索,并对比分析不同空间平稳性条件下,普通线性回归、普通克里格、回归克里格的气温插值精度及插值结果的空间分布特点。结果显示：冬季日均、月均气温与年均气温呈现空间非平稳,插值精度随时间序列的增长而提高,随着气温数据逐渐趋于稳定,精度提高的幅度逐渐下降;夏季日均、月均气温呈现空间平稳,随时间序列的增长,插值精度的提高并不显著;夏季日均气温各插值方法的插值精度普遍高于冬季日均气温。与普通克里格相比,回归克里格能有效提高空间非平稳数据的插值精度。时间序列的增长削弱了不同插值算法之间的插值精度差异和插值结果空间分布差异。