关注土壤有机碳库你我实践低碳生活

由于化石燃料的使用、土地利用的变化以及农业活动,在过去的250年间,温室气体特别是二氧化碳浓度的急剧上升导致气候变化,这是目前人类所面临的最严峻的环境变化问题,     

基于地统计学的GPS高程异常拟合研究

地统计学(Geostatistical Analysis)是一门以区域变化量理论为基础,以变异函数为主要工具,研究分布于空间上既有随机性又有结构性的自然或社会现象的科学,它遵从空间位置相近的地理现象具有相似属性值。GPS点的高程异常在区域内随点平面位置的变化而变化,具有一定的空间相关性。因此,可以将地统计中的相关插值方法应用到GPS高程异常拟合中。通过对地统计原理的分析,结合实例比较了ArcGIS中地统计分析中的相关插值方法在GPS高程异常拟合中的精度情况。     

空间预测的地统计学框架

Geostatistics provides a coherent framework for spatial prediction and uncertainty assessment, whereby spatial dependence, as quantified by variograms, is utilized for best linear unbiased estimation of a regionalized variable at unsampied locations. Geostatistics for prediction of continuous regionalized variables is reviewed, with key methods underlying the derivation of major variants of uni-vafiate Kriging described in an easy-to-follow manner. This paper will contribute to demysti- fication and, hence, popularization of geostatistics in geoinformatics communities.     

地统计学用于空间不确定性的描述

Most geospatial phenomena can be interpreted probabilistically because we are ignorant of the biophysical processes and mechanisms that have jointly created and observed events. This philosophy is important because we are certain about the phenomenon under study at sampled locations, except for measurement errors, but, in between the sampled, we become uncertain about how the phenomenon behaves. Geostatistical uncertainty characterization is to generate random numbers in such a way that they simulate the outcomes of the random processes that created the existing sample data. This set of existing sample is viewed as a partially sampled realization of that random function model. The random function’s spatial variability is described by a variogram or covariance model. The realized surfaces need to honour sample data at their locations, and reflect the spatial structure quantified by the variogram models. They should each reproduce the sample histogram representative of the whole sampling area. This paper will review the fundamentals in stochastic simulation by covering univariate and indicator techniques in the hope that their applications in geospatial information science will be wide-spread and fruitful. Supported by the National 973 Program of China (No. 2006CB701302).     

基于遥感与碳循环过程模型估算土壤有机碳储量

土壤有机碳含量的估算是当前全球碳循环研究的热点之一,但不同学者之间的估算值差异较大。从估算方法看,主要有基于土壤剖面的直接估算法和基于生态系统碳循环过程模型的间接估算法,这两种方法各有优缺点。直接估算法由于只反映了不同土壤或植被类型的土壤有机碳含量平均值的差异,因而空间分辨率较低。而间接估算法由于参数的简化,影响了土壤有机碳估算的空间精度。作者将遥感的高时空分辨率特征、反映生态系统碳循环动态变化的过程模型、实际测量的土壤有机碳结合起来,以求提高土壤有机碳估算的空间分辨率。考虑到受温度、水分的影响,土壤呼吸与土壤有机碳含量的关系并不好,而土壤基础呼吸由于剔除了温度和水分的影响,从而使其与土壤有机碳的关系非常密切,其测定系数R^2可达0.78。采用了结合遥感和碳循环过程的CASA模型及Van＇t Hoff土壤呼吸模型,首先估算了8km分辨率的土壤基础呼吸的空间分布,在此基础上结合实测的土壤有机碳估算了8km分辨率的土壤有机碳的空间分布。     

基于机载高光谱影像的农田尺度土壤有机碳密度制图

准确监测土壤有机碳密度SOCD(Soil Organic Carbon Density)对调控土壤碳汇、合理利用土壤资源具有重要意义。机载高光谱影像为精细化SOCD制图提供了重要数据源。由于机载高光谱在数据收集过程中易受到外部因素的影响,光谱中存在噪声影响SOCD的估算精度。因此,本研究旨在探究基于机载高光谱影像估算SOCD的技术流程。对原始光谱进行预处理,包括一阶微分FD(First Derivative)和包络线去除CR(Continuum Removal)变换。采用遗传算法GA(Genetic Algorithm)选择特征波段,并结合不同回归方法,如偏最小二乘回归PLSR(Partial Least Square Regression)、多元线性回归MLR(Multiple Linear Regression)、支持向量机SVM(Support Vector Machine)和人工神经网络ANN(Artificial Neural Network)估算SOCD。结果表明,在经过GA特征波段选择后,原始光谱、FD光谱和CR光谱预测SOCD的精度均有所提高。使用原始光谱特征波段,PL...     

基于ArcGIS的房地产价格空间分布研究

首先以深圳市福田区部分普通住宅的房地产价格为数据基础,利用空间分布分析中的最近邻距离分析法确定了各住宅的空间分布情况,即呈簇状分布状态;然后,运用空间自相关理论和方法,选用Moran,指数对研究区域的房价自相关关系进行测度和实证分析,从而得到深圳市景田区部分住宅房地产价格的空间自相关性情况;最后,利用ArcGIS中的地统计分析工具对整个区域的房地产价格进行了拟合,得到研究区域房价的空间分布情况。     

基于地统计学空间插值法的作物单产估算

针对第三次全国农业普查农产量抽样调查的样本调查方法改革后,现行的传统农作物单产抽样调查估算方法无法有效利用调查样本所包含的空间差异性来估算抽样设计中子总体的作物单产等问题,提出了一种基于地统计学的空间插值估算方法,对调查队取得的样本数据进行深度挖掘。以河南省辉县为研究区,以冬小麦单产为研究对象,进行实验和结果分析。结果表明,利用地统计学克里格插值法取得的村级冬小麦平均单产估算精度在90%以上的村达到研究区村总量的91%,且其中83%的村估算精度优于95%;估算精度在90%以下的所有村的冬小麦种植总面积仅占全县的2.26%,对全县产量的影响微乎其微。基于地统计学的空间插值法很好地分析和利用了样本属性中的冬小麦单产信息表现出的空间相关性和异质性,不仅能较高精度地估算出现行的传统农作物单产推算方法无法给出的抽样设计中子总体(全县各村)的单产信息,而且能较好地给出总体(全县)的单产信息。利用该方法得到的全县冬小麦平均单产估算精度达到97.75%,高于现行的传统农作物单产抽样调查估算精度,估算效果良好,方法可行性高,相对传统方法还可起到费省效宏的作用。     

基于地统计学的江西省年降水量插值研究

本文选取江西省86个气象站点2008年的年降水量数据,基于地统计学理论对数据进行探索性空间数据分析,得出该组气象数据插值的理论最优模型。采用不同全局趋势及变差函数模型进行插值,通过交叉性检验证实了该理论模型的有效性。最终结果显示,采用3次函数剔除全局趋势并以球状模型作为变差函数模型的考虑高程的Co-Kriging方法插值结果最优。     

汶川县居民地要素空间分布特征分析

文章运用GIS空间分析技术,以四川省汶川县为研究区域,对居民地的空间分布特征及其影响因素进行分析.研究结果表明:汶川县居民地大体呈条带状分布,具有强烈的低海拔取向,其分布的优势地形区段为海拔2000m以下,居民地分布具有明显的沿河分布特征;在乡镇层面上汶川县居民地呈现一定的集聚分布特征,主要分布在海拔较低的水磨镇、漩口镇及县城所在地威州镇.研究成果可为汶川县居民地的整治规划提供参考.     

基于半变异函数的土壤有机碳空间预测方法

基于半变异函数原理,通过GS+和Variowin确定最优模型,对土壤有机碳进行空间预测,同时与反距离加权方法的空间插值结果进行预测精度和模型拟合效果对比。结果表明,基于半变异函数的土壤有机碳空间插值的均方根误差RMSE最小,比反距离加权方法提高了14%,预测精度和空间模拟效果要高于反距离加权方法的预测结果。基于半变异函数的空间插值方法要更适合土壤有机碳数据的空间预测,为其他土壤数据空间准确预测提供支持。     

Spatial Assessment of Soil Organic Carbon Density Through Random Forests Based Imputation

Regional estimates of soil carbon pool have been made using various approaches that combine soil maps with sample databases. The point soil organic carbon (SOC) densities are spatialized employing approaches like regression, spatial interpolation, polygon based summation, etc. The present work investigates a data mining based spatial imputation for spatial assessment of soil organic carbon density. The study area covers Andhra Pradesh and Karnataka states of India. Field sampling was done using stratified random sampling method with land cover/use, soil type, agro-ecological regions for defining strata. The spatial data at 1 km resolution on climate, NDVI, land cover, soil type, topography was used as input for modeling the top 30 cm Soil Organic Carbon (SOC) density. To model the SOC density, a Random Forest (RF) based model with optimal parameters and input variables has been adopted. Experiment results indicate that 500 number of trees with 5 variables at each split could explain the maximum variability of soil organic carbon density of the study area. Out of various input variables used to model SOC density, land use / cover was found to be the most significant factor that influences SOC density with a distinct importance score of 34.7 followed by NDVI with a score of 12.9. The predicted mean SOC densities range between 2.22 and 13.2 Kg m^?2 and the estimated pool size of SOC in top 30 cm depth is 923 Tg for Andhra Pradesh and 1,029 Tg for Karnataka. The predicted SOC densities using this model were in good agreement with the measured observations (R?=?0.86).     

高光谱遥感土壤有机质含量信息提取与分析

通过分析室外实测的土壤光谱与室内测定的土壤化学成分之间的关系,利用单相关分析和线性回归等统计学方法,结合光谱微分技术,建立了武汉地区土壤有机质含量预测模型。选取精度较高的反射率对数的一阶微分模型应用到Hyperion影像中,获得了研究区土壤有机质分类图。     

基于空间分析的铁路危货办理站吸引区域研究

铁路危险货物办理站吸引区域划分是铁路危险货物办理站宏观布局规划的重要依据。结合GIS和空间结构分析,分别利用节点缓冲分析、基于元胞自动机的铁路危货办理站吸引区模型和基于ArcGIS空间分析模块的最短路径方法对四川省境内八个办理站点吸引区域进行了研究,总结比较了三种方法,并对四川省当前铁路危货办理站布局优化提出了建议。     

土壤有机质光谱特征研究

对在宜兴市和横山县采集的174个土样400 nm~2 500 nm波段的光谱曲线进行了研究。为了有效去除背景噪声对目标光谱的影响,并将非线性关系线性化,首先对土壤光谱进行了14种变换,然后运用光谱微分技术、逐步回归分析等方法研究了土壤光谱反射特性与土壤有机质之间的关系。结果表明,反射率对数的一阶微分这一变换形式对土壤有机质含量最为敏感。建立了相应的回归预测模型,模型方程判定系数达到0.885,较好地利用土壤光谱反射特性预测了土壤有机质的含量。     

基于Matlab的空间分析

空间分析被认为是地理信息系统区别于一般信息系统、CAD或电子地图系统的主要功能特征,也是评价一个地理信息系统的主要指标。从介绍Matlab强大的数值计算功能和数据可视化功能着手,分析了Matlab在空间分析方面的技术应用,重点研究了Matlab在空间数据分析中插值法的应用以及空间数据的三维表达。     

基于GIS的重庆市人口空间分布研究

基于重庆市2006～2010年人口数据,运用GIS技术从人口密度、人口集中指数及人口集聚度3个方面对重庆市人口空间分布规律进行了分析;同时,从地理空间分析的角度出发,分析了重庆市人口空间分布与自然、经济及社会因素之间的关系。