普通Kriging插值算法研究

地统计学是进行空间变异分析的有力工具.文章说明了地统计学的基本原理及其实现算法,并应用该算法对研究区域的草句白浆土有效磷的空间变异特征进行了分析,通过计算得出的地统计学参数说明了土壤有效磷具有中等空间相关性,并生成了该养分的空间分布图.     

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).     

空间插值算法在GIS中的应用

在GIS的研究中,通常需要具有一定规则的数据,而多数可获得的数据都是呈现离散状态并且是不规则分布的,这就需要应用空间插值的方法把离散的不规则数据转换成规则数据.本文介绍了几种常用的空间插值模型的原理与方法,并通过规则格网DEM的建立,说明空间插值算法在GIS中的应用.     

迭代重构算法在三维水汽场构建中的应用

水汽是大气中活跃而富有变化的成分,在大气能量传输和天气系统的演变中起着非常重要的作用。以GPS斜路径湿延迟(SWD)为观测值,通过附加水平约束和垂直约束条件,建立联合观测方程,采用迭代重构算法,可以重构局地上空的三维水汽空间分布。结果表明:联合迭代重构算法要优于代数重构算法;在香港地基、渤海区域GPS三维水汽层析解算中,初值分别选用无线电探空资料、MM5探空资料得到的大气湿折射率的精度更高;最佳松弛因子的选取是算法实现关键,文中以均方根差RMS作为迭代质量优劣的标准对最优松弛因子进行搜索。     

基于水汽密度比例因子的三维水汽层析算法

针对传统水汽密度层析方法的缺点,设计并实现了一种基于水汽密度比例因子的三维水汽层析算法,提高了观测数据的利用率。利用香港CORS网的实测GPS和气象数据,并结合研究区域内45004探空站的探空数据,验证了该算法用于实测数据的可行性及精度,并分析了不同天气对层析新算法的影响。试验结果表明:该算法在观测数据的利用率上远大于传统层析方法,以探空数据为参考基准,RMS、水汽廓线相关系数和误差分布均优于传统方法。此外,降水天气对层析结果影响要比无降水天气的影响大。     

水汽层析代数重构算法

讨论了代数重构算法在水汽层析应用中的各种问题,包括约束条件的构造、层析初值的选择、松弛因子的计算、终止条件的确定等,给出了计算最优松弛因子的黄金分割搜索法和确定终止条件的NCP规则,对比分析了Kaczmarz、Randkaczmarz、Symkaczmarz、SART、Landweber、Cimmino、CAV、DROP等8种常见的代数重构算法,并以香港SatRef的观测数据进行了试验。试验结果表明,以上8种代数重构技术都能够满足水汽层析的要求;迭代终止条件比松弛因子更为重要;采用文中计算最优松弛因子的黄金分割搜索法和NCP迭代终止条件,CAV算法结果最优,其次为Cimmino算法。     

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.     

顾及抗差方差分量的地基GPS层析水汽空间分布算法研究

针对附加约束条件的地基GPS层析水汽算法中存在的异类观测值定权问题,以及低高度角GPS信号受底层大气折射影响误差偏大等问题,对顾及抗差方差分量的地基GPS层析水汽算法进行了定量的研究分析.实验结果证实,该算法用于地基GPS层析水汽中调整异类观测值权重和抵制粗差具有有效性和可靠性.     

不同空间尺度DEM地形信息容量综合对比研究

DEM包含了大量地形信息,是进行地形分析的基本数据。由于DEM数据的多尺度因素,加之地形、地貌特征具有宏观性与区域分异性的特点,不同尺度下的DEM地形信息容量具有较大的差异。本研究选取黄土高原地区的绥德、佳县、富县和宜君县四个实验样区,以Arc view/GIS软件为技术平台,提取了基于DEM数据的地形因子,并运用比较分析与数理统计的方法,对地形因子的提取结果进行了分析,获取了单一值因子的量化表达模型,确定了DEM地形信息容量与分辨率、地域及比例尺之间的量化相关关系,并在此基础上分析了DEM地形信息容量在不同空间尺度上的分异规律。     

数字地价模型的石家庄城区地价空间分布规律探讨

针对城市地价定量化研究和空间可视化表达的方法体系已日渐成熟的现状,该文以2008至2014年间,石家庄市主城区土地交易数据作为研究样本,借助ArcGIS、GS+软件平台,分别建立石家庄市城区商业和住宅数字地价模型,并依据模型进行地价数量特征、剖面特征、等值线形态特征分析等一系列空间分析。研究表明:石家庄市城区商业地价分布,整体上呈现出围绕一个传统的一级商业中心和一个新兴的次级商业中心向边缘衰减的圈层结构;住宅地价分布呈现出多峰值、多方向山脊状圈层衰减的结构,且聚集效应不及商业地价明显,衰减趋势较平缓。     

基于CA和AR方法的连续状态空间场动态演化模拟

为了预测连续状态属性在地理空间场中的变化趋势,本文在CA和AR方法的基础上,构建了模拟连续状态空间场动态演化的CA-AR模型。提出了预测连续状态属性的CA-AR概念模型以及具体的表达形式。对模型的应用流程进行了说明,即:数据预处理→空间场的栅格化→属性数据导入→模型参数估计→模型显著性检验五个步骤。研究表明,CA-AR模型在理论上是可行的,具有进一步实践的价值。     

GNSS/MODIS信号紧耦合水汽层析算法

GNSS水汽层析技术凭借高精度、高时空分辨率及全天候监测等优点,已成为探测大气水汽最具潜力的技术之一.目前,融合多源大气遥感数据逐步成为弥补传统层析模型GNSS信号几何缺陷的研究热点.本文利用Terra卫星上的中分辨率成像光谱仪(moderate resolution maging spectrorad ometer,...     

基于数据场的空间目标行为挖掘

The advanced data mining technologies and the large quantities of remotely sensed Imagery provide a data mining opportunity with high potential for useful results. Extracting interesting patterns and rules from data sets composed of images and associated ground data can be of importance in object identification, community planning, resource discovery and other areas. In this paper, a data field is presented to express the observed spatial objects and conduct behavior mining on them. First, most of the important aspects are discussed on behavior mining and its implications for the future of data mining. Furthermore, an ideal framework of the behavior mining system is proposed in the network environment. Second, the model of behavior mining is given on the observed spatial objects, including the objects described by the first feature data field and the main feature data field by means of the potential function. Finally, a case study about object identification in public is given and analyzed. The experimental results show that the new model is feasible in behavior mining. Supported by the National 973 Program of China(No.2006CB701305,No.2007CB310804), the National Natural Science Fundation of China (No.60743001), the Best National Thesis Fundation (No.2005047), the National New Century Excellent Talent Fundation (No.NCET-06-0618).     

Behavior mining of spatial objects with data field

The advanced data mining technologies and the large quantities of remotely sensed Imagery provide a data mining opportunity with high potential for useful results. Extracting interesting patterns and rules from data sets composed of images and associated ground data can be of importance in object identification, community planning, resource discovery and other areas. In this paper, a data field is presented to express the observed spatial objects and conduct behavior mining on them. First, most of the important aspects are discussed on behavior mining and its implications for the future of data mining. Furthermore, an ideal framework of the behavior mining system is proposed in the network environment. Second, the model of behavior mining is given on the observed spatial objects, including the objects described by the first feature data field and the main feature data field by means of the potential function. Finally, a case study about object identification in public is given and analyzed. The experimental results show that the new model is feasible in behavior mining.     

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。     

基于空间行为的面向对象空间数据模型

本文根据面向对象空间数据模型的相关概念和特点,将地理空间中的空间行为进行建模后纳入面向对象空间数据模型的框架中。面向对象空间数据模型由数据模型和空间行为模型两个部分组成:数据模型包括空间特征数据和属性特征数据;同时将空间行为模型分为两大类,即静态空间行为模型(地理目标间关系)和动态行为模型(地理目标行为)两部分。在此框架提出的基础上,本文利用二进制、XML流等格式文件对该空间数据模型进行了整合和组织。     

京津冀地区GNSS对流层延迟空间插值研究

对流层延迟差异影响合成孔径雷达干涉测量技术(InSAR)形变测量精度;水汽的变化影响天气变化.对流层延迟与水汽具有较好的对应,因此有必要开展全球导航卫星系统(GNSS)对流层延迟的插值研究.以京津冀地区为例,针对GNSS对流层延迟,开展对流层延迟的空间插值研究.首先开展了GNSS对流层延迟与水汽的比较分析,两者存在显著正相关特性,相关性超过91.7%,论证了对流层延迟取代水汽的可行性.然后利用反距离权重法对京津冀地区2016年9月至2017年8月的12组GNSS测站对流层延迟进行空间插值,通过提取插值点对流层延迟与GNSS站点对流层延迟比较验证空间插值精度.全年数据平均偏差最大为1.12cm,均方根误差最大为0.89cm;未发生降水过程平均偏差最大为1.25cm,均方根误差最大为0.82cm;发生降水过程平均偏差最大为1.08cm,均方根误差最大为1.38cm.京津冀平原区域的GNSS对流层延迟空间插值结果精度满足气象等应用要求,可为气象预报和InSAR大气校正提供参考.     

基于Kriging方法的负偏态分布数据的空间插值研究

Kriging插值方法的前提是数据符合或基本符合正态分布的假设,或通过对非正态数据进行正态变换,使其满足要求。但对于拖尾的负偏态分布数据,正态变换方法无法奏效,若直接对数据进行Kriging插值,精度较低。文中在对样本数据深入分析的基础上,借助GIS平台,从不同透视角度对数据进行趋势分析,利用二次多项式模型对数据进行全局趋势拟合,并对随机的短程变异进行Kriging插值,选取不同的变异函数模型进行拟合比较,最终确定最优的模型参数,达到较为理想的插值结果。