第九讲地统计学.pptVIP

空间自相关性分析 地统计法：2）空间自相关分析 自协方差： 常用 ρ(h)=C(h)/C(0) 刻画Z(x)与Z(x+h) 的相关性大小， ρ越大，相关性越大 变异函数与协方差的关系（协方差存在时）： γ(h)=C(0)-C(h) 第四步 克里格插值 克里格插值法又称为空间局部或空间局部插值法。克里格法事建立在变异函数理论及结构分析基础上，它是在有限区域内对区域化变量的取值进行无偏最优估计的一种方法。南非矿产工程师Krige将该方法用于寻找金矿上，著名的统计学家1963年将其理论化时，依然以Krige名字命名。 克里格方法适用的条件是，如果变异函数和相关分析的结果表明区域化变量存在空间相关性，则可以运用克里格法对空间未抽样点或未抽样区域进行插值估计。普通插值公式如下： 其中：λ为权重系数，表示各空间样本点xi处得观测值Z(xi)对估计值Z*的贡献程度。 地统计学与经典统计学的区别（回顾） 经典统计学研究的变量必须是纯随机变量。该随机变量的取值按某种概率分布而变化。而地统计学研究的变量不是纯随机变量，而是区域化变量。该区域化变量根据其在一个域内的空间位置取不同的值，它是随机变量与位置有关的随机函数。因此，地统计学中的区域化变量既有随机性又有结构性。 经典统计学所研究的变量理论上可无限次重复或进行大量重复观测试验。而地统计学研究的变量则不能进行这样的重复试验。因为区域化变量一旦在某一空间位置上取得一样品后，就不可能在同一位置再次取得该样品，即区域化变量取值仅有一次。 地统计学与经典统计学的区别（回顾） 经典统计学的每次抽样必须独立进行，要求样本中各个取值之间相互独立。而地统计学中的区域化变量是在空间不同位置取样，因而，两个相邻样品中的值不一定保持独立，具有某种程度的空间相关性。 经典统计学以频率分布图为基础研究样本的各种数字特征。地统计学除了要考虑样本的数字特征外，更主要的是研究区域化变量的空间分布特征。因此，地统计学的主要研究是围绕着变量空间分布理论和估计方法。 地统计学的在生态学中的引入（回顾） 生态格局与生态学过程有关，生态格局随空间尺度变化，空间异质性是导致格局的主要原因。而以往的研究忽视了空间异质性与尺度对格局与过程的作用。随着生态学理论研究的深入，尤其是景观生态学的发展，许多生态学家认识到空间异质性在许多生态学理论中起中心作用，并引起高度重视，成为90年代生态学理论研究的新的重点。空间异质性是指系统或系统同性在空间上的复杂性和变异程度，包括系统属性的空间组成，空间构型和空间相关。它在生物学系统各个层次上都存在，是许多基本生态学过程和物照过程在时间和空间连续系统上长期作用的结果。鉴于地统计法在研究空间异质性性的优点，从85年开始引入生态学的研究。 地统计学在生态学研究中的应用（回顾） 对空间格局的尺度、几何形状、变异方向进行定量地分析和有效地估计，并将空间格局与生态学过程联系起来； 它为生态学家在各种尺度上进行空间抽样时，提供最优的抽样方法； 它可以帮助景观生态学家建立景观模型，并进行景观模拟； 环境因子的地统计学分析有助于生态学家更深刻地了解生命有机体（个体、种群和群落)空间变异的机制。 地统计学在生态学研究中的应用（回顾） 最近几年的研究表明：地统计学无论是在土壤的空间格局等植物群落的空间变异，还是在景观干扰格局等方面的研究，都显示出经典统计学不可替代的优越性。 * 在对所研究的空间对象进行一次抽样或随机观测后，就得到它的一个实现z(x,y,z),它是一个普通的三元实值函数，或者说是一个点函数。因此， 例：Z(x1)=4,Z(x2)=3, Z(x3)=4,Z(x4)=5, Z(x5)=7,Z(x6)=9, Z(x7)=7,Z(x8)=8, Z(x9)=7,Z(x10)=7 （xi=i) 解： 由图可以看出，当分隔距离较小时，变异函数越小。当两点间距离增大到某一值（h=6）后，变异函数在某一值上下波动。 变异函数的参数 通过变异函数曲线图可以得到3个重要参数 块金值C0 (Nugget) 基台值C0+C (Sill) 变程a (Range) 块金值C0(Nugget) 根据半方差的定义，当h=0时，半方差等于零。但是，在实际的样本半方差图的计算过程中，其近似平滑曲线并不通过原点，而是具有一个正截距，将其定义为块金值(Nugget)，把这种现象定义为块金效应（nugget effect），块金值用C0表示。 块金常数反映了区域化变量Z(x)内部随机性的可能程度，它主要有两种来源：一是来自于区域化变量Z(x)小于抽样尺度h时所具有的内部变异；二是来自于抽样分析的误差。例如，在分析土地有机氮含量时．在同一样点取样两次，所得的结果会有一定或较大差异。当