半方差函数（已审核）.docVIP

半方差 　　半方差函数(Semi-variogram)及其模型 　　半方差函数也称为 半变异函数,它是地统计学中研究土壤变异性的关键函数. 　　2.1.1半方差函数的定义和参数 　　如果随机函数Z(x)具有二阶平稳性,则半方差函数((h)可以用Z(x)的方差S2和空间协方差C(h)来定义:((h)= S2-C(h) 　　((h)反映了Z(x)中的空间相关部分,它等于所有以给定间距h相隔的样点测值之差平方的数学期望: 　　(1) 　　实际可用: 　　(2) 　　式中N(h)是以h为间距的所有观测点的成对数目.某个特定方向的半方差函数图通常是由((h)对h作图而得.在通常情况下,半方差函数值都随着样点间距的增加而增大,并在一定的间距(称为变程,arrange)升大到一个基本稳定的常数(称为基台,sill). 　　土壤性质的半方差函数也可能持续增大,不表现出确定的基台和变程,这时无法定义空间方差,说明存在有趋势效应和非平稳性.另一些半方差函数则可能完全缺乏空间结构,在所用的采样尺度下,样品间没有可定量的空间相关性. 　　从理论上讲,实验半方差函数应该通过坐标原点,但是许多土壤性质的半方差函数在位置趋于零时并不为零.这时的非零值就称为块金方差(Nugget variance)或块金效应.它代表了无法解释的或随机的变异,通常由测定误差或土壤性质的微变异所造成. 　　对于平稳性数据,基底方差与结构方差之和约等于基台值. 　　2.1.2 方差函数的理论模型 　　土壤在空间上是连续变异的,所以土壤性质的半方差函数应该是连续函数.但是,样品半方差图却是由一批间断点组成.可以用直线或曲线将这些点连接起来,用于拟合的曲线方程就称为半方差函数的理论模型.在土壤研究中常用的模型有: 　　①线性有基台模型: 　　式中C1/a是直线的斜率.这是一维数据拟合的最简单模型: 　　((h)=C0 +C1·h/a 0在极限情况下,C1/a可以为0,这时就有纯块金效应模型: 　　((h)=C0, h0 (4) 　　((0)=0 h=0 　　②球状模型 　　((h)= C0 +C1[1.5h/a-0.5(h/a)3] 0a (5) 　　((0)=0 h=0 　　③指数模型 　　((h)=C0+C1[1-exp-h/a ] h0 (6) 　　((0)=0 h=0 　　④双曲线模型 　　(7) 　　⑤高斯模型 　　((h)=C0+C1[1-exp(-h2/a2)] h0 (8) 　　((0)=0 h=0 　　选定了半方差函数的拟合模型后,通常是以最小二乘法计算方程的参数,并应用Ross等的最大似然程序(MLP),得到效果最好的半方差方程. 　　2.1.3 模型的检验(cross-validation,又称作jacknifing) 　　为了检验所选模型三个参数的合理性,必须作一定的检验.但是到现在为止还没有一个有效的方法检验参数的置信区间;同时,由于我们不知道半方差模型的确切形式,所选定的模型只是半方差函数的近似式,故无法以确切的函数形式对模型参数进行统计检验.交叉验证法的检验方法,一种间接的结合普通克立格的方法,为检验所选模型的参数提供了一个途径.这个方法的优点是在检验过程中对所选定的模型参数不断进行修改,直至达到一定的精度要求. 　　交叉验证法的基本思路是:依次假设每一个实测数据点未被测定,由所选定的半方差模型,根据n-1个其它测定点数据用普通克立格估算这个点的值.设测定点的实测值为,估算值为,通过分析误差,来检验模型的合理性. 　　2.1.4半方差函数的模型的选取原则和参数的确定 　　半方差函数的模型的选取原则是:首先根据公式计算出((h)的散点图,然后分别用不同类型的模型来进行拟合,得到模型的参数值及离差平方和,首先考虑离差平方和较小的模型类型,其次,考虑块金值和独立间距,最后用交叉验证法来修正模型的参数. 　　2.2 Kriging最优内插估值法 　　如果区域化变量满足二阶平稳或本征假设,对点或块段的估计可直接采用点克立格法(Puctual Kriging )或者块段克立格法(Block Kriging).这两种方法是最基本的估计方法,也称普通克立格法(Origing Kriging,简称OK). 　　半方差图除用于分析土壤特性空间分布的方向性和相关距离外,还可用于对未测点的参数进行最优内插估值和成图,该法原理如下: 　　Kriging最优内插法的原理 　　设x0为未观测的需要估值的点,x1, x2,…, xN 为其周围的观测点,观测值相应为y(x1 ),y(x2),…,y(xN).未测点的估值记为 (x0),它由相邻观测点的已知观测值加权取和求得: 　　(9) 　　此处,(i