地统计学在生态学中的应用.docVIP

精品文档（可编辑） 值得下载 地统计学在生态学中的应用 摘要 自然现象存在空间变异性和空间自相关性。地统计学作为研究变量空间分布规律的理论与方法，成为定量分析自然现象空间特征的有效手段，并逐渐引入生态学研究中。在介绍地统计学基本理论与方法的基础上，论述了地统计学在生态学中的应用。 关键词 地统计学；生态学；尺度；时空特征；应用 中图分类号 S153 文献标识码 A 文章编号 1007-5739（2014）13-0245-01 Application of Geostatistics in Ecology LI Xiu-mei 1 ZHOU Shi-xue 2 LUO Sheng-jun 2 LI Chang-zhou 2 LIU Li-ping 2 * （1 Forestry Ecology Department，Hubei Ecology Vocational College，Wuhan Hubei 430200； 2 Macheng Forestry Bureau） Abstract Natural phenomena has spatial variability and autocorrelation characteristics.As the theory and methods in researching space distribution，goestatistics became an effective method for quantitative analysis of spatial characteristics，and gradually introduced to ecology.Based on the basic theory and method，the paper introduced the application of geostatistics in ecology. Key words geostatistics；ecology；scale；temporal and spatial characteristics；application 地统计学起源于20世纪60年代，是以区域化变量为理论基础，以半变异函数和插值分析为主要工具的一种地质统计学方法；是通过分析空间数据探索空间过程的信息分析技术[1]。与传统生态学方法相比，地统计学变异函数中的变程（a）包含了距离和方向2种含义，即量化的空间尺度信息，比依靠经验直接确定空间取样尺度更合理；比通过尺度推绎方式间接获得目标现象的特征更精确；修正了传统景观格局研究方法中小尺度生态学现象在区域内均质性的不合理假设。 由于该理论充分考虑了样点的位置、方向和彼此间距离等空间结构信息，为实现参数的离散化与空间化提供了一种有效工具，可以定量化区域变量的空间特征，进而对未知样点进行无偏最优估值，以直接反映自然现象的随机性和结构性，广泛用于地理学、环境科学、土壤学等诸多研究领域[2-3]。揭示了经典统计方法难以发现的规律，有利于融合格局、尺度、过程关系，完善生态学理论与方法。 1 地统计学的基本理论与方法 1.1 区域化变量理论 地统计学处理的对象为区域化变量，区域化变量的两大特点是随机性和结构性。基于此，地统计学引入随机函数及其概率分布模型为理论基础，对区域化变量加以研究[4]。 1.2 变异函数 变异函数是地统计学方法的基础，根据已知样本点来确定变量在空间上的变化规律，推算未知点的属性。其优点在于根据已知样本点计算某未知点的属性值时，考虑了不同距离、不同方向空间点位间的相关性，使估计值更精确。 1.3 空间插值 与传统的插值方法不同，地统计学考虑样点的方向、位置和彼此间的距离，可以研究既有一定随机性又有一定结构性的各种变量的空间分布规律[5]。克里格（Kriging）插值是一种最优、无偏的估值方法，在生态学中的应用最广泛，可以给出每一估计样点的不确定性（即产生误差的几率和大小），并利用多种附属信息填补采样不足的缺陷。这种在误差允许范围内的空间差值既节省工作量，又弥补因资料不足带来的困难[6]。 1.4 空间模拟 空间模拟方法是当今地统计领域中由已知推断未知的最活跃的一种方法。由于Kriging方法具有平滑作用，不适宜用于获取变量极值的空间分布，例如通过重金属含量的极值来寻找湖泊水体污染源；而空间模拟方法即能模拟变量的空间变化趋势又能保留变量的极值；此外，空间模拟通过多种实现（realization）系统的表现，进行各种情况下的模拟，具有较好的统计效用[1]。 2 地统计学在生态学中的应用 地统计学检验、模拟和估计空间特