贝叶斯最大熵地统计学方法及其在土壤和环境科学上的应用.pdfVIP

第48卷第4期土壤学报

2011年7月ACTAPEDOLOGICASINICAJuly201l

，

贝叶斯最大熵地统计学方法及其在土壤

和环境科学上的应用术

张贝’2李卫东杨勇汪善勤，蔡崇法

(1华中农业大学资源与环境学院，武汉430070)

(2华中农业大学农业部亚热带农业资源与环境重点开放实验室，武汉430070)

摘要贝叶斯最大熵(BayesianMaximumEntropy，BME)地统计学方法是近年来出现的一种时空地

统计学新方法。相对于传统的克里金方法，该法具有坚实的认识论框架和方法学基础。它不需要作线性估

值、空间匀质和正态分布的假设，能够融人先验知识和软数据，并且不会损失其中蕴含的有用信息，提高了分

析精度。本文首先介绍了BME的基本理论及其估值方法，随后简单描述了该方法的理论发展过程及其在土

壤和环境科学上的应用情况，最后对该方法的应用做了总结与展望。经过国外研究者多年的开发和实践，

BME方法已经被证明是一个理论上较为成熟，能够应用到实际研究中的优秀地统计学方法，在资源环境评估

上有着广泛的应用前景。

关键词贝叶斯最大熵；地统计学；土壤学；环境科学

中图分类号s15；X5文献标识码A

地统计学(Geostatistics)是关于区域化变量的域，但在国内尚未见介绍和应用。目前国内在土壤

理论和有关处理技术，主要研究目标是空间分布数和环境科学等领域人们还是普遍采用传统的克里

据。该理论的初步算法于2O世纪50年代最早由南金方法或其衍生方法，很多时候有一定的局限性，

非矿山工程师克里金(Krige)提出并应用于矿藏的如需要正态分布假设、不能充分利用软数据(主要

勘察计算。2O世纪60年代法国著名统计学家指带有不确定性的数据)等。因此，将新兴的BME

Matheron在经过大量工作后提出了区域化变量理论方法介绍和引入到国内土壤和环境科学研究中，不

和有关基本算法(如OrdinaryKriging)，为经典地统但能够推动国内地统计学的发展，同时也能够为相

计学奠定了系统的理论和应用基础。经过几十年关研究领域提供更多样的研究工具和手段。本文

的发展，地统计学理论不断扩展和完善，同时研究首先介绍了BME的基本理论及其估值方法，随后描

者们也不断提出新的方法，例如克里金插值及其各述了其理论发展过程及在土壤和环境科学中的应

种衍生方法、随机模拟方法等等，使得地统计学内用状况，最后对理论和应用做了总结与展望。

容日益丰富，并广泛应用于土壤、环境和生态等各

个领域。Christakos于20世纪90年代初提出对于1BME的基本理论

空间估值问题的一种新观念——贝叶斯最大熵观

点。以此为基础建立的贝叶斯最大熵(Bayesian1．1时空随机场

MaximumEntropy，以下简称BME)地统计学方法采一般认为大部分的自然变量在时间和空间上

用了统计学中的贝叶斯方法与信息论中的熵的概是连续的，这些变量是一个时空连续体的实例。变

念来认识与处理时空变量，是现代时空地统计学