绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 1
  (已选择0条) 清除 结果分析
找到 6 条结果
[期刊论文] 张若兮 杨勇 张楚天
-
北大核心 CSTPCD CSCD CA CBST
-
摘要:选取湖北省沙洋县为研究区域,以土壤质地与土壤有机质定量关系为辅助信息,利用贝叶斯最大熵(BME)方法对沙洋县土壤有机质含量进行空间预测,并与以土壤质地和土壤全氮为辅助变量的协同克里格方法预测结果精度作对照,探讨两种方法的预测效果.结果表明,协同克里格方法和BME方法均能较好反映研究区有机质空间分布特征.在辅助变量与土壤养分存在显著相关性条件下,BME方法能更好地利用范畴型变量等多种类型辅助信息.比较极值误差范围、平均绝对误差、均方根误差等方面,BME方法在土壤属性空间预测方面具有更高精度,且能有效降低数据获取成本和难度,在县域尺度土壤属性空间预测上具有更大优势....
-
北大核心 CSTPCD CSCD AJ CA EI CBST
-
摘要:土壤重金属或其他生态环境属性在时间和空间上均存在连续性和变异性,而目前的研究忽略了它们在时间维的变异。为了在预测时使用多时期采样数据,该文提出使用时空克里格方法对土壤重金属进行时空建模及预测,着重介绍了经验半方差值的计算、理论变异模型的形式及参数拟合、时空克里格估值算法、估值方差和精度随邻近点数量的变化及时空克里格制图。以武汉市青山区土壤重金属为例介绍了时空克里格建模及预测的流程。结果表明,时空克里格方法能够很好地描述土壤重金属在空间、时间和时空上3个部分的变异特征,能够利用其他时期的数据对预测时间点的属性进行插值,而多时期的属性空间分布图能够很好地反映土壤重金属的分布变化规律。该研究可为资源环境生态时空建模及预测研究提供参考。...
摘要:PM2.5作为大气污染的一种,正受到社会越来越广泛的关注和研究,但大部分研究仅单独分析各样点PM2.5浓度时间维度或空间维度特征,忽略了PM2.5的时空维度变化.为综合考虑PM2.5时空维度特征,该文以山东省2014年PM2.5浓度监测数据为对象,建立PM2.5时空变异模型,利用时空克里格法对山东省全年PM2.5浓度进行时空预测,得到时空分布立方体数据,最后基于该数据,对山东省PM2.5污染特征作出分析.结果表明,2014年山东省整体PM2.5污染严重.在空间上,中西部地区PM2.5浓度超过75 μg/m3的天数超过290d,存在持续性高危污染,东部小于37.5 μg/m3的天数超过146 d,存在间歇性轻微污染,且从西至东,PM2.5污染天数和程度逐渐降低,具有明显地域性污染特征;在时间上,PM2.5浓度最高时间段为1、2、11和12月,最低为6-8月,各季节污染程度依次为:冬季>秋季>春季>夏季.研究表明时空地统计方法能够有效地对空气质量进行时空预测,是挖掘更多的时空分布特征和信息,进行环境数据分析的有效手段....
[期刊论文] 杨勇 张若兮
-
CSTPCD 北大核心
-
摘要:以克里格估算为基础的插值和随机模拟为代表的经典地统计方法是目前研究地理属性空间分布的主要方法,但仍存在精度不高及不能有效利用其他有价值信息的缺陷.近年来贝叶斯最大熵地统计方法在国外逐渐流行,该方法能够在有效利用多源数据的基础上,提高空间分布研究精度,是一种新的非线性方法.本文详细阐述了贝叶斯最大熵方法的数据内容、实施步骤、一般算法及计算结果,并介绍了该方法的应用情况,最后对该方法的优点和不足作出了评价....
摘要:土壤属性空间预测和制图是对环境生态资源进行评估的重要方法.近年来,众多学者基于回归克里格(Regression Kriging,RK)的思想使用辅助信息来提高土壤属性空间预测的精度.这些方法虽然取得了较好的效果但无法克服RK存在的缺点:1)当辅助信息值不能有效代表或仅能部分代表土壤属性的特征空间时,回归模型和空间预测的效果会较差;2)RK在未观测到辅助信息值的地方失效;3)范畴变量不能很好得被作为辅助变量。 通过方差分析和相关性分析,确定土壤类型和土壤质地这两种范畴变量和高程、坡度、地形起伏度、坡度变率以及河流动能指数这五种地形因子与全氮含量有显著正相关关系,利用这七种辅助变量进行RKPC的计算。实践证明,RKPC的精度要高于OK以及RK,说明该方法能有效地综合利用连续型和范畴型辅助变量以提高空间预测精度。
[硕士论文] 张若兮
农业推广 华中农业大学 2015(学位年度)
摘要:随着时代的发展,精准农业战略的实施和土壤质量的评价对土壤连续属性信息的要求也越来越高,而土壤连续属性的空间分布特征和定量分布信息更是进行一系列评估的基础。近年来,辅助信息用以提高土壤属性空间预测精度,在土壤科学研究中已十分普通,且得到了广泛的认可。而贝叶斯最大熵(Bayesian Maximum Entropy,BME)方法可以提供灵活的数据利用方式,可使多种来源、多种类型的数据有机会同时被用于空间分布预测中。因此,本研究将BME作为方法框架,在这个框架内将经典地统计方法和土壤景观定量模型所得结果融合起来,合理的利用各种类型的辅助信息(包括了范畴型变量和连续型变量)进行土壤属性空间预测研究。本文选取湖北省沙洋县为研究区域,以土壤有机质和全氮为研究对象,引入了连续型变量的五种地形因子以及范畴型变量的土壤类型和土壤质地作为辅助信息产生软数据。利用BME方法以及普通克里格(Ordinary Kriging,OK)、协同克里格(Cokriging,CK)、回归克里格(Regression Kriging,RK)等克里格方法进行土壤属性空间预测。选取皮尔森相关系数(Pearson Correlation Coefficient,r)、平均绝对误差(Mean Absolute Error,MAE)、平均误差(Mean Error,ME)和均方根误差(Root Mean Squared Error,RMSE)对预测结果进行精度评价。
  本研究主要内容包括:⑴沙洋县土壤有机质和全氮的分布都比较均匀,都属于中南部土壤养分含量较高,东部含量较低。整个区域内土壤有机质均值为23.36 g/Kg,全氮均值为1.47 g/Kg,且其变异系数均属于中等变异程度。⑵在不同土壤类型和土壤质地下土壤属性含量存在显著差异,且土壤属性含量与各种地形因子存在较强的相关性,可以引入作为辅助变量生成软数据。因此,基于单一类型辅助信息进行土壤有机质空间预测时,选取土壤质地作为范畴型辅助变量,生成软数据;基于多种类型辅助信息进行土壤全氮空间预测时,选取土壤类型和土壤质地作为范畴型辅助变量,且全氮与地形起伏度(Terrain Relief,QFD),坡度变率(Slope of Slope,SOS),径流强度指数(Stream Power Index,SPI),高程(Elevation,H)和坡度(Slope,β)五种地形因子的相关性最高,将其作为连续型辅助变量,综合范畴型变量和连续型变量生成软数据。⑶BME方法预测精度明显优于其他克里格方法:在基于单一类型辅助信息的土壤有机质预测部分,BME预测精度相对于 CK方法提高了3.75%;在基于多种类型辅助信息的土壤全氮预测部分,BME预测精度相对于OK和RK方法而言,分别提高了29.4%和19.4%。对比发现,多类型辅助信息的BME精度高于单一类型辅助信息的BME方法。另外,不同软数据数目会对BME预测精度造成影响,软数据数据越多,预测精度越高,但也存在一定的极限,达到这一极限时,软数据数据增加,BME精度反而会降低。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部