基于原位PXRF数据的土壤锰、锌污染分布协同克里金插值与高分地图绘制

高分辨率土壤重金属污染绘图(HRMMs)有助于准确识别需要进行风险管控或修复的区域.传统HRMMs基于网格模式土壤采样,开展化学分析并采用地质统计插值方法绘制污染分布地图,成本高、速度慢,且不适合高度异质性污染场地.该研究提出了一种通过多元非线性回归改善便携式X射线荧光分析(PXRF)数据,采用改进的PXRF数据进行协同克里金插值,以及HRMMs地图绘制和重金属污染分布预测的新方法.为了支持模型的建立和验证,选择我国西北某锰、锌污染场地开展研究.结果表明:(1)引入PXRF数据作为协同克里金插值的辅助变量能有效提高插值精度,而校正的PXRF数据可进一步提高空间刻画精度.重金属Mn和Zn的校正PXRF协同克里金插值较原始PXRF协同克里金插值的平均误差分别降低了4.5%和78.2%.(2)主变量点位密度的变化会改变校正后PXRF协同克里金插值的精度.以Zn为例,当主变量点位密度大于4个/(10^(4)m^(2))时,校正后的PXRF协同克里金插值的精度显著降低.(3)增加辅助变量点位密度可显著提高协同克里金插值精度.当辅助变量点位密度增至7个/(10^(4)m^(2))时,校正后PXRF协同克里金插值的平均误差与均方根误差分别降低了92.4%和34.7%.研究显示,通过对PXRF数据的校正可有效提高污染物协同克里金插值的精度,同时协同克里金插值需要满足一定量的主变量点位密度要求,且辅助变量点位密度越高,协同克里金插值的精度越高.

基于协同克里金方法的重力梯度全张量三维约束反演

随着重力梯度全张量测量技术的日趋成熟,重力梯度全张量数据的三维反演技术日益受到重视与关注.全张量数据反演与重力数据反演一样仍然面临着严重的多解性问题.本文将基于地质统计学的协同克里金方法应用于重力梯度全张量数据三维反演,建立了密度约束下的多变量协同克里金联合反演方程,以降低反演的多解性.模型试验表明密度信息的加入能够有效降低反演的多解性,提高反演结果的分辨率,尤其是纵向分辨率能够得到显著提高.最后对美国德克萨斯州一个岩丘区所获得实际资料的应用表明了本文方法的实用性.

基于高光谱与协同克里金的土壤耕作层含水率反演

为研究土壤耕作层（0-40 cm）含水率的空间分布情况,利用EO-1的Hyperion传感器高光谱数据,对研究区域（106°20′-109°19′E,40°19′-41°18′N）的表层（0-10 cm）含水率进行定量反演,并利用表层含水率反演结果作为协同克里金插值的协变量,同时利用103个采样点实测的耕作层含水率作为主变量,进行协同克里金插值。结果表明：通过特征指数法提取水分反演的敏感波段集中在1 295-2 224 nm波长区间,特征指数法模型校正的相关系数r〉0.5但模型验证的精度较低（r〈0.2）;通过偏最小二乘法建模,模型校正的r〉0.8,模型验证的r〉0.5,效果较好;运用协同克里金插值时,将反演的表层含水率作为协变量,可以弥补主变量耕作层含水率样本点少,变异函数欠稳定的缺点,同时,所提取理论模型的块金值（C0）与基台值（C0＋C）的比值均〈25%,随机因素比例小,模型稳健。此外,协同克里金插值方法与利用表层与耕作层含水率线性拟合进行预测相比,能够有效提高预测精度,决定系数r2和Nash效率系数（nash-sutcliffe modelling efficiency,NSE）分别提高72.6%和89.9%,因此,将高光谱反演与协同克里金方法相结合,可以综合两者优势,节约采样成本,提高预测效率。

基于协同克里金插值法的土壤锰元素含量预测

土壤中锰元素含量对植物的生长起着至关重要的作用,不同植物对锰元素含量的需求往往不同。因此,预测土壤中锰元素含量并进行空间制图对监测土壤生态环境及作物生长具有重要的现实意义。该文基于北京市房山区果园、水浇地、菜地、灌溉水田和旱地5种耕地类型、1 497个采样点的土壤重金属元素数据,首先基于方差分析法解析5种耕地类型对土壤锰元素含量的影响;然后运用协同克里金插值方法预测各耕地类型下土壤中锰元素的含量,选取平均误差(ME)、均方根误差(RMSE)、标准化均方根误差(RMSSE)对插值结果进行精度评价。结果表明:耕地类型对土壤锰元素含量具有显著影响;果园、菜地、水浇地和旱地的锰含量块金系数都在0.63~0.75之间,均为中等强度空间相关性,锌、铁和铜含量共同作为辅助变量的插值精度高于单辅助变量的插值精度;果园、水浇地、旱地的RMSSE分别为1.072、0.978、0.979,表明对锰元素的预测精度都非常高。

基于协同克里金空气湿度空间插值研究

以东北三省(吉林、黑龙江、辽宁)38.90°-52.97°N,119.70°-132.97°E区域为试验区,利用东北三省1970-2009年气象站的空气相对湿度观测数据的40年平均值,采用普通克里金和协同克里金空间内插方法,估计试验区的空气湿度分布情况。结果表明,空气相对湿度和降水量具有显著相关关系。当选取其中46个观测值时,引入了降水量作为协变量的协同克里金的插值方法比采用46个观测值的普通克里金的插值方法的均方根误差(RMSE值)降低了7.66%;当采用同样的协变量(77个降水量站点数据),46个湿度观测值的协同克里金比77个湿度观测值的协同克里金的精度更高,均方根误差降低了20.58%。因此,引入了降水量作为协变量的协同克里金插值方法提高了插值精度,并且使用协同克里金插值方法可以适度减少观测站点数量。

粒子群优化协同克里金法在确定山地斜坡土层厚度中的应用

克里金法是广泛应用的空间插值方法,但仅考虑单一因素的普通克里金法在确定山地斜坡土层厚度中存在较大误差。针对普通克里金法中的不足之处,提出了一种确定土层厚度的基于粒子群优化的协同克里金法。该方法首先用粒子群优化算法拟合半变异函数,然后将该函数用于以高程值作为辅助变量的协同克里金法中,并根据均方根误差来评价土层厚度的不确定性。将该方法应用于重庆万盛某边坡土层厚度的确定,通过交叉验证,结果表明:与普通克里金插值法相比较,考虑高程的协同克里金法插值的均方根误差降低了39.32%;基于粒子群优化的普通克里金法和协同克里金法的均方根误差分别降低了28.79%和48.45%。基于粒子群优化的协同克里金插值法对提高土层厚度的插值精度有较大作用。

一种基于主成分分析的协同克里金插值方法

针对协同克里金插值方法在插值时,辅助变量较多造成计算复杂度增加,而辅助变量较少引起插值精度降低这一问题,提出了一种基于主成分分析的协同克里金插值方法(PCA-CoKriging)。该方法首先使用主成分分析对插值相关变量进行将维,得到较少几个综合指标,然后里利用这几个综合指标作为辅助变量进行协同克里金插值。为验证该方法的有效性和数据分布对该方法的影响,本文选取了2016年北京市范围内4个季节中PM2.5浓度满足正态分布效果不同的4组数据,分别使用PCA-CoKriging和普通克里金插值方法、常规协同克里金插值方法,进行了插值试验。结果表明,本文方法与普通克里金插值方法、常规协同克里金插值法在4组试验中的平均绝对误差分别为4.91、6.04、5.61,平均均方根误差分别为6.65、8.76、7.57。综合比较,本文方法比常规协同克里金插值的平均绝对误差与均方根误差分别提升了10.73%、12.56%,比普通克里金插值法的平均绝对误差与均方根误差分别提升了18.71%、24.09%。

基于综合环境因子的协同克里金法分析茎柔鱼资源丰度空间分布

茎柔鱼是我国重要的远洋捕捞对象之一,研究其资源丰度空间分布问题,有助于更好地理解茎柔鱼的生态习性,并提高我国鱿钓渔船的生产效率。本文利用上海海洋大学鱿钓技术组提供的2003-2012年6-9月秘鲁外海茎柔鱼捕捞数据,结合海表面温度(SST),海表面高度(SSH),海表面盐度(SSS)和叶绿素浓度(Chl a)进行协同克里金插值预测其资源丰度的空间分布。为了解决协同克里金插值中4个环境因子的权重问题,本文将4个环境因子进行归一化处理,利用主成分分析方法将其整合为单一综合环境因子,以此作为协变量。将综合环境因子与单位捕捞努力量渔获量(CPUE)进行相关性检验后进行协同克里金插值,根据平均误差(ME),均方根误差(RMSE)和标准化均方根(RMSSE)对插值结果评价,探讨此种方法的可行性。研究结果认为:(1)主成分分析方法获得的6-9月份的综合环境因子均与CPUE具有显著相关性;(2)6-7月份ME分别为0.002 6和0.002 5,预测准确性很高,平均预测结果稍高于实际观测值;而8-9月份的ME分别为-0.007 8和-0.000 2,预测准确性较高,平均预测结果稍低于实际观测值。6月份的RMSE估值精度最高,8月份的估值精度最低。6-7月份的RMSSE值小于1,说明都高估了预测的不确定性,8-9月份的RMSSE值大于1,说明都低估了预测的不确定性,则在6-9月份中的预测精度和准确性上会有一定程度的偏差。从ME、RMSE和RMSSE三者综合来看,6-9月的预测值具有一定的可靠性。

基于协同克里金的大坝心墙渗流空间模型研究

心墙渗流监控模型构建是保障高土石坝安全运行的关键技术问题。针对单测点模型难以有效反映心墙渗流空间分布、传统空间模型方法无法考虑环境量影响等问题,引入协同克里金法,构建了以关键环境因子作为协变量的大坝心墙渗流协同克里金空间模型,并将该模型应用于某土石坝心墙渗流中。工程应用结果表明,基于水位协变量的大坝心墙渗流协同克里金空间模型精度较高,能有效反映心墙渗流整体空间分布规律,其中测点位置、协变量因子的选取及建模测点数量是影响模型精度的主要因素,具有一定工程应用价值。

贝叶斯同位置协同克里金(Bayesian collocated CoKriging)估值法的研究

针对原同位置协同克里金 (CollocatedCoKriging)法在研究区域大、硬数据少、择优采样严重的情况下 ,外推不可靠和贝叶斯克里金 (BayesianKriging)法在估计先验数据期望值时对尺度敏感的问题 ,根据这两种方法的原理提出并推导一种新的贝叶斯同位置协同克里金估值方法 .论述了该方法不但具有一般克里金法的性质 ,而且综合了前两种方法的优点 .通过实例验证 ,其估值效果良好 .

基于协同克里金模型的区域降水空间插值方法与应用研究

协同克里金模型法可综合考虑多要素对降水空间插值的影响,改变传统插值方法仅考虑单一要素的片面性。文章引入协同克里金模型,对辽宁东部某流域降水进行空间插值,并结合降水监测点实测降水数据,对比不同降水空间插值方法对区域降水空间插值精度的影响。研究结果表明:相比于传统插值方法,在年尺度和月尺度内,协同克里金模型在降水量相对误差上分别减少12.7%和10.9%,绝对误差分别减少64.6mm和5.07mm,降水空间插值结果和实际情况较为一致,研究成果对于区域水资源量的评估提供技术参考。

基于ArcGIS的协同克里金法预测燃气管网空间分布

燃气低压管网的合理高效规范化管理是燃气普及、管线巡查、实时预警和应急响应的基本保障。我国燃气管网发展虽然迅速,但终端用户的低压管网仍存在很多规划和管理上的不足。互联网大数据时代的兴起为燃气行业终端用户的智能管理提供了潜在机会。本文基于GIS空间分析功能,把燃气管网系统扩展深入到街道级管理模式,分析区域管理中低压管网的空间分布及影响因素,采用协同克里金插值预测城郊和乡镇区域低压管网空间分布态势,并对预测结果进行了精度评价。实验区验证结果表明,预测模型较好,其平均误差、均方根误差、标准化均方根误差均在容错范围内。该研究可为燃气管网规划和市场开发等工作提供决策依据,为智慧燃气服务民生提供思路和方案。

基于随机森林协同克里金法的区域森林地上生物量制图——以粤北森林为例

【目的】森林地上生物量(aboveground biomass,AGB)是森林生态系统健康状态和碳汇潜力评估的重要指标,本研究提出了一种快速、准确地获取区域尺度AGB信息的制图方法。【方法】基于Landsat 5 TM、ALOS-1 PALSAR-1、STRM DEM和国家森林资源清查数据,提取光谱特征、纹理指数、后向散射系数和地形因子等特征因子,采用随机森林进行AGB建模。考虑到AGB是典型的具有空间自相关特性的生物物理参量,针对模型残差,使用以高程为协变量的克里金空间插值法分离残差项中的结构化成分,并将其叠加到随机森林模型预测值上形成最终的AGB预测值,从而提高区域尺度的AGB制图精度。【结果】协同克里金法将高程数据作为协变量,在预测AGB残差结构化成分方面的性能优于普通克里金法,协同克里金法与随机森林协同的AGB预测性能明显提升。经独立AGB数据的模型验证表明,随机森林模型预测的AGB与实际观测的AGB间的决定系数R^(2)为0.46,随机森林结合普通克里金的验证R^(2)提高到了0.51,而随机森林结合协同克里金模型的验证R^(2)为0.57。相应的均方根误差(RMSE)分别从32.48 t/hm^(2)降低到31.58、29.80 t/hm^(2),平均绝对误差(MAE)从27.28 t/hm^(2)降低到26.63、25.12 t/hm^(2),相对改进指数为0.03和0.08。【结论】总体而言,本研究提出的随机森林协同克里金模型提供了一种更准确、可靠地进行复杂地形区域的亚热带森林AGB制图新方法,所生成的AGB专题图有助于发展针对固碳效能的森林经营方法,为全球气候变化背景下的森林碳增汇和森林可持续经营提供参考。

基于迭代协同克里金反演的非均质地基固结沉降预测研究

目前地基固结沉降反演预测多是以土体均质或分层假设为前提,然而天然地基水文、力学参数具有空间变异性是客观事实。鉴于此,提出了一种基于迭代协同克里金的非均质地基土体参数反演方法,据此开展了利用沉降和超孔隙水压力观测数据反演非均质地基土参数的数值试验研究,并结合敏感度分析解释了不同类型观测数据对非均质地基参数反演解析度的影响机制。结果表明:此方法反演的参数场是最优无偏估计;同时采用沉降和超孔隙水压力观测数据反演刻画非均质地基比单独采用沉降或超孔压数据反演刻画的非均质地基解析度更高,用于地基固结沉降预测效果也更好;不同类型观测信息对不同参数反演刻画解析度高低与观测信息对参数敏感度数量级呈正相关关系。

基于3S技术的羌活区划研究Ⅱ.基于协同克里金插值的羌活品质适宜性分析及评价

药用植物经济价值关注药效物质为基础的质量特征。很多药材的道地产区与其生长适宜区并不重合,这使得基于生态适宜性的传统区划方法在中药材生产实际应用中有很大局限。为解决药材的高品质区域与高产量区域空间分离的问题,该研究以羌活药材为例提出综合药材品质参数的中药材区划方法。该文在基于协同克里金,结合药材品质空间差异,进行空间插值并进行空间叠加,得到羌活药材品质适应性区划图,再对药材品质与生长适宜性区划图进行空间叠加,构建优质高产药材区划图。结果显示,协同克里金插值构建基于药材品质数据的空间插值是可行的,理论值与实测值极显著相关,为建立基于品质适宜性的药材生产区划方法提供了理论基础;羌活药材品质区划显示品质最适区主要分布在四川省(约占29.42%),但品质适宜性与生态适宜性在空间分布上不完全吻合,显示羌活药材的品质适宜性与生态适宜性存在空间分布差异。研究结果有助于为生态适宜性和品质适宜性空间不重合药用植物的优质高产人工栽培的生产和区划提供定量依据。

基于克里金方法的中国土壤呼吸预测及其分析

文章立足于全球变暖、环境恶化的背景下,对中国境内土壤呼吸展开研究。土壤呼吸是影响气候变化的一大重要因素。本文收集SRDB数据库中相关中国区域内土壤呼吸数据以及CNKI中收录的相关论文数据,采用协同克里金的的分析方法,预测中国年均土壤呼吸总量分布并利用ArcGIS软件绘制出中国年均土壤呼吸总量分布图。将其再与中国气候等分布图对比分析后。结果表明,土壤呼吸速率与温度、降水量等具有明显的正相关性,并且标准均方根仅为0.98,说明此预测图受突出数据的影响比较小,具有比较高的参考性,同时也对预测图形成的原因进行了分析,发现植被质量以及土壤对土壤呼吸速率具有较大的影响力。

黄淮海平原不同土地利用方式下土壤呼吸空间变异预测

[目的]探究土壤呼吸的空间变异特征及协同克里金法预测土壤呼吸准确性,从而为精准预测陆地不同生态系统土壤碳收支研究提供数据参考。[方法]选取黄淮海平原北部典型耕地、草地和林地作为研究样区,基于表征土壤理化性质的辅助指标用协同克里金法对土壤呼吸进行了预测,以评估其与普通克里金法预测的精准度。[结果]土壤呼吸在不同土地利用方式的研究样区均呈现中等程度变异,变异系数分别为33%(耕地),24%(草地)和31%(林地)。土壤呼吸空间相关距离由大到小依次是林地(15.12 m)、耕地(3.83 m)和草地(2.47 m)。基于相关分析和协同克里金法模拟确定土壤呼吸空间变异最优辅助指标,在耕地为碳磷比(C/P)、氮磷比(N/P)和土壤pH值;草地和林地除共有辅助指标土壤水分(SM)和土壤温度(ST5)外,土壤pH值和气温(TEMP)依次为其二者特有的辅助指标。土壤呼吸空间变异预测表明协同克里金均比普通克里金法插值精度高,其在草地提升最为明显,平均绝对误差(MAE)、平均相对误差(MRE)、均方根误差(RMSE)和平均标准误差(MSE)分别提高10.14%,9.82%,9.10%,10.87%,在林地中各误差精度提高介于4.78%(MAE)~12.09%(MRE),在耕地中预测精度提升最小,协同克里金法比普通克里金法预测精度仅平均提高3.27%。[结论]土壤呼吸的影响因子作为辅助变量的协同克里金法可以更准确地预测林地、耕地和草地土壤呼吸的空间变异特征。

巴音布鲁克山区暖季人工增水作业区域的合理性分析

基于2017—2022年5—9月巴音布鲁克山区18个观测站点的逐日气象资料,利用协同克里金插值法,K-Means聚类分组法,基于降水特征的空间分布,从宏观层面上对人工增水作业布局的合理性开展分析。结果表明:(1)在空间插值中,小雨的相对误差最小,插值精度最高,大到暴雨相反,导致“平滑效应”明显,不确定性较大。(2)暖季月均降水量自西向东呈减少趋势,高值区多位于中部和东北部沿山区域,发生的降水事件以小雨为主,大到暴雨虽然频率低,次数少,但和小雨一样是影响降水量变化的主要量级。(3)现用人工增水作业点的适宜性大多一般,受小雨和中雨月均频率的空间分布影响较大,而在宏观地理上,西部作业点布设的适宜性比东部高。(4)降水空间分布受西风环流和地势影响较大,在作业布局合理性上,西部区域和北部区域最好。(5)根据地理及风向特点,北部地势复杂,适宜选择西低东高的山面建立地面烟炉,西部地势平坦,适宜建立作业方向为NNW或ENE的流动火箭。

同位协同地震属性进行储层预测的方法及应用

针对鄂尔多斯盆地大牛地气田河道砂体横向变化大,砂体厚度预测难的特点,利用三维地震资料,采取提取优选地震属性,拟和井震数据相关性,变差函数分析,同位协同序贯指示模拟等技术,优选与河道砂体密切相关的地震属性,并结合变差函数进行砂厚数据的空间相关性分析,通过整合地震、测井、地质等信息综合预测河道砂体的展布及砂层厚度的变化,与传统未协同地震信息的预测结果相对比,预测精度得到有效提高。

结合DEM的短时强降水空间分布特征分析——以广州市为例

利用广州市2014—2023年316个自动气象站逐时降水数据对近10年短时强降水频次进行统计,引入数字高程模型,运用协同克里金空间插值法,对不同时间尺度的短时强降水频次空间分布特征进行深入分析。结果表明:广州市短时强降水呈现中东部多、西部和南部相对较少的特征,有4个高发中心;前汛期短时强降水频次和范围均高于后汛期;4—6月广州北部和东部山地、丘陵地区短时强降水频发,7—8月呈现局地散发特征,9月中心城区频发;广州中南部地区在早晨至中午最易出现短时强降水,中北部丘陵地带则多发于夜间。