期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
不同采样密度下县域森林碳储量仿真估计
被引量:
4
1
作者
郭含茹
张茂震
+3 位作者
徐丽华
袁振花
秦立厚
陈田阁
《生态学报》
CAS
CSCD
北大核心
2016年第14期4373-4385,共13页
采用浙江省台州市仙居县森林资源二类调查样地实测地上部分碳储量数据,结合Landsat TM影像数据,利用序列高斯协同仿真(SGCS)算法、序列高斯块协同仿真(SGBCS)算法,以4种地面采样密度(SD)SD_1=0.012%、SD_2=0.010%、SD_3=0.007%、SD_4=0....
采用浙江省台州市仙居县森林资源二类调查样地实测地上部分碳储量数据,结合Landsat TM影像数据,利用序列高斯协同仿真(SGCS)算法、序列高斯块协同仿真(SGBCS)算法,以4种地面采样密度(SD)SD_1=0.012%、SD_2=0.010%、SD_3=0.007%、SD_4=0.005%,估计全县森林碳储量及其空间分布,分析不同地面采样密度对区域森林碳储量及其分布格局估计精度的影响。结果表明:1)不同采样密度下SGCS和SGBCS估计的森林碳储量分布趋势相似,SGCS估计在采样密度为SD_2时可以满足精度要求,且均值与实测最相符;SGBCS估计受采样密度影响较小,在四种采样密度下均可满足精度要求。2)SGCS、SGBCS估计的不确定性随着采样密度的降低均呈现出整体升高的趋势,增长速率在SD_2采样密度时最低,相对SD_1分别升高1.08%、-1.71%;当SGBCS算法的采样密度由SD_2变为SD_3时,样地数的减少对不确定性影响最大,但对区域空间变异格局估计没有实质性影响。3)将采样密度控制在SD_2(0.010%)水平,利用SGCS和SGBCS算法均能得到准确可靠的森林碳储量及其分布信息,同时能节省至少20%左右的森林调查工作量。
展开更多
关键词
序列高斯协同仿真(
sgcs
)
序列高斯块协同仿真(SGBCS)
森林碳分布
空间变异
不确定性
下载PDF
职称材料
Kriging插值和序贯高斯条件模拟算法的对比分析
被引量:
32
2
作者
赵彦锋
孙志英
陈杰
《地球信息科学学报》
CSCD
北大核心
2010年第6期767-776,共10页
本文对Kriging插值与序贯高斯条件模拟值的算法联系进行了推导,并将两种计算结果和原始数据的统计参数作了对比。结果表明,Monto-carlo方法求得的序贯高斯条件模拟值经数学变换后等同于已知数据和此前模拟数据共同参与的Kriging插值结...
本文对Kriging插值与序贯高斯条件模拟值的算法联系进行了推导,并将两种计算结果和原始数据的统计参数作了对比。结果表明,Monto-carlo方法求得的序贯高斯条件模拟值经数学变换后等同于已知数据和此前模拟数据共同参与的Kriging插值结果与一个随机偏差的和,该随机偏差的均值为0,方差为Kriging误差方差。最优性条件导致Kriging插值结果的方差较原始数据降低了1个Kriging误差方差,造成Kriging平滑效应,其空间变异函数值降低,但自协方差函数值不变。序贯高斯条件模拟避免了平滑效应,其方差、变异函数和自协方差函数均不变,而其模拟值的误差方差较Kriging误差方差增加了1倍,表明1次随机模拟值的误差比Kriging插值大。然而,多次随机模拟值的平均值与Kriging插值的地理制图效果近似,可以弥补局部估值误差大的不足。因此,在应用中,Kriging插值是提供局部最优估计的方法,但却低估了全局的空间变异。而序贯高斯条件模拟的优点,在于提供若干等可能概率的模拟结果以进行估值的不确定性评价,并再现全局的空间可变性。
展开更多
关键词
KRIGING插值
序贯高斯条件模拟(
sgcs
)
算法联系
原文传递
题名
不同采样密度下县域森林碳储量仿真估计
被引量:
4
1
作者
郭含茹
张茂震
徐丽华
袁振花
秦立厚
陈田阁
机构
浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室
浙江农林大学环境与资源学院
濮阳市华龙区科学技术局
出处
《生态学报》
CAS
CSCD
北大核心
2016年第14期4373-4385,共13页
基金
国家自然科学基金项目(30972360
41201563)
浙江省林业碳汇与计量创新团队项目(2012R10030-01)
文摘
采用浙江省台州市仙居县森林资源二类调查样地实测地上部分碳储量数据,结合Landsat TM影像数据,利用序列高斯协同仿真(SGCS)算法、序列高斯块协同仿真(SGBCS)算法,以4种地面采样密度(SD)SD_1=0.012%、SD_2=0.010%、SD_3=0.007%、SD_4=0.005%,估计全县森林碳储量及其空间分布,分析不同地面采样密度对区域森林碳储量及其分布格局估计精度的影响。结果表明:1)不同采样密度下SGCS和SGBCS估计的森林碳储量分布趋势相似,SGCS估计在采样密度为SD_2时可以满足精度要求,且均值与实测最相符;SGBCS估计受采样密度影响较小,在四种采样密度下均可满足精度要求。2)SGCS、SGBCS估计的不确定性随着采样密度的降低均呈现出整体升高的趋势,增长速率在SD_2采样密度时最低,相对SD_1分别升高1.08%、-1.71%;当SGBCS算法的采样密度由SD_2变为SD_3时,样地数的减少对不确定性影响最大,但对区域空间变异格局估计没有实质性影响。3)将采样密度控制在SD_2(0.010%)水平,利用SGCS和SGBCS算法均能得到准确可靠的森林碳储量及其分布信息,同时能节省至少20%左右的森林调查工作量。
关键词
序列高斯协同仿真(
sgcs
)
序列高斯块协同仿真(SGBCS)
森林碳分布
空间变异
不确定性
Keywords
sequential gaussian co-simulation (sgcs)
sequential
gaussian
block
co-simulation
(SGBCS)
forest carbon distribution
spatial variability
uncertainty
分类号
S718.5 [农业科学—林学]
下载PDF
职称材料
题名
Kriging插值和序贯高斯条件模拟算法的对比分析
被引量:
32
2
作者
赵彦锋
孙志英
陈杰
机构
郑州大学水利与环境学院
河南省国土资源调查规划院
出处
《地球信息科学学报》
CSCD
北大核心
2010年第6期767-776,共10页
基金
国家自然科学青年基金项目(40801080)
国家自然科学基金项目(40971128)
文摘
本文对Kriging插值与序贯高斯条件模拟值的算法联系进行了推导,并将两种计算结果和原始数据的统计参数作了对比。结果表明,Monto-carlo方法求得的序贯高斯条件模拟值经数学变换后等同于已知数据和此前模拟数据共同参与的Kriging插值结果与一个随机偏差的和,该随机偏差的均值为0,方差为Kriging误差方差。最优性条件导致Kriging插值结果的方差较原始数据降低了1个Kriging误差方差,造成Kriging平滑效应,其空间变异函数值降低,但自协方差函数值不变。序贯高斯条件模拟避免了平滑效应,其方差、变异函数和自协方差函数均不变,而其模拟值的误差方差较Kriging误差方差增加了1倍,表明1次随机模拟值的误差比Kriging插值大。然而,多次随机模拟值的平均值与Kriging插值的地理制图效果近似,可以弥补局部估值误差大的不足。因此,在应用中,Kriging插值是提供局部最优估计的方法,但却低估了全局的空间变异。而序贯高斯条件模拟的优点,在于提供若干等可能概率的模拟结果以进行估值的不确定性评价,并再现全局的空间可变性。
关键词
KRIGING插值
序贯高斯条件模拟(
sgcs
)
算法联系
Keywords
Kriging interpolation
sequential
gaussian
conditional simulation
(sgcs
)
relation in arithmetic
分类号
P628.2 [天文地球—地质矿产勘探]
原文传递
题名
作者
出处
发文年
被引量
操作
1
不同采样密度下县域森林碳储量仿真估计
郭含茹
张茂震
徐丽华
袁振花
秦立厚
陈田阁
《生态学报》
CAS
CSCD
北大核心
2016
4
下载PDF
职称材料
2
Kriging插值和序贯高斯条件模拟算法的对比分析
赵彦锋
孙志英
陈杰
《地球信息科学学报》
CSCD
北大核心
2010
32
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部