共查询到16条相似文献，搜索用时 328 毫秒
1.
通过网格(10m×10m)取样,用地统计学方法研究了青藏高原高寒草甸覆盖区域(110m×90m)浅层剖面(0~40cm)土壤水分的空间异质性特征。结果表明:在高寒草甸覆盖区0~30cm深度范围内,土壤水分均存在高度空间异质性,其中87.3%~74.9%的空间异质性是由空间自相关部分引起的,主要体现在201m以下尺度,10m以下随机因素对空间异质性作用较小;30~40cm土壤水分空间异质性由10m以下尺度随机因素导致的占42.3%,而自相关部分的空间异质性(57.7%)体现在10~87.2m尺度。随土层深度的增加,分维数D有逐渐增大的趋势,说明随深度增加高寒草甸区土壤水分自相关空间异质性程度在降低,而随机因素导致的空间异质性程度在增加。从4层的C0/(C+C0)值来看,10~20cm这一层的值最小,表明在这一层的系统变量的空间自相关性程度最高。说明高寒草甸区0~30cm土层的土壤水分含量是受降水、植被发育、根系分布、土壤特性和人为干扰等影响,其空间异质性主要受自相关因素控制,而30cm以下的土壤水分受自相关因素和随机因素共同控制。 相似文献
2.
在实地调查和采样分析的基础上,运用地质统计学方法,研究了丰沛地区浅层地下水氟含量的空间变异和分布特征。结果表明:丰沛地区62.75%的水样氟含量超过了国家饮用水标准,最大7.11mg/L,平均含量为1.51mg/L。其中39.22%的水样氟含量在1～2mg/L,3.92%的水样氟含量超过4mg/L。丰沛地区浅层地下水氟含量在一定范围内存在空间自相关性,具有明显的各向异性特征。在空间分布上,氟含量总体呈现西北、东南高和东北低的特征,氟含量大于1.00mg/L的面积约占整个研究区域的87.21%,大于2.20mg/L的面积约占12.12%。丰沛地区浅层地下水氟含量超过1.00mg/L的最大概率0.953,其中概率达到0.85以上的为高风险区域,面积297.18km2,占整个研究区的10.81%,主要分布在丰沛地区的西北部和东南部。 相似文献
3.
识别地质灾害聚集的热点区及驱动力对于区域灾害预警具有重要意义。以甘肃定西地区为研究区,选取坡度、坡向、土地利用等7个评价因子,利用确定系数与逻辑回归耦合模型、空间自相关方法分析地质灾害的空间集聚特征及驱动因素。结果表明:定西地区地质灾害危险性呈现中部高,南北两侧低的特征,其主要受降水、坡向、工程岩组等因子的影响;地质灾害与降水、坡向和工程岩组的空间关系为高高聚集;地质灾害危险性存在较强的空间自相关性,在3 km的空间尺度上呈显著正相关,且随距离阈值增加而降低;距离阈值为5 km时,正相关高高聚集与低低聚集以团块的形式存在,而高低聚集与低高聚集多以零星状分布。研究可为区域地质灾害监测与防控提供参考。 相似文献
4.
贵州典型喀斯特地貌区农村聚落空间分布研究——以清镇红枫区、毕节鸭池区和关岭-贞丰花江区为例 总被引：7，自引：3，他引：4
为探索贵州喀斯特地貌区农村聚落空间分布的特点,选取具有代表性的清镇红枫区(高原盆地地貌区)、毕节鸭池区(高原山地地貌区)以及关岭—贞丰花江区(高原峡谷地貌区)三个典型区域作为研究对象。首先利用区域重心分析的方法,以聚集维数和聚集维数图来分析各研究区的聚落在区域重心上的集聚程度,再进一步通过GeoDa软件,使用Moran I和LocalMoran's I系数及相应散点图分析区域聚落整体和局部的分布情况。分析结果表明,高原山地区和高原盆地区聚落均存在集聚性,且集聚程度存在内部差异,其中高原山地区聚落向人口重心集聚,高原盆地区聚落向住宅重心集聚,集聚和半集聚聚落在高原盆地区最多。由于喀斯特地形复杂,各个研究区内部聚落在水平空间分布上均存在一定差异,依照集聚程度不同喀斯特地貌区农村聚落的分布规律为高原盆地区＞高原山地区＞高原峡谷区。 相似文献
5.
基于空间自相关特征的人口密度格网尺度效应与空间化研究——以石羊河流域为例 总被引：5，自引：0，他引：5
以石羊河流域为例,运用GCAWI法、空间自相关指数以及考虑空间自相关性的多(单)中心指数模型等实现了乡镇单元向格网单元图层的转化、适宜格网大小的确定以及人口密度的空间模拟。结果表明:①石羊河流域人口密度的空间分布差异较大而又相对集中,具有"3点4线3区"的"点—线—区"状空间结构;②不同单元大小的格网图层提高了流域整体的空间自相关性,Mo-ran’s I指数表现出较大的差异性和偶然性;③石羊河流域人口密度空间分布存在明显的正空间自相关,8 000～10 000 m是表现流域人口密度空间分布特征的最优选择范围;④空间自相关性影响下的人口密度空间化多(单)中心模型大大提高传统指数模型的精度,却改变了距离衰减系数的性质和大小,多中心和单中心模型模拟系数的差异主要是由金昌人口密度中心引起的。 相似文献
6.
祁连山退化高寒草甸土壤水分空间变异特征分析 总被引：12，自引：0，他引：12
利用传统统计学方法和地统计学方法,对祁连山地区受到过度放牧影响而退化为以狼毒为优势种的高寒草甸的土壤水分垂直变异特征、水平空间异质性以及分布特征进行了系统分析. 结果表明：在垂直方向上,0~100 cm土壤水分含量随深度的增加而逐渐减少,土壤水分含量的变化速度随深度的增加也趋于减少;土壤水分分布的变异系数在浅层和深层土壤较大,在中层土壤较小. 在水平方向上,0~40 cm土壤水分具有中等空间变异性,其中10~20 cm土壤水分变异性主要受根系的影响,随机部分引起的变异性最大;而在其他土壤层,随着深度的增加土壤水分含量由随机部分引起的空间异质性程度减弱,由空间自相关部分引起的异质性程度增强. 整体上,土壤水分含量与微地形关系密切,与距离溪流的远近程度正相关,与高程分布负相关. 相似文献
7.
黔桂岩溶山区土地利用冲突强度演变及其空间分异特征 总被引：2，自引：0，他引：2
采用基于“压力-状态-响应（Press-State-Response,PSR)的土地利用冲突强度模型,评估了1990-2010年黔桂岩溶山区土地利用冲突强度演变过程,并运用探索性空间分析方法(Exploratory Spatial Data Analysis, ESDA)对黔桂岩溶山区县域土地利用冲突强度变化的空间分异特征进行探讨,结果表明:（1）1990-2010年间黔桂岩溶山区土地利用冲突呈增强趋势,综合指数从0.09增长到0.30;（2）从全局空间自相关看,该区1990-2010年土地利用冲突强度存在显著空间集聚特征,且集聚态势进一步增强,时段Ⅲ压力指数、响应指数和综合指数变化量的Global Moran’s I指数为0.317 9、0.473 3和0.185 9,时段Ⅱ的Global Moran’s I值均大于时段Ⅰ的值;（3）就局域空间自相关而言,热点区、次热区趋向集聚于以贵阳市为龙头的黔中城市群、黔西南州、南宁市及其周边区域,冷点区、次冷区连片分布于黔桂峰丛洼地及其周边偏远山区。因而,建议在黔桂岩溶山区城镇化、工业化加速阶段,应优化土地利用结构,缓解土地利用冲突,以提高土地资源可持续利用水平。 相似文献
8.
中国SARS疫情的探索性空间数据分析 总被引：24，自引：0，他引：24
运用空间统计学手段对中国省级SARS疫情的空间分布格局做了探索性的空间数据分析(exploratory spatial data analysis)。Moran I统计分析表明SARS疫情的分布具有很强的空间自相关，Moran Scatterplot进一步揭示了这一空间关系的地域差异及其各区位SARS疫情分布对总体趋势的偏移，[WTBX]Gi*[WTBZ] 统计则确定了疫情分布的空间集聚模式及其随时空转移轨迹。分析表明中国省级SARS疫情的发展并非一个相互独立的过程,而是存在着统计学意义上可测度的空间关系，且这种关系在空间相邻时最为显著。 相似文献
9.
文章以南宁市六城区、武鸣县和横县部分地区共1.1万km2的区域为研究区,采集2771件表层土壤组合样品,分析了N、P、K2O的含量,并运用Gis和地统计学方法,分析了养分含量的平均水平、概率分布特征、空间异质性和空间分布特征。土壤养分的空间分布特征研究为因地制宜开展施肥工作和有效利用土壤提供了依据。 相似文献
10.
为了解漓江流域土壤水分空间变化特征及其影响因素,基于2'经纬网格,采用地统计学方法对该流域表层（0~10 cm）土壤水分物理性质的空间变异进行分析。结果表明:从空间结构比上,漓江流域表层土壤含水量、容重、最大和最小持水量均具有高度的空间自相关性（各指标空间结构比均大于0.87）,且其空间分布趋势基本一致,由流域上游向中下游逐渐变化。土地利用对流域表层土壤水分物理性质及其空间变异具有显著影响。受时间尺度和土地利用类型等因素的影响,漓江流域表层土壤含水量相比其他土壤水分物理性质,其空间异质性由随机引起的空间变异增加,空间自相关减小,为0.87;而土壤容重最大,为0.92。相关结果对于漓江流域土壤水分动态模拟与预测研究具有一定参考价值。 相似文献
11.
采用GIS和地统计学研究土壤有机质（SOM）的空间分布、影响因素和预测是指导农业生产、环境治理和土壤碳储计量的重要手段。基于广西马山县北部岩溶区表层土壤 (0~20 cm)的441个SOM数据,建立普通克里格(OK)、回归克里格（RK）,以及结合辅助变量的地理加权回归克里格(GWRK)、残差均值（MM_OK）和中值（MC_OK）均一化克里格的5种模型,并比较其预测精度,旨在探讨岩溶区SOM制图中地统计学方法的适用性。结果表明:（1）SOM的变异系数为37.30%,属于中等空间变异;（2）岩溶区SOM空间变异受土地利用方式、土壤类型和地形因子等因素共同影响,SOM高值区分布在西北部、西部和东部等石灰土分布的岩溶区和水田,低值区位于北部红水河沿岸的冲积土地带;（3）RK、GWRK、MM_OK和 MC_OK对SOM解释能力均较优,可用于岩溶区SOM预测制图。结合辅助变量因子的GWRK预测模型能有效消除空间变异因素的影响,克服岩溶区SOM含量的空间非平稳性,从而提高SOM含量模型的稳定性和精度,同时MC_OK模型能提高预测的准确度。 相似文献
12.
土地利用对溶丘洼地土壤容重、水分和有机质空间异质性的影响——以南洞流域驻马哨洼地为例 总被引：1，自引：1，他引：0
为了探究溶丘洼地土壤空间异质性及其影响因素,本文以驻马哨溶丘洼地为研究对象,利用经典统计学和地统计学的方法,从不同土地利用、坡度、坡向、土壤深度分析土壤容重、水分及有机质的空间异质性。结果表明:（1）土壤有机质为强变异,变异系数为0.71,容重和水分变异系数分别为0.15、0.11,属中等变异,土壤容重和水分呈极显著负相关,和有机质呈显著负相关,相关系数分别为-0.609、-0.581;（2）块基比介于0.78~0.97,随机部分引起的空间变异程度较大,空间自相关较小,且模型拟合较好。（3）耕地土壤有机质、水分含量最低,容重最大,而灌木土壤反之;（4）北坡土壤容重高于南坡,变异系数小于南坡;而土壤水分、有机质低于南坡,变异系数高于南坡。从不同坡位、坡向的比较中,皆体现了土地利用对土壤空间异质性的影响。在土地利用作为主要因素的影响下,驻马哨洼地土壤水分、容重、有机质由随机部分引起的空间变异增加,空间自相关减小。 相似文献
13.
广南县幅岩溶区与非岩溶区土壤碳氮磷生态化学计量比空间变异分析 总被引：2，自引：0，他引：2
借助1∶25万云南省广南县幅土壤地球化学调查数据,并利用单因素方差分析、多重比较法以及地统计学方法,对岩溶区和非岩溶区土壤碳氮磷生态化学计量特征及其空间分布进行了对比分析。结果显示:广南县幅岩溶区土壤中有机碳（SOC）、全氮（TN）、全磷（TP）含量显著高于非岩溶区,而碳氮比（C∶N）、碳磷比（C∶P）、氮磷比（N∶P）显著低于非岩溶区;无论是岩溶区还是非岩溶区,表层（0～20 cm）SOC、TN、C∶N、C∶P、N∶P均显著高于深层（＞100 cm）。克里格空间插值结果表明,研究区表层土壤中SOC、TN、TP含量具有东高西低的特征,而C∶N、C∶P、N∶P具有低值区集中于东部、高值区散布在西部的空间分布格局。成土母质和土壤类型等自然因素严重制约了研究区土壤碳氮磷的空间变异,同时土地利用变化等人为因素也起到了不可忽视的作用。 相似文献
14.
15.
分别选取中国中、东部不同尺度典型样区为研究区域,将多样性理论与方法应用于水体空间分布多样性和土壤构成组分多样性评价中。计算了各研究区及其分区域内,以土属为基本单元的土壤构成组分多样性和2km×2km网格尺度下的水体空间分布多样性,并探索了两者之间的内在联系。研究结果表明:将多样性理论与研究方法应用于区域水资源的空间分布离散性评价具有可操作性;区域水体总面积变化与区域水体空间分布多样性变化之间具有一定的正相关关系,70%以上数据支持这一推断;区域水体比例与水体空间分布多样性之间并无绝对联系;水体和土壤研究数据均体现出分形特征及结构;区域土壤构成组分多样性与水体空间分布多样性之间存在负相关关系,大尺度区域下的相关系数R2约0.8。 相似文献
16.
Spatial distribution of surface soil water content under different vegetation types in northwest Guangxi, China 总被引：3，自引：1，他引：2
Wanxia Peng Tongqing Song Fuping Zeng Kelin Wang Hu Du Shiyang Lu 《Environmental Earth Sciences》2013,69(8):2699-2708
Geostatistical and statistical analyses were combined to examine the spatial distribution of soil water content under four vegetation types during the dry season, in the peak-cluster depression in the karst region in northwest Guangxi, southwest China. The soil water content significantly increased from farmland to plantation, secondary forest, and primary forest; whereas the variation coefficients, the sill (C 0+C), and total spatial variance increased, although the range decreased. The spatial distribution of soil water content in the different vegetation types had a high spatial autocorrelation. Different models produced a best fit for the semivariograms of the four vegetation types. Elevation and slope position were the primary factors influencing the spatial distribution of soil water content, with other key factors differing between the four vegetation types. Moreover, even though different specific factors influenced soil water content in the four vegetation types, the correlations and degrees of associations between the soil water content and these various factors differed. Therefore, the corresponding strategies for rational usage and management of water resources should be different for the four vegetation types in this region. 相似文献