排序方式： 共有13条查询结果，搜索用时 7 毫秒
11.
基于遥感(RS)和地理信息系统(GIS)技术,采用多层次分析(AHP)法,以北京密云水库上游部分库区为研究对象,根据库区实际情况,选取植被覆盖率、土壤类型、坡度、高程、降雨量、土地利用六种影响滑坡灾害发生的因素作为评价因子,对区域滑坡风险进行分析。同时,在ArcGIS的空间分析环境中运行权重叠加,将研究区域划分成无危险区、低危险区、中危险区、高危险区和极危险区。结果表明,研究区域内大部分地区比较稳定,最易发生滑坡的区域主要集中在密云水库东北部的河谷、山谷地带,呈零星状分布。 相似文献
12.
本文以土壤CEC和土壤全氮为研究对象,在河南省黄河以北6个地市选取870个样点,并随机均分为两个数据集,进行了制图对比分析;同时研究了Kriging法、IDW法和以点代面法制图结果的稳定性及其与精度的关系,以及影响因素。结果表明:采用实测数据与预测数据的交叉验证并不能用来衡量制图结果的稳定性,验证精度高低并不表示采用不同数据集制图结果可能会重现的概率;而且采用不同的方式进行精度检验,结论也会有所不同。采用不同抽样集合制图,Kriging法和IDW的结果较稳定,两者较接近,其相对误差>0.3的区域均不超过20%,且相对差异度高值区的空间分布格局相对分散;而以点代面法制图结果不稳定,相对误差>0.3的区域达到54.21%,且差异度较高的图斑相对集中,呈大片状分布。制图结果稳定性受到实测数据分布特征和局部地区土壤的高度变异性的影响,其中Kriging方法制图结果的不稳定性受样点分布格局的影响较另两种方法要大,而IDW法和以点代面法受实测数据自身变异性影响更明显。 相似文献
13.
Kriging插值和序贯高斯条件模拟算法的对比分析 总被引：3，自引：0，他引：3
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。 相似文献