基于地统计学的资源环境调查方法研究综述

韩宗伟

摘要 资源环境调查方法是充分了解资源环境现状的必要前提，是合理规划以及可持续利用资源环境的有效保障，是全面掌控资源环境未来发展的重要依据。众多科研工作者就资源环境调查方法展开了大量的探讨和研究，研究的方法主要是基于地统计的资源环境调查方法，其发展和应用在国内外资源环境研究领域已经比较成熟，通过总结国内外的研究进展，对明确该类方法的应用前景和未来发展方向会十分有益。

关键词 地统计；资源环境；调查方法

中图分类号 K903；P962 文献标识码 A 文章编号 1007-5739（2016）09-0308-02

Abstract Resources and environment survey is necessary precondition for fully understanding the present situation of natural resources and environment，and provides effective indemnification for the rational planning and sustainable use of resources and environment，it is also an important basis for comprehensive control over future development of the resources and environment.Many researches on the survey methodology of the resources and environment had been discussed and researched，they are mainly based on geostatistical methods，their developments and applications in the field of resources and environment research are relatively mature at domestic and foreign.By summing up the research progress of such methods，it is very useful for clear-cutting the potential applications and future directions of such methods.

Key words geostatistical；resources and environment；survey methodology

资源环境的产生是由人们对自然资源到环境资源认识的一种深化，几乎所有的自然资源都构成人类生存的环境因子。自然资源是指在一定的时空范围内，可供人类利用的表现为各种相互独立的静态物质和能量，而环境资源则是静与动的统一体，这些资源包括矿产能源资源、土地资源、水资源、森林资源、海洋资源、草地资源、野生动物资源、再生资源、环境资源等。这些资源环境的损失评估、规划管理、保护决策等都离不开对这些资源的调查和监测，计算机技术的飞速发展为资源环境调查领域提供了新的途径和方法。目前已经有很多的研究成果能够实现详尽的调查监测方法，并最终优化样点布设方案，如传统的调查方法、基于地统计的调查方法、基于计算机模拟的调查方法等；所采集的数据经过人工数字化录入或者基于物联网的数据采集系统智能录入数据库等，然后运用地统计学相关技术绘制数据插值获取区域内相关数据的全局变化图或者趋势图等，为相关决策方案的制定提供数据支持。

1 地统计学概述

1.1 理论基础

矿物学家 D.R.krige最早将地统计学应用于南非金矿的查找工作中，而该方法的理论是法统计学家G.Matheron 創立的，有一套完善的理论体系作为基础，即在二阶平稳假设和本征假设的前提下，将区域化变量作为基本概念，以变差函数为工具，通过基本公式如估计方差、离散方差等的计算实现克里格方法。

地统计学理论的提出为资源环境调查提供了新的思路和方法，并促使这些方法在地统计学理论的蓬勃发展下越来越完善[1-3]，发展至今，理论技术已经非常坚实，实用的数学工具数量也非常多。地统计学的应用非常广泛，能够对空间数据进行最优无偏内插，模拟空间数据的离散性及波动性，研究空间分布数据的结构性和随机性、空间相关性和依赖性、空间格局与变异。

1.2 发展及应用

地统计学的组成部分有2个，分别为分析空间变异与结构的变异函数及其参数和空间局部估计的Kriging（克里格）插值法，广泛应用于土壤、地质、生态、地球物理等方面。在气象领域的主要应用是使用Kriging法进行降水、温度等要素的最优内插的研究及气候对农业影响方面的研究。在资源环境调查方法的设计中，较为流行的方法是克里金方法。国内外很多学者结合已有的方法和日趋成熟的地统计理论创造出了大量的设计方法和评价指标，前者如随机选择法（Naive）[4]、枚举法（Enumeration）[5]、序贯法（Sequential Selection）[6]、模拟退火法（Simulated Annealing，SA）[7-9]、空间均衡布样（Generalized Random Tessellation Stratified，GRTS）[10]、适应性抽样（Adaptive Cluster Sampling）[11]等，后者如Kriging方差最小化准则（Minimization of the Ordinary Kriging Variance，MOKV）[12]、WM准则（Warrick-Myers-criterion）[13]、平均最短距离最小化准则（Minimization of the Mean of the Shortest Dista-nces，MMSD）[7，14-15]、极大熵准则（Maximum Entropy，ENT）[16]、分形维度（Fractal dimension）[17]、均方距离准则（Mean squared distance to sides，vertices，and boundaries）[18]等。这些指标和方法在生态[19]、海洋[20]、渔业[21]、林业[22]、农业[23]、人口健康调查[24]、环境[25]、土壤[26]以及水资源[27]等方面得到了广泛的应用。

1.3 资源环境调查方法的联系与区别

不同的应用中所选择的方法有一定的联系和差异。联系主要表现于空间抽样方案专注解决的问题主要表现在以下几个方面[28]：一是对不确定性的衡量，主要是抽样估计的不确定性衡量，如方差。二是确定样本量的大小，如选择样本的容量，即确定样本的个数。三是抽样估计，对抽样目标进行估计，如均值、总值等。四是布样。确定样本的分布方式，即从总体中采取何种方法取样。也有学者提出在确定样本的大小之前加入样本空间构造环节[29]。

具体实现和解决这些问题的方法便是存在的主要差异，目前主要运用3种采样方法获取地理空间分布，即经典采样、空间采样和目的性采样[30]。这些采样方法都是在一定的算法和理论基础上建立起来的，并且需要在一定的假设条件前提下完成，因此需要完善和运用一定的方法不断优化采样方案，以满足这些理论假设。对于最终采集数据的统计推断方式和抽样目标目前主要有2种方式，即基于模型的（model-based）抽样统计推断和基于设计的（design-based）抽样统计推断[3-4，31]。在对抽样目标存在某种空间模式的假设基础上，对于基于模型的抽样则表示抽样目标是一个空间随机场[1]，对于基于设计的抽样则表示样本的坐标能够提供相应研究中的辅助信息。

2 地统计学实现方法探讨

国内外许多学者和专家指出：凡是具备随机性和相关性变量的问题，都可以用地质统计学来研究解决，可见地统计学显示了自己强盛的生命力。该理论从建立至今，经过不断的研究和发展，已经是一门从理论到实践都很成熟的技术，随着研究的不断深入，它的应用领域也随之不断拓宽和深入。完善的理论和大量的社会需求催生了许多具有地统计功能的软件，如GS+、ArcGIS、Surfer、STATPAC、Geo-EAS、GEOPACK、Geostatistical Toolbox、GSLIB、DPS等数据分析软件，这些软件的出现方便了地统计方法的运用和实践，大量研究证实了地统计在资源环境调查研究中发挥着非常重要的作用。该方法在資源环境调查中是如何运用，以及应用中的作用将是本节所要阐述的内容。

2.1 地统计学与经典统计学的区别

地统计学与经典统计学的区别如表1所示，由表中可知地统计学所运用的数据更加定量化、标准化，因而这些数据可以方便地在计算机中组织和计算。

在资源环境调查中会产生大量的采样点数据，处理这些数据对于科研工作者是一项重复而繁琐的工作，当引入计算机技术后，这将大大缩短数据处理的时间，并提高计算的准确度和精度，使科研工作者能够将更多的时间花费在数据的分析和采样点的优化工作中，并为后续的研究工作腾出大量的时间，同时也提高了整项研究工作的进展和效率。

2.2 资源环境调查中地统计学的作用

地统计学在资源环境调查中可以指导采样点数量的确定和位置的布设，这是很多学者已经探讨过的内容，也有相关文献可供查阅。对于不同的环境资源而言都有其一定的知识前提和背景，在相应的应用环境下，系统地搜集、整理、分析和提供大量的以数字描述为基本特征的资源环境信息资源。在对已经掌握的资源进行科学分析的基础上，在决策和管理的过程中发挥指导性的作用；基于地统计的信息，对资源环境的运行状态进行定量检查、检测，发现社会资源环境运行中存在的问题及潜在的威胁，针对问题提出相应对策，对潜在的威胁进行预警，以对社会资源的可持续利用提供参考。地统计学的作用主要表现在以下几个方面：一是为政府部门提供决策依据。二是为企业和事业单位管理提供依据。三是获得科学研究的数据。四是为国际交往提供资料。五是为社会公众参与社会资源环境保护活动提供信息。

3 结语

计算机的飞速发展，为地统计学的发展提供了便利，加上吸纳其他学科新的研究成果，地统计学内容不断丰富，应用领域不断扩大，展现出强大的生命力。近2年我国对资源环境的保护意识愈加强烈，在这种环境下资源环境的调查和保护特别需要科学的价值观和方法论进行引导。通过对地统计学的学习和研究，可以更好地认识资源环境的现状问题和发展趋势，并对未来作出科学合理的决策，为资源环境的可持续利用夯实基础。

4 参考文献

[1] CRESSIE N.Statistics for spatial data[J].Terra Nova，1992，4（5）：613-617.

[2] WANG J，LIU J，ZHUAN D，et al.Spatial sampling design for monitoring the area of cultivated land[J].International Journal of Remote Sensing，2002，23（2）：263-284.

[3] HAINING R.Spatial data analysis：theory and practice[M].Cambridge，UK：Cambridge University Press，2003.

[4] BRUS D，DE GRUIJTER J.Random sampling or geostatistical modelling Choosing between design-based and model-based sampling strategies for soil （with discussion）[J].Geoderma，1997，80（1）：1-44.

[5] ROGERSON P A，DELMELLE E，BATTA R，et al.Optimal sampling de-sign for variables with varying spatial importance[J].Geographical Ana-lysis，2004，36（2）：177-194.

[6] JOURNEL A G.Nonparametric geostatistics for risk and additional samp-ling assessment[J].Principles of Environmental Sampling American Che-mical Society，1988：45-72.

[7] SIMBAHAN G C，DOBERMANN A.Sampling optimization based on sec-ondary information and its utilization in soil carbon mapping[J].Geod-erma，2006，133（3）：345-362.

[8] WIENS D P.Robustness in spatial studies ii：minimax design[J].Envi-ronmetrics，2005，16（2）：205-217.

[9] PAPRITZ A，WEBSTER R.Estimating temporal change in soil moni-toring：II.Sampling from simulated fields[J].European Journal of Soil Science，2005，46（1）：13-27.

[10] STEVENS D.Variable density grid-based sampling designs for contin-uous spatial populations[J].Environmetrics，1997，8（3）：167-195.

[11] THOMPSON S K.Factors influencing the efficiency of adaptive cluster sampling[M].Center for Statistical Ecology and Environmental Statistics，Pennsylvania State University，1994.

[12] BERTOLINO F，LUCIANO A，RACUGNO W.Some aspects of detection networks optimization with the kriging procedure[J].Metron，1983，41（3）：91-107.

[13] WARRICK A，MYERS D.Optimization of sampling locations for variog-ram calculations[J].Water Resources Research，1987，23（3）：496-500.

[14] WEBSTER R，OLIVER M A.Geostatistics for environmental scientists[M].Wiley，2007.

[15] JW V G，W S，A S.Constrained optimisation of soil sampling for minim-isation of the kriging variance[J].Geoderma，1999，87（3）：239-259.

[16] BANJEVIC M，SWITZER P.Optimal network designs in spatial statistics[J].Department of Statistics，Stanford University，2004：1-14.

[17] HASTINGS H M，SUGIHARA G.Fractals.A user's guide for the natural sciences[J].Oxford Science Publications，Oxford，New York：Oxford Un-iversity Press，1993.

[18] STEVENS JR D L.Spatial properties of design-based versus model-based approaches to environmental sampling；proceedings of the Proc-eedings of Accuracy 2006[C]//The 7th international symposium on spatial accuracy assessment in natural resources and environmental sciences，2006.

[19] STARK K E，ARSENAULT A，BRADFIELD G E.Variation in soil seed bank species composition of a dry coniferous forest：spatial scale and sampling considerations[J].Plant Ecology，2008，197（2）：173-181.

[20] NAKAMOTO S，FANG Z，MATSUURA T，et al.Spatial sampling req-uirements for tropical Pacific sea surface temperature variability[J].Journal of geophysical research，1994，99（C9）：18363-18370.

[21] GUST N，CHOAT J H，MCCORMICK M I.Spatial variability in reef fish distribution，abundance，size and biomass：a multi-scale analysis[J].Marine Ecology Progress Series，2001，214：237-251.

[22] DESSARD H，BAR-HEN A.Experimental design for spatial sampling applied to the study of tropical forest regeneration[J].Canadian Journal of Forest Research，2005，35（5）：1149-1155.

[23] LI L，WANG J，LIU J.Optimal decision-making model of spatial samp-ling for survey of China's land with remotely sensed data[J].Science in China Series D：Earth Sciences，2005，48（6）：752-764.

[24] KUMAR N.Spatial sampling design for a demographic and health survey[J].Population Research and Policy Review，2007，26（5）：581-599.

[25] FUENTES M，CHAUDHURI A，HOLLAND D M.Bayesian entropy for spatial sampling design of environmental data[J].Environmental and Ecological Statistics，2007，14（3）：323-340.

[26] LARK R.Optimized spatial sampling of soil for estimation of the var-iogram by maximum likelihood[J].Geoderma，2002，105（1）：49-80.

[27] CHRISTAKOS G，KILLAM B R.Sampling design for classifying conta-minant level using annealing search algorithms[J].Water Resources Research，1993，29（12）：4063-4076.

[28] DELMELLE E.Optimization of second-phase spatial sampling using auxiliary information[M].Buffalo：State University of New York，2005.

[29] 姜成晟，王勁峰，曹志冬.地理空间抽样理论研究综述[J].地理学报，2009（3）：368-380.

[30] 杨琳，朱阿兴，秦承志，等.基于典型点的目的性采样设计方法及其在土壤制图中的应用[J].地理科学进展，2010，29（3）：279-286.

[31] S RNDAL C E，SWENSSON B，WRETMAN J.Model assisted survey sa-mpling[M].Berlin：Springer Verlag，2003.