基于地統計學的資源環境調查方法研究綜述

韓宗偉

摘要 資源環境調查方法是充分了解資源環境現狀的必要前提，是合理規劃以及可持續利用資源環境的有效保障，是全面掌控資源環境未來發展的重要依據。眾多科研工作者就資源環境調查方法展開了大量的探討和研究，研究的方法主要是基于地統計的資源環境調查方法，其發展和應用在國內外資源環境研究領域已經比較成熟，通過總結國內外的研究進展，對明確該類方法的應用前景和未來發展方向會十分有益。

關鍵詞 地統計；資源環境；調查方法

中圖分類號 K903；P962 文獻標識碼 A 文章編號 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

資源環境的產生是由人們對自然資源到環境資源認識的一種深化，幾乎所有的自然資源都構成人類生存的環境因子。自然資源是指在一定的時空范圍內，可供人類利用的表現為各種相互獨立的靜態物質和能量，而環境資源則是靜與動的統一體，這些資源包括礦產能源資源、土地資源、水資源、森林資源、海洋資源、草地資源、野生動物資源、再生資源、環境資源等。這些資源環境的損失評估、規劃管理、保護決策等都離不開對這些資源的調查和監測，計算機技術的飛速發展為資源環境調查領域提供了新的途徑和方法。目前已經有很多的研究成果能夠實現詳盡的調查監測方法，并最終優化樣點布設方案，如傳統的調查方法、基于地統計的調查方法、基于計算機模擬的調查方法等；所采集的數據經過人工數字化錄入或者基于物聯網的數據采集系統智能錄入數據庫等，然后運用地統計學相關技術繪制數據插值獲取區域內相關數據的全局變化圖或者趨勢圖等，為相關決策方案的制定提供數據支持。

1 地統計學概述

1.1 理論基礎

礦物學家 D.R.krige最早將地統計學應用于南非金礦的查找工作中，而該方法的理論是法統計學家G.Matheron 創立的，有一套完善的理論體系作為基礎，即在二階平穩假設和本征假設的前提下，將區域化變量作為基本概念，以變差函數為工具，通過基本公式如估計方差、離散方差等的計算實現克里格方法。

地統計學理論的提出為資源環境調查提供了新的思路和方法，并促使這些方法在地統計學理論的蓬勃發展下越來越完善[1-3]，發展至今，理論技術已經非常堅實，實用的數學工具數量也非常多。地統計學的應用非常廣泛，能夠對空間數據進行最優無偏內插，模擬空間數據的離散性及波動性，研究空間分布數據的結構性和隨機性、空間相關性和依賴性、空間格局與變異。

1.2 發展及應用

地統計學的組成部分有2個，分別為分析空間變異與結構的變異函數及其參數和空間局部估計的Kriging（克里格）插值法，廣泛應用于土壤、地質、生態、地球物理等方面。在氣象領域的主要應用是使用Kriging法進行降水、溫度等要素的最優內插的研究及氣候對農業影響方面的研究。在資源環境調查方法的設計中，較為流行的方法是克里金方法。國內外很多學者結合已有的方法和日趨成熟的地統計理論創造出了大量的設計方法和評價指標，前者如隨機選擇法（Naive）[4]、枚舉法（Enumeration）[5]、序貫法（Sequential Selection）[6]、模擬退火法（Simulated Annealing，SA）[7-9]、空間均衡布樣（Generalized Random Tessellation Stratified，GRTS）[10]、適應性抽樣（Adaptive Cluster Sampling）[11]等，后者如Kriging方差最小化準則（Minimization of the Ordinary Kriging Variance，MOKV）[12]、WM準則（Warrick-Myers-criterion）[13]、平均最短距離最小化準則（Minimization of the Mean of the Shortest Dista-nces，MMSD）[7，14-15]、極大熵準則（Maximum Entropy，ENT）[16]、分形維度（Fractal dimension）[17]、均方距離準則（Mean squared distance to sides，vertices，and boundaries）[18]等。這些指標和方法在生態[19]、海洋[20]、漁業[21]、林業[22]、農業[23]、人口健康調查[24]、環境[25]、土壤[26]以及水資源[27]等方面得到了廣泛的應用。

1.3 資源環境調查方法的聯系與區別

不同的應用中所選擇的方法有一定的聯系和差異。聯系主要表現于空間抽樣方案專注解決的問題主要表現在以下幾個方面[28]：一是對不確定性的衡量，主要是抽樣估計的不確定性衡量，如方差。二是確定樣本量的大小，如選擇樣本的容量，即確定樣本的個數。三是抽樣估計，對抽樣目標進行估計，如均值、總值等。四是布樣。確定樣本的分布方式，即從總體中采取何種方法取樣。也有學者提出在確定樣本的大小之前加入樣本空間構造環節[29]。

具體實現和解決這些問題的方法便是存在的主要差異，目前主要運用3種采樣方法獲取地理空間分布，即經典采樣、空間采樣和目的性采樣[30]。這些采樣方法都是在一定的算法和理論基礎上建立起來的，并且需要在一定的假設條件前提下完成，因此需要完善和運用一定的方法不斷優化采樣方案，以滿足這些理論假設。對于最終采集數據的統計推斷方式和抽樣目標目前主要有2種方式，即基于模型的（model-based）抽樣統計推斷和基于設計的（design-based）抽樣統計推斷[3-4，31]。在對抽樣目標存在某種空間模式的假設基礎上，對于基于模型的抽樣則表示抽樣目標是一個空間隨機場[1]，對于基于設計的抽樣則表示樣本的坐標能夠提供相應研究中的輔助信息。

2 地統計學實現方法探討

國內外許多學者和專家指出：凡是具備隨機性和相關性變量的問題，都可以用地質統計學來研究解決，可見地統計學顯示了自己強盛的生命力。該理論從建立至今，經過不斷的研究和發展，已經是一門從理論到實踐都很成熟的技術，隨著研究的不斷深入，它的應用領域也隨之不斷拓寬和深入。完善的理論和大量的社會需求催生了許多具有地統計功能的軟件，如GS+、ArcGIS、Surfer、STATPAC、Geo-EAS、GEOPACK、Geostatistical Toolbox、GSLIB、DPS等數據分析軟件，這些軟件的出現方便了地統計方法的運用和實踐，大量研究證實了地統計在資源環境調查研究中發揮著非常重要的作用。該方法在資源環境調查中是如何運用，以及應用中的作用將是本節所要闡述的內容。

2.1 地統計學與經典統計學的區別

地統計學與經典統計學的區別如表1所示，由表中可知地統計學所運用的數據更加定量化、標準化，因而這些數據可以方便地在計算機中組織和計算。

在資源環境調查中會產生大量的采樣點數據，處理這些數據對于科研工作者是一項重復而繁瑣的工作，當引入計算機技術后，這將大大縮短數據處理的時間，并提高計算的準確度和精度，使科研工作者能夠將更多的時間花費在數據的分析和采樣點的優化工作中，并為后續的研究工作騰出大量的時間，同時也提高了整項研究工作的進展和效率。

2.2 資源環境調查中地統計學的作用

地統計學在資源環境調查中可以指導采樣點數量的確定和位置的布設，這是很多學者已經探討過的內容，也有相關文獻可供查閱。對于不同的環境資源而言都有其一定的知識前提和背景，在相應的應用環境下，系統地搜集、整理、分析和提供大量的以數字描述為基本特征的資源環境信息資源。在對已經掌握的資源進行科學分析的基礎上，在決策和管理的過程中發揮指導性的作用；基于地統計的信息，對資源環境的運行狀態進行定量檢查、檢測，發現社會資源環境運行中存在的問題及潛在的威脅，針對問題提出相應對策，對潛在的威脅進行預警，以對社會資源的可持續利用提供參考。地統計學的作用主要表現在以下幾個方面：一是為政府部門提供決策依據。二是為企業和事業單位管理提供依據。三是獲得科學研究的數據。四是為國際交往提供資料。五是為社會公眾參與社會資源環境保護活動提供信息。

3 結語

計算機的飛速發展，為地統計學的發展提供了便利，加上吸納其他學科新的研究成果，地統計學內容不斷豐富，應用領域不斷擴大，展現出強大的生命力。近2年我國對資源環境的保護意識愈加強烈，在這種環境下資源環境的調查和保護特別需要科學的價值觀和方法論進行引導。通過對地統計學的學習和研究，可以更好地認識資源環境的現狀問題和發展趨勢，并對未來作出科學合理的決策，為資源環境的可持續利用夯實基礎。

4 參考文獻

[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.地理空間抽樣理論研究綜述[J].地理學報，2009（3）：368-380.

[30] 楊琳，朱阿興，秦承志，等.基于典型點的目的性采樣設計方法及其在土壤制圖中的應用[J].地理科學進展，2010，29（3）：279-286.

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