地统计学方法(1)
多点地质统计学原理、方法及应用__概述及解释说明

多点地质统计学原理、方法及应用概述及解释说明1. 引言1.1 概述本文旨在探讨多点地质统计学的原理、方法及应用,为读者提供一个全面了解该领域的概述。
多点地质统计学是一门研究如何有效地利用多变量数值以及空间数据进行地质分析和预测的学科。
它通过综合多种数据,包括物理测量数据、遥感图像数据和野外调查数据等,来实现对不同地质现象和过程的建模与研究。
1.2 文章结构本文按照以下结构组织内容:首先介绍多点地质统计学的基本原理,包括其定义与概念、基本假设以及原理解释。
随后,针对多点地质统计学的方法进行详细阐述,探讨数据收集与预处理、变量选择和缺失值处理以及统计模型拟合与优化算法应用等关键步骤。
接下来,我们将通过具体案例研究来展示多点地质统计学在矿产资源评估与勘探、地下水资源管理与保护以及石油勘探与开发中的应用实践。
最后,在结论部分对全文进行概括总结,并展望未来多点地质统计学研究的发展方向。
1.3 目的本文旨在全面介绍多点地质统计学的原理、方法及应用,以帮助读者对该领域有一个清晰的认识。
通过阐述基本原理和方法,读者可以了解多点地质统计学在地质分析和预测中的重要性。
此外,通过具体案例的引入,读者将能够更好地理解多点地质统计学在实际问题中的应用价值和潜力。
最后,通过对未来研究方向的展望,读者可以获得一些启示,并为自己在该领域开展研究提供参考。
2. 多点地质统计学原理2.1 定义与概念多点地质统计学是一种广泛应用于地质科学领域的统计学方法。
它通过对多个地点上的地质数据进行收集、分析和解释,旨在揭示地下资源的分布规律和空间变异性。
多点地质统计学基于一系列假设和方法,能够提供可靠的预测结果和决策依据。
2.2 基本假设在多点地质统计学中,存在几个基本假设:- 空间自相关假设:相邻位置上的地质现象存在关联性,即一个位置的观测值可能受到相邻位置观测值的影响。
- 空间平稳假设:在整个研究区域内,不同位置上的地质变量具有类似的变异性。
常用医学科研中的统计学方法(1)

常用医学科研中的统计学方法(1)正确答案错误答案1.从同一总体抽样,则样本标准差()A随着样本含量增大而增大B样本含量增大而标准差不变C随着样本含量减少而减少D随着样本含量增大而减小2.用图表示某地区近30年三种疾病的发病率,在各年度的动态发展速度情况,宜绘制()A普通线性图B.直方图C.百分条图D.半对数线图。
3.均数与标准误的关系()A.均数越大,标准误越大B.均数越大,标准误越小C标准误越小,用均数推测总体均数的可靠性越大。
E标准误越大,用均数推测总体均数的可靠性越大。
4.多重线性回归分析中,度量一组自变量与应变量线性相关程度的统计量是()A.负相关系数B.决定系数C.偏相关系数D.偏回归系数5.变异系数cv的数值()A.一定大于1B.一定小于1C.可以大于1,也可以小于1D.一定小于标准差。
6.在样本量为n,自变量个数为3的线性回归方程的假设检验中,回归变异和剩余变异的自由度分别为()A. 3和n-3B. 3和n-4C. 2和n-2D. 2和n-37.比较某地区解放以来三种病的发病率在各个年度的发展速度,应该绘制()A.半对数线图B.圆图C.直方图D.普通线图8.在同一总体中随机抽取多个样本,用样本均数估计总体均数95%的可信区间,则估计精密度高的是()A.均数小的样本B.标准差小的样本C.标准误大的样本D.标准误小的样本9.均数的标准误反映了()A.个体的变异程度B.集中趋势的位置C.指标的分布规律D.样本均数与总体均数的差异10.由样本均数估计总体均数可靠性大小的指标是()A.标准差B.标准误C.方差D.变异系数11.表示血清抗体滴度资料平均水平最常用的指标是()A.算术平均数B.中位数C.几何均数D.变异系数12.抽样误差产生的原因是()A.观察对象不纯B.非正态分布资料C.个体差异D.非分类变量资料13.95%置信区间的含义为()A.此区间包含总体参数的概率是95%B.此区间包含总体参数的可能性是95%C.此区间包含总体参数,这句话可信的程度是95%D.此区间包含样本统计量的概率是95%14.各观察值乘以一个大于0的常数后,()不变A.算数均数B.标准差C.中位数D.几何均数15.总体均数的可信区间()A.随总体均数而变化B.不随总体均数而变化C.是一个固定区间D.随样本不同而变化16.对数正态分布资料最好计算()以表示离散趋势。
5种常用的统计学方法

5种常用的统计学方法1. 描述统计方法描述统计方法是统计学中常用的一种方法,用于对数据进行整理、总结和描述。
它通过计算和分析数据的中心趋势、离散程度和分布特征,提供对数据的直观认识。
描述统计方法不依赖于任何假设,适用于各种类型的数据。
其中,常用的描述统计方法包括均值、中位数、众数和标准差等。
均值是一组数据的平均值,反映了数据的中心趋势;中位数是一组数据中居于中间位置的值,对于数据的离群点不敏感;众数是一组数据中出现最频繁的值,用于描述数据的分布特征;标准差是一组数据的离散程度的度量,反映了数据的变异程度。
通过描述统计方法,我们可以对数据进行整体把握,了解数据的基本情况,为后续的分析和决策提供依据。
2. 探索性数据分析方法探索性数据分析方法是一种通过可视化和统计分析来理解数据的方法。
它旨在发现数据中的模式、趋势和异常值,并提供对数据的深入理解。
在探索性数据分析中,常用的方法包括直方图、散点图和箱线图等。
直方图可以展示数据的分布情况,散点图可以显示两个变量之间的关系,箱线图可以展示数据的分散程度和异常值。
通过探索性数据分析方法,我们可以挖掘数据中的潜在信息,发现数据的规律和特点,为进一步的分析和建模提供指导。
3. 参数估计方法参数估计方法是一种通过样本数据来估计总体参数的方法。
它基于统计模型和假设,利用样本数据推断总体的特征。
常用的参数估计方法包括点估计和区间估计。
点估计是通过样本数据得到总体参数的一个具体值,如样本均值作为总体均值的估计;区间估计是通过样本数据得到总体参数的一个范围,如置信区间可以给出总体均值的估计范围。
参数估计方法可以帮助我们根据有限的样本数据,对总体参数进行推断和估计,提供对总体特征的认识和预测。
4. 假设检验方法假设检验方法是一种通过样本数据来检验关于总体参数的假设的方法。
它基于统计模型和假设,利用样本数据来判断总体参数是否符合某种假设。
常用的假设检验方法包括单样本检验、两样本检验和方差分析等。
多点地质统计学随机建模方法原理详细教程

多点地质统计学随机建模方法原理详细教程多点地质统计学(Multiple-Point Geostatistics,简称MPGS)是一种用于地质建模的统计学方法,旨在综合考虑多个地质属性之间的空间关系,可以用于模拟地质体结构和属性的空间分布。
下面是一个详细的MPGS建模方法的教程。
1.数据收集和准备首先,需要收集和准备地质数据。
这些数据可以包括钻孔数据、采矿数据、地球物理数据等。
数据应该包括多个不同属性的测量结果。
2.数据预处理对收集的数据进行预处理是为了消除异常值、填充缺失值和准备数据用于建模。
这些步骤可以包括数据清洗、插值等。
3.定义模型网格创建一个用于建模的三维网格,通常由正交的网格单元组成。
网格的尺寸和边界应根据实际问题的要求进行选择。
4.模式提取在做MPGS建模之前,需要从数据中提取出具有空间一致性和相关性的模式。
这可以通过模式提取算法实现,如基于模拟退火算法的直方图匹配。
5.模式匹配在模型建模过程中,需要通过模式匹配找到与已知数据最相似的地质模式。
这可以通过计算模式之间的相似性指标,如多点统计函数(MPS)实现。
6.模式合成一旦找到与已知数据相似的地质模式,可以根据模式之间的空间关系来生成新的地质模式。
这可以通过使用概率或变异性模型来实现。
7.模型重建利用已生成的地质模式,可以在模型网格单元上对地质属性进行插值,以重建地质体的结构和属性分布。
这可以使用插值方法,如克里金插值、逼近法等。
8.模型评估和修正完成模型重建后,需要评估模型的性能并根据需求对模型进行修正。
可以利用模型与实际数据之间的比较以及其他准则来评估模型的准确性和合理性。
9.模型应用完成最终的地质建模后,可以将模型应用于相关的地质问题,如矿产资源评估、地质风险评估等。
以上是MPGS建模方法的详细教程。
这种方法在地质建模中广泛应用,可以提供更准确和全面的地质属性分布信息,对于地质资源开发和管理具有重要意义。
如何进行地形变形监测与分析

如何进行地形变形监测与分析地理形态是地球表面的一种独特特征,而地形变形则是指地球表面地形特征的改变。
地形变形可能是由于地壳的运动、地质构造的变化、自然灾害的影响或人类活动引起的。
准确监测和分析地形变形对于地质灾害防范、地质勘探与开发、环境保护等方面都具有重要意义。
本文将探讨如何进行地形变形的监测与分析,并介绍一些常用的方法和工具。
一、地形变形监测的方法地形变形监测的方法主要包括地形测量、全球定位系统(GPS)、遥感技术和应力测量等。
这些方法各具特点,可以相互结合使用,以获得更准确和全面的监测结果。
1. 地形测量方法地形测量是一种传统的地形变形监测方法,主要通过测量和比较地形特征的位置和形状的变化来确定地形变形情况。
常用的地形测量方法有大地测量和光学测量等。
大地测量利用高精度的测量仪器对地面进行测量,可以获取较为精确的地表高程数据。
而光学测量则是通过摄影测量或激光测距等技术,获取地形的形状和位置信息。
2. 全球定位系统(GPS)全球定位系统(GPS)是一种利用卫星信号进行测量和定位的技术。
通过安装接收器设备,可以实时获取地点的经、纬度和高程等信息。
GPS技术的应用使地形变形监测的范围和精度得到了大大的提高,可以实时监测地形的微小变化。
3. 遥感技术遥感技术是通过航空或卫星传感器获取地球表面信息的技术。
利用遥感图像可以观测到地表的变化情况,如地面沉降、地表裂缝等。
遥感技术的应用可以帮助监测地形变形的空间分布和变化趋势,并提供大面积、实时的监测能力。
4. 应力测量应力测量是一种直接测量地应力变化的方法。
它利用岩土体的变形特征,通过测量岩石和土壤体的应变情况,来判断地表的变形和应力状态。
常用的应力测量方法包括地震仪、应变计等。
二、地形变形分析的工具地形变形分析的工具主要包括地形变形监测软件、地统计学方法和地形数据库等。
1. 地形变形监测软件地形变形监测软件是一种功能强大的工具,可以帮助分析和解释地形变形的数据。
地统计分析方法

高维数据分析
发展适用于高维数据的降维和可视化 技术,以更好地处理复杂数据。
大数据处理
利用高性能计算机和云计算技术,提 高地统计分析方法的计算效率和准确 性。
可解释性研究
加强地统计分析结果的解释性和可视 化研究,提高结果的易理解性和可解 释性。
05
地统计分析方法的实际案例
案例一:城市人口密度的空间分布特征分析
总结词
通过地统计分析方法,分析农业产量的空间 相关性,揭示农作物生长的空间依赖性和异 质性。
详细描述
利用地统计分析方法,对农业产量进行空间 相关性分析,探究不同地区间农作物产量的 相互影响关系。通过分析产量数据的空间自 相关性和集聚模式,理解农作物生长过程中 的空间依赖性和异质性,为农业管理和区域 发展提供科学依据。
04
地统计分析方法的优势与局限性
优势
空间依赖性分析
高效的空间预测
地统计分析方法能够揭示数据的空间依赖 性,即相邻观测值之间的相互影响,有助 于理解空间现象的内在机制。
地统计分析方法利用已知观测值对未知区 域进行预测,能够提供更精确和可靠的空 间预测结果。
降维处理
灵活的模型选择
地统计分析方法能够将高维数据降维处理 ,提取关键的空间结构和模式,简化复杂 数据的分析过程。
发展
地统计分析方法在不断发展完善中,出现了许多新的方法和模型,如克里格插值 、马尔科夫链蒙特卡罗方法等,为地统计分析提供了更丰富的工具和手段。
02
地统计分析方法的原理
空间自相关原理
空间自相关是地统计分析的核心概念,它描述了空间中某一位置上的现象与周围位 置上同种现象之间的相关性。
空间自相关可以用来检测空间依赖性和异质性,从而揭示空间模式和结构。
第六章统计分析方法(1)

第三节 推断统计
推断统计指用概率形式来决断数据之间是否存在某种关系及用 样本统计值来推测总体特征的一种重要的统计方法。 一、概率 概率也称“机率”、“或然率”。表示随机事件发生可能大小 的量。 二、正态分布 正态分布是一种应用广泛的常见分布。例如同一年龄组学生的 身高、智商、成绩等均服从或近似服从正态分布。
7225 6400 7056 7396 6084 5625 6889 8100 7921 7744
70440
7744 7569 7225 7056 6561 5776 7225 8836 8464 8464
74920
7480 6960 7140 7224 6318 5700 7055 8460 8188 8096
第六章 统计分析方法
第一节
一、总体与样本 总体:统计研究对象的全体 如,某项统计分析的任务是要了解全区一年级学生的视力情况, 那么,全区所有一年级学生的视力就构成了一个总体。 总 体 无限总体 :总体包含的数目是无限的。 有限总体 :总体包含的数目是有限的。
若干基本统计术语
个体:组成总体的基本单位。 比如,某区一年级学生视力总体的每一个学生的视力都是一个个 体。 样品:从总体中抽出一部分个体进行研究,被抽到的个体。 样品容量(n或N):样品的个数。 样本容量大于30的样本称为大样本,样本容量小于30的样本称 为小样本。 二、变量 变量(variable):是指研究对象的个体之间在性质和数量上可以 变化并可以测量的条件、现象或特征。 比如年级的高低、成绩的多少、态度的好坏等。
例如:10名5岁幼儿在语言X和常识Y上的得分如表所示,求两 者的相关程度。
序号 语言X 常识Y X2 Y2 语言x常识(XY)
1 2 3 4 5 6 7 8 9 10
地统计学方法

2019/5/12
华中农业大学 资源与环境学院
39
套合模型
土壤是一个不均与、具有高度空间异质性的复合 体,它与土壤母质、气候、水文、地形和生物等 因素有关,分析土壤空间变异的因素,可将其变 异分为系统变异(土壤形成因素相互作用造成) 和随机变异(可以观测到的,但与土壤形成印务 无关且不能直接分析的)两大类。如由h分开的两 个点x和x+h的土壤某一性质Z(x)和Z(x+h)。当h趋 近于0时,可以认为两点间的差异完全是由取样和 测定误差造成,当h逐步增大,如h<1m,差异可 能还要加上诸如水分等因素,当h<100m时,在新 的变异要考虑地形的作用。
地统计学和土壤过程的空间建模
利用多源数据模拟土壤发生发展的过程
地统计学和土壤特性的不确定性模拟
土壤属性超过某一阈值的概率
地统计学和土壤过程的时空变异 地统计学与精确农业 土壤综合特性的空间变异性研究
……
2019/5/12
华中农业大学 资源与环境学院
14
样本数据的统计分析和预处理
2019/5/12
质空间变异中的应用
土壤容重空间变异
2019/5/12
土壤饱和导水率空间变异
华中农业大学 资源与环境学院
湖北咸宁 据:罗勇,陈家宙,2008
11
地统计学在土壤化学性质空间变异中的应用
(a)有机质
(b)全氮
(c)有效磷
湖北沙洋 据:杨勇,贺立源,2010
2019/5/12
华中农业大学 资源与环境学院
31
有基台值模型—高斯模型
C0:块金常数 C0+C :基台值 C:拱高 3a :变程 当C0=0,C=1时,称为 标准高斯函数模型
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
32
有基台值模型—线性有基台值模型
C0:块金常数 C0+C :基台值 C:拱高 A :常数,表示直线斜率 当C0=0,C=1时,称为标 准指数函数模型
2019/11/25
华中农业大学 资源与环境学院
33
有基台值模型—纯块金效应模型
2019/11/25
华中农业大学 资源与环境学院
34
无基台值模型——线性无基台值模型
2019/11/25
华中农业大学 资源与环境学院
8
1.2 地统计学的应用(土壤)
自上世纪七八十年代地统计学引入土壤学 研究中以来,随着学科发展和应用方向的 扩展,地统计学方法已经成为土壤学特别 是大尺度土壤学研究的一个重要工具。
地统计学在土壤物理性质空间变异中的应用 地统计学在土壤化学性质空间变异中的应用 地统计学在土壤重金属污染空间变异中的应用 地统计学在采样策略中的应用 地统计学在其他特性中的应用
设想一下这样的问题
?
2019/11/25
这块地的土壤养分情况如何? 不仅需要知道一个总体情况 而是要知道每个地方的不同含量 方便为那些含量低的地方施肥
该怎么办呢?
华中农业大学 资源与环境学院
1
2019/11/25
方案一
Step1: 密集采样 Step2: 把土样运回实验室 Step3: 晒干,磨碎,…..化学分析
2019/11/25
华中农业大学 资源与环境学院
6
二、地统计学的概念
定义:地统计学是以区域化变量理论为基 础,以变异函数为主要工具,研究那些在 空间分布上既有随机性又有结构性,或空 间相关性和依赖性的自然现象的科学。 (王政权,1999)
2019/11/25
华中农业大学 资源与环境学院
7
1.2 地统计学的应用(土壤)
表示,即:
耗时,耗力,耗财
得到的是点状数据 面状连续分布呢? 未采样地的状况如何呢?
华中农业大学 资源与环境学院
2
方案二
算法分析
2019/11/25
华中农业大学 资源与环境学院
3
实例:
(a)有机质
2019/11/25
华中农业大学 资源与环境学院
(b)全氮
(c)有效磷
4
1.1 地统计学的发展和概念
一、地统计学发展简史
2019/11/25
华中农业大学 资源与环境学院
9
地统计学在土壤物理性质空间变异中的应用
土壤容重空间变异
2019/11/25
土壤饱和导水率空间变异
华中农业大学 资源与环境学院
湖北咸宁 据:罗勇,陈家宙,2008
10
地统计学在土壤化学性质空间变异中的应用
(a)有机质
(b)全氮
(c)有效磷
湖北沙洋 据:杨勇,贺立源,2010
在研究区域内所有点处的样品数据的实测 值就是一个区域化值,其相应的函数z(x)就 是一个区域化变量,也是该区域随机模型 (函数)Z(x)的一个实现。
2019/11/25
华中农业大学 资源与环境学院
15
平稳假设
1、平稳性:表示当将既定的n个点的点集从研究 区域某一处移向另一处时,随机函数的性质保持 不变,也称为平移不变性。
华中农业大学 资源与环境学院
26
变异函数的理论拟合模型
理论变异函数用来拟合一些列经验变异函 数值,供后续进行插值估计时使用。
选用理论变异函数模型是,要根据经验半 方差图的性状来选取合适的模型
2019/11/25
华中农业大学 资源与环境学院
27
变异函数的理论拟合模型
变异函数的理论模型:
Fx1,,xn (z1,, zn ) Fx1h,,xnh (z1,, zn )
即随机函数分布的规律性不因位移而改变,是严 格平稳的,具有平稳性。
2019/11/25
华中农业大学 资源与环境学院
16
二阶平稳性假设
2、二阶平稳性假设(弱平稳性假设):随 机函数的均值为一常数,且任何两个随机 变量之间的协方差依赖于它们之间的距离 和方向,而不是它们的确切位置:
2019/11/25
华中农业大学 资源与环境学院
38
套合模型
土壤是一个不均与、具有高度空间异质性的复合 体,它与土壤母质、气候、水文、地形和生物等 因素有关,分析土壤空间变异的因素,可将其变 异分为系统变异(土壤形成因素相互作用造成) 和随机变异(可以观测到的,但与土壤形成印务 无关且不能直接分析的)两大类。如由h分开的两 个点x和x+h的土壤某一性质Z(x)和Z(x+h)。当h趋 近于0时,可以认为两点间的差异完全是由取样和 测定误差造成,当h逐步增大,如h<1m,差异可 能还要加上诸如水分等因素,当h<100m时,在新 的变异要考虑地形的作用。
地统计学(Geostatistics)是20世纪50年代初 在南非采矿业中为了计算矿石储量而发展 应用起来的,首先被采矿工程师Krige和统 计学家Sichel应用于南非的采矿工作中。
50年代后期,法国Matheron在此基础上提出 了区域化变量理论,形成了地统计学的基 本框架。
2019/11/25
2019/11/25
华中农业大学 资源与环境学院
30
有基台值模型—高斯模型
C0:块金常数 C0+C :基台值 C:拱高 3a :变程 当C0=0,C=1时,称为 标准高斯函数模型
3a
2019/11/25
华中农业大学 资源与环境学院
31
三种常用模型比较
0.95
2019/11/25
华中农业大学 资源与环境学院
地统计学和土壤过程的空间建模
利用多源数据模拟土壤发生发展的过程
地统计学和土壤特性的不确定性模拟
土壤属性超过某一阈值的概率
地统计学和土壤过程的时空变异 地统计学与精确农业 土壤综合特性的空间变异性研究
……
2019/11/25
华中农业大学 资源与环境学院
13
样本数据的统计分析和预处理
Cov[Z(x),Z(x h)] E[{Z(x) E[Z(x)]}{Z(x h) E[Z(x)]}] E[{Z(x) m}{Z(x h) m}] E[Z(x)Z(x h) m2 ] C(h)
协方差:两个不同参数之间的方差就是协方差,用于衡量 两个变量的总体误差。而方差是协方差的一种特殊情况, 即当两个变量是相同的情况。期望值分别为E(X) = μ 与 E(Y) = ν 的两个实数随机变量X与Y之间的协方差定义为: COV(X,Y)=E[(X-E(X))(Y-E(Y))] ,若两个随机变量X和Y 相互独立 ,则他们的协方差为0。
在研究区域内,区域化变量的增量[Z(x)-Z(x+h)]的方差对任意x和h存在且平稳
r(h)称为半方差函数,也叫变异函数
本征假设是地统计学中对随机函数的基本假设
事实上,当作用于大区域时,本征假设的第一个条件很难满足,空间 变异的漂移或趋势面可能存在,由于这种漂移,第二个条件也不能满 足,但地统计学理论的基础是本征假设,因此,有必要去认识一个随 机过程是否是平稳性的
条件1: E[Z(x)] m x D
数学期望:反映随机变量取值的集中特征,是随机变量取得数字的代 表数。该条件表示:在整个研究区内,区域化变量的数学期望对任意 x存在,且等于常数
2019/11/25
华中农业大学 资源与环境学院
17
二阶平稳性假设
条件2:在整个研究区内,区域化变量的协方差函 数对任意x和h存在,且平稳,即:
华中农业大学 资源与环境学院
22
变异函数具体计算方法
公式:
值分别是:4,3,4,5,7,9,7,8,7,7,则:
2019/11/25
华中农业大学 资源与环境学院
23
2019/11/25
华中农业大学 资源与环境学院
24
2019/11/25
华中农业大学 资源与环境学院
25
变异函数散点图
2019/11/25
土壤属性的空间分布特征是土壤污染治理、 土地管理和现代农业的重要依据之一。
土壤是一个形态和过程都相当复杂的自然 综合体,成土过程中不同的物理、化学、 生物等因素的影响,使得土壤性质具有高 度的空间异质性。人类活动进一步加剧了 土壤属性的变异性和不确定性。
同时,土壤本身处于一个时刻变化的动态 过程,因此,对土壤空间性质进行描述和 定律研究相当困难。
2019/11/25
华中农业大学 资源与环境学院
21
协方差具体计算方法
设Z(x)为区域化随机变量,并满足二阶平稳 条件,h为两样本点空间分割距离,Z(xi)和 Z(xi+h)分别是Z(x)在空间位置xi和xi+h上的 观测值,则协方差函数的计算公式为:
N(h)是分隔距离为h时的样本对数总数
2019/11/25
2019/11/25
华中农业大学 资源与环境学院
19
平稳假设
就严格性而言: 平稳性假设>二阶平稳性假设>本征假设
本征假设是地统计学中对随机函数的基本 假设
2019/11/25
华中农业大学 资源与环境学院
20
变异函数和协方差函数
变异函数和协方差函数存在以下关系:
r(h) C(0) C(h)
2019/11/25 (d)速效钾
华中农业大学 资源与环境学院
11
地统计学在土壤重金属污染空间变异中的应用
2019/11/25
武汉市东湖高新技术开发区 据:张贝,杨勇,2010
华中农业大学 资源与环境学院
12
1.3 地统计学在土壤科学中的应用展望