空间抽样模型研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

空间抽样模型研究

项目名称：空间抽样模型研究
项目类别：面上项目
批准号：40471111
申请代码：D010701
项目来源：国家自然科学基金
研究期限：2005-01-01-2007-12-31

项目负责人：王劲峰
负责人职称：研究员
依托单位：中国科学院地理科学与资源研究所
批准年度：2004

中文摘要：

空间数据采集是地学研究的第一步，抽样相对于普查具有速度快、成本低、累计误差小的特点。空间数据的不同抽样策略对最终结果有很大影响，有时甚至导致分析结论相反；更高效率的采样理论是地学野外调查所期望使用的。本项目在已有研究基础上着重于扩展我们提出的、已有一定国际影响的（如Haining R, 2003, Spatial Data Analysis，Cambridge University Press书中专门提到我们在空间抽样方面的研究）遥感耕地抽样调查模型，将其改造成适用于各种地学应用的广义Sandwich空间抽样模型，建立样本层、知识层及报告单元三层叠合的抽样结构和传递函数，进行多类型地学调查试验，为其使用奠定坚实的理论和应用基础。该模型有望应用到以下领域遥感数据结合地面实地调查的大面积农情速报、环境土壤生态调查、河流水质等地学空间数据抽样；土壤和地质剖面等时间序列抽样。

中文主题词：地学空间对象；先验知识；空间抽样；信息传递函数；精度

英文摘要：

spatial sampling;heterogeneity

英文主题词： spatial sampling;heterogeneity

结论摘要：

空间数据采集是地学研究的第一步，抽样相对于普查具有速度快、成本低、累计误差小的特点。空间数据的不同抽样策略对最终结果有很大影响，有时甚至导致分析结论相反；更高效率的采样理论是地学野外调查所期望使用的。该模型有望应用到以下领域遥感数据结合地面实地调查的大面积农情速报、环境土壤生态调查、河流水质等地学空间数据抽样；土壤和地质剖面等时间序列抽样。通过三年研究，取得如下成果（1）提出"广义的Sandwich sampling model" （2）提出"kriging spatial mean of non stationary surface" （3）提出"最优分层算法" （4）提出"surface - sampling - estimation 三位一体的空间抽样策略" （5）完成空间抽样软件原型SSSp （6）撰写SCI论文20余篇（含已发表、已录取待发表、在审）

成果综合统计