基于不同样本分区和模型参数的四川省粮食产量空间化研究

[目的]农业经济统计数据受多种自然条件因素和社会经济条件因素影响,数据空间化难度很大。通过省级尺度粮食产量数据空间化的研究,探索提高农业经济统计数据空间化精度的方法及经验。[方法]以四川省为例,按照不同分区方案(全省不分区、分为5个综合农业分区),选择不同样本数据(县级粮食总产、县级平均粮食产量)为因变量,对应2种耕地类型(水田、旱地)面积数据为自变量,考虑2种模型参数(常数为0和不为0)拟合多元回归模型,对粮食数据进行空间化研究,并选择误差评价因子对空间化结果进行评价。[结果](1)不管采用县级粮食总产还是县平均粮食产量拟合,常数项设置为非0的,均是分区比不分区的结果精度要高;(2)不管采用县级粮食总产还是县平均粮食产量拟合,常数项设置为0的,均是分区比不分区的结果精度要高;(3)对比不分区和分区这2种方法,以县级粮食总产拟合的结果要比县级平均粮食产量拟合的结果精度要高。[结论]在省级粮食产量空间化时,以分县平均粮食产量为基础,划分土地利用类型、划分农业分区并且常数为0时拟合精度最高。在今后的研究中,有必要结合更多的影响因子进行粮食产量的空间化,以提高其数据重构精度。     

粮食产量空间化中4种误差修正方法的对比与分析

[目的]空间化作为一种常用的地学数据处理方法,必然会存在一定的误差,而对空间化结果进行误差修正,可以降低空间化误差。[方法]文章以2005年粮食产量空间化为例,以各地市不同农田类型(水田、水浇地、旱地)面积数据为自变量,以各地市粮食产量统计数据为因变量,进行多元线性回归分析建模。在具体建模时,令常数项为0,将全国分为7个区,各区分别建立回归方程。然后分别利用4种误差修正方法对空间化初步结果进行修正。选取4种误差评价因子,对修正前后的空间化结果的精度进行对比和分析。[结果](1)均值法不能被用于修正空间化初步结果;(2)比例系数法、权重系数法Ⅰ(不同农田类型同一权重)和权重系数法Ⅱ(不同农田类型不同权重)3种方法都可以被用于修正空间化初步结果;(3)利用权重系数法Ⅰ修正后的空间化结果的精度最高,比例系数法次之,权重系数法Ⅱ最差。[结论]误差修正方法对提高空间化精度具有重要影响。该研究虽以粮食产量空间化为例,但所得结论同样适用于其他社会经济统计数据的空间化研究,对以后统计型数据空间化研究具有一定的参考价值和指导作用。     

我国主要粮食作物蓝水用水时序分布图制作

［目的］明确实际蓝水用水的空间分布,有利于用水供需矛盾和水资源短缺分析,为进一步评价蓝绿水的投入量和利用效率,以及合理和高效管理农业水资源提供参考信息。然而目前有关农业用水的数据只有行政单元的统计数据,不利于进行空间分析。发展空间化模型,将统计数据空间化是解决该问题的有效途径。［方法］文章基于蓝水消耗量和蓝水需求量成正比的假设,构建蓝水用水空间化模型,利用气象数据、农业用水统计数据、灌溉农田分布图、主要粮食作物空间分布图、作物系数和生育期数据,生成2003—2012年1km分辨率的我国主要粮食作物（小麦、玉米和水稻）的蓝水用水空间分布图,分析蓝水用水的总体变化趋势以及影响各区域蓝水用水量的主导作物。［结果］（1）华北地区平均蓝水用水量最高。（2）大多数灌溉区蓝水用水量没有显著变化,每年蓝水用水量的标准差低于0004km3。蓝水用水量变化率的绝对值在夏季最大、冬季最小。（3）就各地来说,蓝水用水总量增加趋势最明显的是江苏省,减少趋势最明显的是上海市。（4）就不同作物来说,小麦、玉米和水稻的蓝水用水量增加趋势最明显的分别是江苏、黑龙江、江西,减少趋势最明显的分别是北京和上海。（5）东南沿海地区主要影响蓝水用水量的作物为水稻,在东北及华北地区主要影响蓝水用水量的作物为玉米,其他部分地区主要影响蓝水用水量的作物为小麦。（6）局部验证结果显示该文计算出的蓝水用水量与统计发布的数据存在很高的相关性（R2=095）。［结论］该文发展的蓝水空间化模型可以用于时序蓝水用水分布图的制作,具有一定的应用推广价值。     

太原都市区人口空间分布及演变特征分析

基于土地利用数据和NPP/VIIRS夜间灯光数据构建人口网格化空间模型,并采用人口分布结构指数和空间自相关模型探究2010-2017年太原都市区的人口分布特征及演变趋势。研究发现：①太原都市区人口集中于中、南部地区,且沿汾河两岸分布,2010-2017年都市区的两个核心间联系大大加强;②2010-2017年,太原都市区人口分布趋于分散不均衡态势有所减弱;③太原都市区人口空间分布具有显著的空间自相关性。