Geography: Precision agriculture

Introduction

精准农业（或称卫星种植、定点作物管理）建立在监测、测量和反馈作物田间和内部诸多变化基础上的种植管理概念。在保护资源并提高收益要求下，精准农业的研究目的是为整体种植管理建立决策支持系统。

众多途径中，地植物学方法表现地形属性紧密地与多年的作物生产稳定性/特征相联系。地植物学方法的专长可追溯到地形因素对大田水分的显著作用。

精准农业已经伴随着GPS和GNSS应用而开启。农场主和研究人员已经可以在地图上表现很多的可测量的空间变动（产量，地形/拓扑关系，有机物含量、湿度等）。

精准农业业已开展，比如，它借助于收割机上的GPS估算产量，变动率技术诸如播种机、喷灌机等，以及一系列地能够测量从叶绿素水平至植物水分状态的传感器，多光谱和超光谱的航空和卫星影像，并制作NDVI地图产品。

精准农业概念出现在1980年代早期的美国。1985年，University of Minnesota研究人员在大田布设不同程度的石灰。同时还出现了网格化采样（每公顷固定一个采样点）。直到1980年代末期，这项技术才首次作为肥料和pH纠正的推荐图件。产量传感器的利用自新技术出现即被应用，它结合了GPS接收器。今天，此类系统已经覆盖数百万公顷农田。

在美国中西部，精准农业与可持续农业关联不大，但是那些在农田使用肥料而希望最大化收益的主流农场主比较关心的。依据GPS导航或代表性采样结果，农田肥料可以适用在需要的地方。由于肥料可能会使用在并不需要的地方，而精准农业则将肥料使用在合适的地方，从而优化肥料的利用。

纵观世界，精准农业已经发展非常多样。先进国家是美国、加拿大和澳大利亚。在欧洲，英国是第一个紧跟的国家，紧随其后是法国，当地最早在1997~1998年出现。在拉美，最先进国家是阿根廷，出现在1990年代中期获得了国家农业技术研究所支持。巴西的农业实践在环境保护下发展为高效生产，因而Embrapa建立了巴西精准农业研究网络，研究包括豌豆、玉米、小麦、水稻等。GPS和变化率分布技术有助于定位精准种植管理实践。GPS应用非常广泛，一直应用在精准农业服务，它提供了大田水平的优化地图。精准农业，正如该名称表面文字，意味着一些列精准和正确的投入，如水、肥料、杀虫剂等在正确时间为提高生产力和最大化产出。精准农业管理实践能够显著地增加产量时减少大量的营养和作物投入。由此，农场主因节约简易和肥料成本而获得更多收入。

其次，目标投入的较大规模的收益对环境会产生作用，空间、时间和数量。做好在正确的时间和地点投入恰当的投入有益于作物、土壤和农场主。可持续农业寻找确实的食物不间断供给，生态、经济和社会的限制要求长期的可持续生产。因此，精准农业寻找利用高科技系统是它的追求目标。

References

[1] Precision agriculture, from Wikipedia, the free encyclopedia.

Geography: An ecological security evaluation method

Abstract

内蒙古草原坐落在全球气候变化的敏感地带。当地是风沙的重要生态屏障，也具有中国能源和矿业资源开发的战略重要性。为了描述资源开采对内蒙古典型草原生态安全的影响，我们基于生态足迹概念发展了消费足迹压力指数和生产足迹压力指数，并且开发了生态足迹贡献指数，它评估资源和产品从输入到输出当地所产生的压力情况。利用这些指数，我们开发了一对生态安全评价模型估算典型草原生态安全水平。我们用模型计算CFPI、PFPI和EFCI。我们发现CFPI和PFPI在大多数地区的全部评价时间均在增长。此外，EFCI总是正数，这说明典型草原生态安全主要受到电力和产品输出过程的影响。我们的结果显示生态安全自2005年开始处于严重风险状态。

Results

生态足迹和生态承载力的变动

全国能源核算因贸易而应该修正，生态足迹核算也是如此，部分来自能源消费的碳足迹应该扣除作为能源且生产输出商品的生态足迹，而输入产品的碳足迹应该加上。然而，研究区的进出口数据因行政区过小而不能获取，因而贸易对生态足迹的作用将干扰消费足迹的消费大小，但我们利用生产和消费足迹比较将能够计算生态足迹净输入或净输出，然后判断生态安全压力是来自资源输出还是过度消费。研究区生产生态足迹和消费生态足迹见于图 2和3，他们在2001到2010年大幅增长。2010年生产足迹是2001年的1.81倍，社会经济发展加速了食品生产和电力生产，尤其是在锡林浩特市；生产足迹的增长相应地加速。锡林浩特市生产足迹增长率高于其他地区，占到2010年全部生产足迹的38.5%。消费足迹比之2001年增长4.51倍，因之区域生活标准的提升。生态承载力变化不大，原因在于草原主要的生产性土地类型是草地，它在评价时段变化不大。

生产足迹在2001~2010年之间高于生态承载力，这两者之间的差距就意味着生产过度消耗了当地自然资源导致了生态过载。2001~2004年消费足迹低于生态承载力，这说明利用的资源和生产的废物是在生态承载力的可承受范围的，当地是比较安全的，并且这里还有潜在的额外发展空间。然而，之后的消费足迹就高于生态承载力，指示典型草原正经历着生态赤字，因为资源需求不能被当地供给（生态承载力）所满足。自从其他地区小规模的输入开始，当地就必须为了满足较高的本地需求而过度利用本地资源。

CFPI、PFPI和EFCI的变化

通过我们成对的生态安全评价模型，我们基于相应的统计数据计算了每个区域的生态承载力和生态足迹，并且用到了CFPI、PFPI和EFCI数值分析四个区域。

我们的结果显示全部研究区在2005~2010年非常危险，2001~2004年是危险的。阿巴嘎旗直到2009年一直是危险，仅2010年达到非常危险……依据消费足迹和生产足迹在不同土地利用类型的变化分析，我们发现风险主要来自以生产足迹为代表的放牧用地，鉴于典型草原覆盖研究区88%的区域，生态承载力变化再0.8~0.84之间，但它远小于生产足迹1.38~1.96；对于消费足迹，风险主要来自碳释放土地，它增长了14.8倍，由于能源消费需求，社会经济发展导致二氧化碳排放。

大部分EFCI数值大于0，除2002~2010年的新林浩特，2008年的西乌珠穆沁旗和整个研究区，2010年的东乌珠穆沁旗。这说明生态安全主要由PFPI决定，由于PFPI增长，生态安全压力由区域外明显地增长已经威胁到当地的生态安全。EFCI在研究区有下降趋势，它表明尽管生态安全的威胁来自于资源的生产，但生态安全的外部压力已经在改变内部压力。锡林浩特市EFCI数值在2001年之后小于0，说明当地的生态安全主要是CFPI决定。当地的消费结构应该调整为增加更多的外部资源输入，并为降低CFPI而减少本地资源的过度消费，以及生态赤字。

References

[1] Li, X.; Tian, M.; Wang, H.; Wang, H.; Yu, J. Development of an ecological security evaluation method based on the ecological footprint and application to a typical steppe region in china. Ecological Indicators 2014, 39, 153-159.

Geography: 自然资源学

Introduction

通过长期的生产实践与科学研究，人民逐渐认识到自然界的任何成分都不是孤立存在的。它们相互联系、相互作用、相互制约，构成具有一定结构和功能的系统。

生态系统的一些基本理论，特别是它的整体观（holism）、综合观（synthesis）以及结构（组成、空间、时间、营养）、功能、动态与演替等方面的理论，对自然资源的研究有着重要意义。

人类不可能在改变一种自然资源或生态系统中某种成分的同时，又使其周围的环境保持不变。

生态学第一定律即生态反冲原理（first law of ecology，or principle of ecological backlash）人类在自然界中所做的每一件事都会产生一定的后果。

生态学第二定律即生态关联原理（second law of ecology，or principle of chemical interrelatedeness）：自然界的每一件事物都与其他事物相联系，人类的全部活动亦处于这种联系之中。

生态学第三定律即化学上不干扰原则（third law of ecology，or principle of chemical non interference）：人类产生的任何化学物质都不应干扰地球上的自然事物地球化学循环，否则地球上的生命支持系统将不可避免地退化。

References

[1] 蔡运龙. 自然资源学原理（第二版）. 北京: 科学出版社, 2007.

The Four Laws of Ecology

Formulated by physicist and ecologist, Barry Commoner.

1. Everything is connected to everything else. There is one ecosphere for all living organisms and what affects one, affects all.
2. Everything must go somewhere. There is no "waste" in nature and there is no "away" to which things can be thrown.
3. Nature knows best. Humankind has fashioned technology to improve upon nature, but such change in a natural system is, says Commoner, "likely to be detrimental to that system"
4. There is no such thing as a free lunch. Exploitation of nature will inevitably involve the conversion of resources from useful to useless forms.

Barry Commoner. The Closing Circle: Nature, Man, and Technology (1st Edition). New York: Random House Inc., 1971.

The Four Laws of Ecology: The Clearest Explanation of What Ecology Really Means.

Geography: Biogeochemical cycle

Introduction

在地球科学中，一个生物地球化学循环，或称物质周转、物质循环，是一条化学物质在生命（生物圈）或无生命（岩石圈、大气圈和水圈）之间流转的路径。一个循环带来一系列地变化，这种变化将回到起点并可以重复。例如，水一直都在水循环之中。水一直在蒸发、冷凝和降水，又回到了地面。元素（化合物）和其他物质形式经过一种有机物至另一种，从生物圈的一部分经生物地球化学循环转变为另一部分。

词汇“生物地球化学”告诉我们涉及到生物的、地质的和化学的因素。化学营养循环如碳、氧、氮、磷、钙和水等经生物的和物理的世界是已知的生物地球化学循环。实际上，元素在一些循环中是循环再利用的，一些地方（称为储藏地）是元素长时间积累或持有之地（例如水在海洋或湖泊）。

最广为人知和重要的生物地球化学循环诸如：

• 碳循环
• 氮循环
• 氧循环
• 磷循环
• 硫循环
• 水循环
• 岩石循环

许多生物地球化学循环目前作为气候变化而首次研究，并且人类影响力剧烈地改变着速度、强度和这些相对未知循环的平衡。一些最新的地球化学循环包括：

The Mercury Cycle

人为原因的除草剂循环，它可能影响特定的物种。

生物地球化学循环一直围绕着热平衡状态：它是元素在不同物质之间的循环平衡。然而，总体平衡是包含全球范围的物质之间的平衡。 作为描述全球物质运动的生物地球化学循环，这些研究本质上是多种学科。碳循环可能涉及生态学和大气科学。生物化学动态也可能涉及地质和土壤学领域。

The Water Cycle

水循环描述水在大地表面、之上和之下的连续运动。地表的总体水量基本是稳定的，但水区分为主要的储量方式——冰、淡水、咸水和大气水则因一系列气候变量而发生变动。水通过物理过程（蒸发、冷凝、降水、下渗、地表径流和地下潜流）从一种储量形式转变为其他，诸如从河水至海水、或者从海水至大气，在这种条件下，水经历不同的阶段：液态、固态（冰）和气态。

水循环涉及能量交换，它导致温度发生变化。比如，水蒸发时，它从周围带走能量并降低了环境温度。当水冷凝时，它释放能量并加热环境。这些热量转换影响气候。 循环中的蒸发阶段提纯了水，而后再补充到陆地的淡水资源。液态水和冰的流动全球运移矿物质。同时它还通过侵蚀和沉积过程塑造着大地的地理特征。水循环对于地球上大部分生命和生态系统都至关重要。

太阳驱动水循环，加热海洋水分。水蒸发后以水蒸气形式进入大气。冰雪升华直接成为水蒸气。蒸散是水从植被蒸发以及从土壤中散失。水蒸气的分子式是H2O，它的密度小于大气的主要组分氮气和氧气。由于显著的分子量差异，水蒸气以气体形式在自由大气环境因浮力而升高。然而，因海拔升高，大气压力随之下降，温度也有下滑。较低的温度促使水蒸气冷凝形成小水滴，重于空气，排除上升气流支撑如此便形成降水。这些大气中的小水滴达到很高的浓度后就形成可见的云。若水蒸气在近地面附近它会形成雾，原因在于湿润空气和寒冷空气碰撞或者大气压力的突然下跌。气流带动水蒸气在全球移动，云微粒碰撞、变大，作为降水自上层大气降落下来。一些降水形成雪、冰雹或雨夹雪，可以积累形成冰盖或冰川，这种冰冻水可储量千年。大部分水最终回到海洋，或降水回到大地，水流过地表就形成地表径流。一部分高山峡谷的径流进入河流，并且洪流带动水流向海洋。径流和地表水可能在以淡水形式储存在湖泊。并不是全部径流都流向河流，为数不少的水分会下渗至地面之下。一些水会下渗至地下更深，补充含水层，含水层能够长时间的保存水。一些下渗的水靠近大地表层，可以渗出至地表水体补充地表水。一些地表水又通过地表的通路返回地面形成淡水泉。在河谷和洪水冲击平原通常在表面水和地下水之间有连续的水分交换。随时间流逝，水回到海洋，继续进行水循环。

The Carbon Cycle

碳循环次序是CO2在大气、光合、呼吸、燃烧，碳储存在糖、呼吸和燃烧。

碳循环是生物地球化学循环之一，碳在地球生物圈、土壤圈、岩石圈和大气圈中进行交换。伴随氮循环和水循环，碳循环包含一系列关键的保持地球维持生命的事件；它描述生物圈可循环和可再利用的碳的运动，包括碳沉降。碳发现于1776年，当时Charles Wichmann已经观察了3年的循环。

全球碳收支是碳在多种碳库之间或一个特定循环之间（大气圈和生物圈之间）的收入与支出平衡。一个有效容器的碳收支检验可以回答该有效容器的作用是二氧化碳的源还是汇。

The Nitrogen Cycle

氮循环是生物地球化学循环之一，碳被转换为多种化合物形式，并在大气、陆地和海洋生态系统中循环。碳转换可在生物和物理过程中进行。氮循环重要的过程包含固定、氨化、硝化和反硝化。地球大气的主要成分有78%是氮，它就成为了最大的氮库。然而，大气中的氮却不易被生物利用，导致生态系统许多类型的氮缺乏状况。氮循环是生态学家特别关注的领域，它的利用效率直接影响关键生态系统过程的效率，包括主要生产和分解。人类活动如化石燃料燃烧、氮肥料的人工利用、废水中的氮释放已经剧烈地改变了全球氮循环。

当前的氮元素在环境中广泛地存在于许多化合物中，包含有机氮、氨、亚硝酸盐、硝酸盐、氧化亚氮、一氧化氮或无机氮气。有机氮可能在于一个生命体内、腐殖质或有机物分解的中间物质之中。氮循环过程转换一种形式至另一种。这些过程许多需要配合微生物，或者收割能量或者以为生长必须的形式积累氮元素。

The Oxygen Cycle

氧循环是生物地球化学循环之一，主要有三个储量库：大气、生物圈（所有生态系统的全球总和）的全部生物物质和地球的地壳。水圈是不可以进行氧循环的（水混合物可见于地球表面的任何地方），原因在于含氧量低区域的开发。氧循环的主要驱动因子是光合作用，它对于现代大气和生命至关重要。

The Phosphorus Cycle

磷循环是生物地球化学循环之一，它描述磷在岩石圈、水圈和生物圈的运动。不似其他的生物地球化学循环，大气圈并没有对磷运动发挥显著的作用，因为地球上的磷和磷化合物通常在典型的温度和压力之下是固体。磷化物的气态产品只能在特定地区的条件下产生。

在大地上，数千年来磷逐渐地不易被植物所利用，因为它在径流中会缓慢的流失。土壤中低浓度的磷元素减缓植物生长，也减缓土壤微生物生长，这已在许多土壤微生物研究中得到证实。土壤微有机物发挥磷源或磷汇作用。本地的磷转化是化学的、生物的和微生物的：是长期主要的全球循环；然而，地质时期的构造运动是驱动因素。

人类已经通过磷矿物的运输极大改变了全球磷循环，同时食物从农场至城市的运移使得磷元素从一地流失。

The Sulfur Cycle

硫循环是多种过程的集合，它从矿物中提取并转移。这样的生物地球化学循环在地质中很重要，因为它影响到许多矿物质。生物化学循环对生命非常重要，硫是基础元素，是为许多蛋白质和合作因子的基础。

硫循环的步骤：

• 有机硫矿化作用转变为无机形式，例如硫化氢、硫单质、还有硫矿物
• 氧化作用转变硫化氢、硫化物和硫单质为硫酸盐
• 硫酸盐下降为硫化物
• 硫化物协同作用转变为有机化合物（包括含有金属的衍生物）

The Rock Cycle

地质学中岩石循环是一个基本概念，它讲述三种主要岩石类型在地质时间的流变：沉积岩、变质岩、岩浆岩。任一类型岩石都会在失去自身条件均衡的前提下而变化或毁灭。岩浆岩如玄武岩可能因暴露在大气中或大陆撞击而破碎和分解。由于岩石循环、板块构造和水循环的驱动力作用，岩石不再保持均衡，被迫因新环境而变化。

References

[1] Biogeochemical cycle, from Wikipedia.

[2] Water cycle, From Wikipedia.

[3] Carbon cycle, From Wikipedia.

[4] Oxygen cycle, From Wikipedia.

[5] Phosphorus cycle, From Wikipedia.

[6] Sulfur cycle, From Wikipedia.

[7] Rock cycle, From Wikipedia.

Matlab: Gravity Model for Some Value

Gravity Center

某指数的空间重心可以由以下公式直接算出：

\[X = \frac{{\sum\limits_{i = 1}^n {{W_i}{X_i}} }}{{\sum\limits_{i = 1}^n {{W_i}} }}\] \[Y = \frac{{\sum\limits_{i = 1}^n {{W_i}{Y_i}} }}{{\sum\limits_{i = 1}^n {{W_i}} }}\]

式中：X、Y为重心的经度（横坐标）、纬度（纵坐标）；W为某指数；n为参与计算的指数数量。

Movement Distance

重心转移距离可以由以下公式直接算出：

\[D = \sqrt {{{\left( {{X_{t1}} - {X_{t2}}} \right)}^2} + {{\left( {{Y_{t1}} - {Y_{t2}}} \right)}^2}} \]

式中：D为重心转移距离；t1、t2为前后两个时间。

File.rar.

References

[1] Yingbin He, Youqi Chen, Huajun Tang, et al.. Exploring spatial change and gravity center movement for ecosystem services value using a spatially explicit ecosystem services value index and gravity model[J]. Environmental Monitoring and Assessment, 2011, 175:563–571.

[2] Caiyao Xu, Lijie Pu, Ming Zhu, et all.. Ecological Security and Ecosystem Services in Response to Land Use Change in the Coastal Area of Jiangsu, China[J]. Sustainability, 2016, 8(8): 1~24.

[3] 孙东琪, 张京祥, 朱传耿等. 中国生态环境质量变化态势及其空间分异分析[J]. 地理学报, 2012, 67(12): 1599~1610.

Data: Global DEM Data

Introduction

全球范围的DEM数据介绍。

GMTED2010

GMTED2010（Global Multi-resolution Terrain Elevation Data）. These data have been collected from a variety of sources using aggregation methods. These datasets are best used for working at the continental scale and with very large regions. 7.5 Arc Sec (225m), 15 Arc Sec (450m), and 30 Arc Sec (1km).数据源主要来自SRTM，占比接近70%。

SRTM

SRTM（Shuttle Radar Topography Mission）. 数据在2000年采样。第一版是90m空间分辨率，第二版是30m分辨率。 Downlink: http://viewfinderpanoramas.org/Coverage%20map%20viewfinderpanoramas_org3.htm

ASTER GDEM2

数据是30m空间分辨率。采样时间似乎是2000年。

AW3D30

AW3D30（ALOS World 3D - 30m）. 数据是30m空间分辨率。

ALOS DEM[updated 2020-11-14]

数据是12.5米，一个下载的介绍，这是一个视频。

GEBCO (450m)[updated 2025-04-26]

下载链接.

References

[1] GMTED2010 – Global Multi-resolution Terrain Elevation Data, Yale.

[2] GMTED2010 Open-File Report 2011-1073.

[3] U.S. Releases Enhanced Shuttle Land Elevation Data.

[4] ASTER Global Digital Elevation Map Announcement.

[5] Free Global DEM Data Sources – Digital Elevation Models.

[6] ALOS Global Digital Surface Model "ALOS World 3D - 30m" (AW3D30).

Matlab: 区域重叠

Introduction

30 m影像数据重采样至1000 m（以下代称A）可能与其他1000 m影像（以下代称B）在有效区域上不完全匹配，Fig. 1上绿色是共同覆盖区域，差别在于边缘，上方蓝色表示B覆盖而A没有，下方红色表示A覆盖而B没有。

Fig. 1

对于这些边缘的填充处理可以参考：众数插值。

File.rar.

Geography: 内蒙古牧区白灾监测及判定

Introduction

雪灾因雪而成，频繁的大雪、暴雪，特别是由此所引起的积雪，是形成白灾的主要因素。冬天，如果降雪过大、积雪过厚，牧草被大雪掩埋，这就是牧业上的“白灾”。白灾主要由雪大而引起，但灾情却不单纯决定于降雪量。积雪厚度和持续时间，牧草的丰欠、牲畜的体质、草场再续状况等都对灾情有重大影响（宫德吉, 2000）。

基于2003~2012年的监测资料，内蒙古最大积雪面积出现在每年的一月份，最小面积是每年的十月份，内蒙古地区积雪面积随时间呈现微减少趋势；初雪日期不断推后，同时终雪日期逐渐提前，积雪持续时间在显著减少；平均雪深表现稍微缓慢减少的趋势（萨楚拉, 2015）。

积雪深度是由降雪量决定的，因此以当地冬季降雪距平百分率和积雪深度为指标，来确定白灾标准，将白灾分为一般白灾、严重白灾、特重白灾三级。一般白灾对畜牧业生产危害不大，采取适当措施可避免灾害损失；严重白灾对畜牧业生产构成一定危害，需采取救助措施，以避免或减少灾害损失；特重白灾对畜牧业生产和人民生命财产构成严重危害，需采取统筹救援措施，以减少灾害损失。另外，还考虑到随着生产结构的调整、抗灾能力的提高、白灾造成的损失相应降低等因素，将白灾标准做了相应调整，具体指标为（刘志刚和王英舜, 2006）：

一般白灾：11月至翌年2月降雪距平百分率≥20%或连续两个月降雪距平百分率≥50%，5 cm积雪日数≥30 d。

严重白灾：11月至翌年2月降雪距平百分率≥50%或12月和翌年1月降雪距平百分率≥250%，5cm积雪日数≥90 d。

特重白灾：11月至翌年2月降雪距平百分率≥100%，5cm积雪日数≥90 d。

对于上述白灾判定标准，降雪量可以冬季的降水记录量度（实际观测中，雪融化为水后的降水记录），但对于积雪日数的观测记录还比较缺乏，积雪日数不能作为评估长时间序列积雪深度的有效指标。因此，仅依靠降雪距平百分率判定的白灾等级或有可能与实际情况之间存在出入，尤其是那些常年降雪量较少的地区，一旦遇到稍大的降雪过程，虽不至于形成雪灾，但从降雪距平百分率来看，容易达到白灾划分的等级，所以“5 cm积雪日数”这一标准也是重要的。考虑至此，若在一定地理范围使用依据降雪距平百分率的白灾判定标准，则应慎重考虑“一定地理范围”牧草的高度及温度等方面的空间异质性，若这“一定地理范围”都曾在历史上有过白灾发生记录，不妨按照“像元级”水平计算得出这“一定地理范围”的降雪距平百分率。

降水记录表示降雪量，于是降水距平百分率公式如下：

\[{P_a} = \frac{{P - \overline P }}{{\overline P }} \times 100\% \]

式中：P是观测降水量；Pbar是降水量多年平均值。

降水量多年平均值的计算应避免极端事件的干扰（离群值），因此计算范围选择降水量由低至高在5~95%区间的数值记录，从而得出降水量多年平均值。

References

[1] 宫德吉, 李彰俊. 内蒙古大（暴）雪与白灾的气候学特征[J]. 气象, 2000, 26(12): 24-28.

[2] 萨楚拉. 内蒙古草原牧区雪灾监测与风险评价研究[D]. 呼和浩特: 中国农业科学院草原研究所, 2015.

[3] 刘志刚, 王英舜. 内蒙古锡林郭勒盟牧业气候区划[D]. 北京: 气象出版社, 2006.

Matlab: 众数插值

Introduction

土地利用覆盖分类矩阵也就是土地利用图，年代之间可能对应的空间范围有点点差异，尤其是边界地带可能不一致，这种不一致是指个别年份在这些地带无数据，像元数值是背景值，这给下面的多年分析就带来不便。如Fig. 1，左边是土地利用类型图，有限区域像元数值表示一定的土地类型，研究区之外表示无效区域以数值-99表达，右边是有效研究区范围的无数据地带，在左边以0数值表达。

Fig. 1

这里尝试以这类无数据像元毗邻的众数填充，规定毗邻的范围是八邻域（Fig. 2），八邻域之中频率高者即是该无数据像元的填充数值。个别极端情况下，某无数据像元毗邻八邻域均是无效区域或无数据像元，此时的邻域须向外围扩展一圈（如Fig. 2外围白色的像元），或再扩展一圈，直至可以得到有效的邻域数值为止。

Fig. 2

经此处理过程，土地利用图件的有效区域范围就不存在无数据像元了。

Example.rar.

Ecology: Noosystem

Ecology is here defined as that scientific discipline which attempts to elucidate the structure, functions, and behaviour, of ecological systems, whereas environmental science is characterized as an interdisciplinary science that attempts to measure and evaluate the impact of Man on the structure effectiveness of social and ecological systems, and the effectiveness of management of these systems for Man's benefit and survival. Further, the influence of Man's socio-econmic system on ecosystem dynamics can no longer be ignored. The noosystem concept would include not only the study of the structure and function of Nature, but would also embrace the social, economic, and cultural, influences on ecological systems (i.e. the noosystem concept would attempt to include biological, physical, and social science, influences and interrelationships) (Barrett, 1984).

The noosystem should be recognized as the basic unit of study for integrating biological, physical, and socioeconomic parameters within a holistic, systems framework (Barrett, 1985). Thus, ecologists ignore the human systems; decision makers ignore the ecological systems.

自然界是个生命生生不息的与物质循环不已的再生系统，环境是人类和生物生存的空间，在此空间内充满着多种不同结构和运动状态的物质，其中包含有生命的有机体和无生命的无机物，有人类赖以生存的水、气、光和营养物等基本因素，亦有侵害人体健康的生物和非生物，彼此结合或相互排斥。人类在长期进化过程中，一方面产生了适应环境变化的生存机能，同时人类活动亦不断地作用于环境，受人类影响的环境又反转来作用人类。所以，人类与其生活环境是个不可分割的网络体。随着人类活动范围的日趋广泛，人类与环境之间的作用与反作用事态，亦相应突出。所以，要解决现代的环境问题，则涉及社会经济结构，科学教育文化水平，乃至人类的心理状态等一系列因素，其中有有序的和可计量的确定性变量，亦可能是无序的和非确定性的随机变量，甚至涉及本国以外的某些经济活动状态，这就是当前环境问题的社会经济学特点（马世骏, 1981）。

By bringing the noosphere into a discussion of the biospheric crisis, we are recognizing that unless we bring our minds to bear on the meaning and nature of the noosphere that we will not solve the biospheric crisis (Noosphere Article).

生态学理论被认为是人类寻求解决当代重大社会问题的科学基础之一。在当代若干重大社会问题中，无论是粮食、能源、人口和工业建设所需要的自然资源及其相应的环境问题，都直接或间接关系到社会体制、经济发展状况以及人类赖以生存的自然环境。近年来，随着城市化的发展，城市与郊区环境的协调问题亦相应突出。虽然社会、经济和自然是三个不同性质的系统，都有各自的结构、功能及其发展规律，但它们各自的存在和发展，又受其它系统结构、功能的制约。此类复杂问题显然不能只单一地看成是社会问题、经济问题或自然生态学问题，而是若干系统相结合的复杂问题，我们称其为社会—经济—自然复合生态系统问题 (马世骏, 王如松, 1984)。人类社会的经济活动，涉及生产加工、运输及供销。生产与加工所需的物质与能源仰赖自然环境供给，消费的剩余物质又还给自然界。通过自然环境中物理的、化学的与生物的再生过程，供给人类生产需要。人类生产与加工的产品数量受自然资源可能提供的数量的制约。此类产品数量是否满足人类社会需要，做到供需平衡，而取得一定的经济效益，则决定于生产过程和消费过程的成本、有效性及利用率。显然，在此种循环不已的动态过程中，科学技术奖发挥重要作用。因此，在成本核算和产品价值方面通常把科技投资及环境效益亦计算在内。在此类复合系统中，最活跃的积极因素是人，最强烈的破坏因素也是人。因而它是一类特殊的人工生态系统，兼有复杂的社会属性和自然属性两方面的内容：一方面，人是社会经济活动的主人，以其特有的文明和智慧驱使大自然为自己服务，使其物质文化生活水平以正反馈为特征持续上升；另一方面，人毕竟是大自然的一员，其一切宏观性质的活动，都不能违背自然生态系统的基本规律，都受到自然条件的负反馈约束和调节。这两种力量间的基本冲突，正是复合生态系统的一个最基本特征。

File.rar.

Reference

[1] GW. Barrett. Applied Ecology: An Integrative Paradigm for the 1980s. Environmental Conservation, 1984, 11(4): 319~322.

[2] GW, Barrett. A Problem-Solving Approach to Resource Management. BioScience, 1985, 35(7): 423~427.

[3] 马世骏. 生态规律在环境管理中的作用. 环境科学学报, 1981, 1(1): 95~100.

[4] 马世骏, 王如松. 社会—经济—自然复合生态系统. 生态学报. 1984, 4(1): 1~9.

[5] Noosphere Article.

[6] Noosphere, from Wikipedia, the free encyclopedia.

Geography: 全时空评价

Introduction

开贴记录地理空间数据的全时空评价。全时空评价，指多时相的评价最终合成单一图景的时空评价结果，与之对应的是 多时空评价。

评价方法来自灰靶决策，权重方法来自时序多指标综合评价方法。

Example

示例以多年七月的NDVI及降水数据组成多指标、多时相的空间数据，这里为了说明全时空评价，简化评价过程，仅以他们的最大值1、380.9100为灰靶靶心计算各自的靶心系数。

全时空评价结果如Fig. 1，图上非常清晰的黄点是一片湿地，常年无植被被覆盖，NDVI数值较低，导致全时空评价得分小于其他地区。

Fig. 1

File.rar.

References

[1] Math: 时序多指标综合评价方法.

[2] 刘贵文, 贺玲, 周滔. 中国房地产市场发展潜力评价——基于时序多指标综合评价方法. 科技进步与对策. 2010, 27(19): 153~157.

Geography: Population

Population Density

人口的空间分布是指一定时点上人口在各地区中的分布状况，是人口过程在空间上的表现形式。一般县域尺度的人口密度计算方法，依像元分解思路，低分辨率像元被视为由高分辨率像元组合而得，低分辨率像元中的人口数量是高分辨率像元中人口之和，计算公式如下：

Fig. 1

\[{P_{ij}} = \sum\limits_{k = 1}^n {{a_k} \cdot {x_{ij,k}} + {B_{ij}}} \]

式中，P_ij表示Coarse数据像元的ith行jth列像元之人口；a_k表示当地第k类土地利用类型的人口系数（inhabitant/km²）；x_ij,k表示Coarse数据像元的ith行jth列像元之中第k类土地面积（km²），此处的面积对应Fine resolution；k对应Fine resolution数据的土地利用类型数量。基于“无土地则无人口”的现实情况，作为截距的B_ij应设置为0。

在实际情况中，人类生产、生活的必需条件就决定其不可能在一定海拔或坡度之上仍有较大的人口分布，所以当以上式得到人口分布数据之后，还要对一定海拔、坡度等地区进行修正，使之能够更接近于合理的人口分布情况。

最终，一定区域（行政区）内的人口密度之和应与当地的总人口相符。

File.rar.

pop.rar.

References

[1] 江东, 杨小唤, 王乃斌, 等. 基于RS、GIS的人口空间分布研究. 地球科学进展, 2002, 17(5): 734~738.

[2] Yang, Huang, Dong, et al.. An updating system for the gridded population database of China based on remote sensing, GIS and spatial database technologies. Sensors, 2009, (9): 1128~1140.

[3] 杨小唤, 江东, 王乃斌, 等. 人口数据空间化的处理方法. 地理学报, 2002, 57(Supp.): 70~75.

Geography：The Fraction of Vegetation Cover

Introduction

植被的动态通常是指在植被组成和结构不发生显著改变情况下的周期性变化，如植被的物候变化、植被覆盖度的变化、初级生产力的变化等。植被的演变通常是指植被组成和结构发生显著改变情况下的非周期性变化或长期变化，主要变现为植被的演替和植被带的移动等。

植被覆盖度的三个半经验公式：

\[f = 1 - {\left( {\frac{{NDV{I_\infty } - NDVI}}{{NDV{I_\infty } - NDV{I_S}}}} \right)^{0.6175}}\]

where NDVI_∞ and NDVI_S are the NDVI for vegetation with infinite LAI and bare soil, respectively.

\[f = {\left( {\frac{{NDVI - NDV{I_S}}}{{NDV{I_\infty } - NDV{I_S}}}} \right)^2}\] \[f = \frac{{NDVI - NDV{I_S}}}{{NDV{I_\infty } - NDV{I_S}}}\]

Reference

[1] 陈效逑, 王恒. 1982~2003年内蒙古植被带和植被覆盖度的时空变化[J]. 地理学报, 2009, 64(1): 84~94.

[2] Zhangyan Jiang, Alfredo R. Huete, Jin Chen, et al.. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction[J]. Remote Sensing of Environment, 2006, 101(3): 366~378.

Geography: Slope

How Slope works

For each cell, the Slope tool calculates the maximum rate of change in value from that cell to its neighbors. Basically, the maximum change in elevation over the distance between the cell and its eight neighbors identifies the steepest downhill descent from the cell.

Conceptually, the tool fits a plane to the z-values of a 3 x 3 cell neighborhood around the processing or center cell. The direction the plane faces is the aspect for the processing cell. The lower the slope value, the flatter the terrain; the higher the slope value, the steeper the terrain.

If there is a cell location in the neighborhood with a NoData z-value, the z-value of the center cell will be assigned to the location. At the edge of the raster, at least three cells (outside the raster's extent) will contain NoData as their z-values. These cells will be assigned the center cell's z-value. The result is a flattening of the 3 x 3 plane fitted to these edge cells, which usually leads to a reduction in the slope.

Fig. 1

Fig. 2

The Slope algorithm

Slope is commonly measured in units of degrees, which uses the algorithm:

\[slope\_\deg rees = \frac{{180}}{\pi } \times {\rm{ATAN}}\left( {\sqrt {{{\left( {\frac{{dz}}{{dx}}} \right)}^2} + {{\left( {\frac{{dz}}{{dy}}} \right)}^2}} } \right)\]

The rate of change in the x direction for cell e is calculated with the following algorithm:

\[\frac{{dz}}{{dx}} = \frac{{\left( {c + 2f + i} \right) - \left( {a + 2d + g} \right)}}{{8 \cdot x\_cellsize}}\]

The rate of change in the y direction for cell e is calculated with the following algorithm:

\[\frac{{dz}}{{dy}} = \frac{{\left( {g + 2h + i} \right) - \left( {a + 2b + c} \right)}}{{8 \cdot y\_cellsize}}\]

上面这个算法是计算3 x 3窗口不存在Nodata情况的算法，若存在Nodata或处在边缘位置，算法修正为毗邻像元与中心像元高程差最大的方向的角度θ，若中心像元高程是最大值，则该中心像元坡度设置为0，注意这个修正算法得出的结果可能不正确，所以在计算坡度时应该选择比研究区更大的高程数据，规避边缘效应。

示例数据分别在代码与ArcGIS中计算坡度，明显的差别主要分布在栅格数据的边缘，内部不存在明显的差异，之后裁剪出来所需研究区域即可，已经规避边缘影响。

References

[1] How Slope works, from ArcGIS Resource Center.

Geography: 月度潜在蒸散量

月度潜在蒸散量（Vicente-Serrano，庄少伟，有删改）：

\[{P_{ei}} = \left\{ {\begin{array}{*{20}{c}} 0&{{T_i} \le 1}\\ {1.6d{{\left( {\frac{{10{T_i}}}{I}} \right)}^a} \times 10}&{1 < {T_i} \le 26.5}\\ {{a_1} + {a_2}{T_i} + {a_3}T_i^2}&{{T_i} > 26.5} \end{array}} \right.\] \[a = 0.49239 + 1.792 \times {10^{ - 2}}I - 7.71 \times {10^{ - 5}}{I^2} + 6.75 \times {10^{ - 7}}{I^3}\] \[I = \sum\limits_{i = 1}^{12} {{I_i}} \] \[{I_i} = \left\{ {\begin{array}{*{20}{c}} 0&{{T_i} \le 0}\\ {{{\left( {\frac{{{T_i}}}{5}} \right)}^{1.514}}}&{{T_i} > 0} \end{array}} \right.\] \[\begin{array}{l} {a_1} = - 415.8547\\ {a_2} = 32.2441\\ {a_3} = - 0.4325 \end{array}\]

式中：d为每月的天数除以30（无量纲）；T_i为第i月平均温度（°C），I_i为第i月加热指数（Heat Index）;I为年加热指数；a、a₁、a₂和a₃均为计算过程中间的系数。

Code.rar.

References

[1] 庄少伟. 基于标准化降水蒸发指数的中国区域干旱化特征分析[D]. 兰州:兰州大学, 2013.

[2] Vicente-Serrano SM,Beguería S, López-Moreno JI. A Multiscalar Drought Index Sensitive to Global Warming: The Standardized Precipitation Evapotranspiration Index[J]. 2009, 23(7):1696-1718.

Geography: 五期土地利用图

Summary

五期全国土地利用图，覆盖时间有1980年代末期、1995年、2000年、2005年、2010年，这五期土地利用图的分类精度如下：

1980年代末期：95%以上，【刘纪远, 张增祥, 庄大方, 等. 20世纪90年代中国土地利用变化时空特征及其成因分析[J]. 地理研究, 2003, 22(1): 1~12.】

1995年：92%以上，【刘纪远, 张增祥, 庄大方, 等. 20世纪90年代中国土地利用变化时空特征及其成因分析[J]. 地理研究, 2003, 22(1): 1~12.】

2000年：95%以上，【刘纪远, 张增祥, 庄大方, 等. 20世纪90年代中国土地利用变化时空特征及其成因分析[J]. 地理研究, 2003, 22(1): 1~12.】

2005年：95%以上，【刘纪远, 张增祥, 徐新良, 等. 21世纪初中国土地利用变化的空间格局与驱动力分析[J]. 地理学报, 2009, 64(12): 1411~1420.】

2010年：94.3%以上，【刘纪远, 匡文慧, 张增祥, 等. 20世纪80年代末以来中国土地利用变化的基本特征与空间格局. 地理学报, 2014, 69(1): 3~14.】

Computation of the maximum NDVI value

The processing chain of the NDVImax computation contains the following three steps: (1) The NDVI normalized frequency distributions were calculated for each of the vegetation types with equal interval of 0.0001. (2) According to the classification accuracy x, the pixels in the distribution range [(1-x)/2, (1+x)/2] are selected for each of the vegetation types. (3) These selected pixels are then calculated again to a normalized frequency distribution. The 95 percentile of the distribution for tall vegetation types and agriculture is assumed to represent vegetation at full cover and maximum activity with an FPAR value close to 1 (here assumed to be 0.95). The 95% NDVI value of agriculture was used to represent all short vegetation types. The 5% desert value is assumed to represent no vegetation and an FPAR value of 0.001 for all landcover types. PROCESS_NDVI.cdr

土地覆盖分类精度统一为90%，某类型植被NDVI下已经剔除≤0之数值，并排除经MODIS转换而得的NDVI：

A. 第二步和第三步未作向正态分布转换处理的方法5% NDVI 0.04155 95% NDVI 0.61565。File_Untransform.rar.

B. 第二步和第三步过程经过Box-Cox transformation，并设置“'BinWidth', 0.0001”，所得结果为5% NDVI 0.00502 95% NDVI 0.55621。File_boxcoxtransform.rar.

References

[1] ZHU Wenquan, PAN Yaozhong, HE Hao, et al.. Simulation of maximum light use efficiency for some typical vegetation types in China[J]. Chinese Science Bulletin, 2006, 51(4): 457~463.

Geography：蒸散量公式

生物温度（BT）是出现植物营养生长范围内的平均温度，在0~30 °C之间，日均温低于0 °C和高于30 °C者均排除在外。其计算公式为：

\[BT = \frac{{\sum t }}{{365}}{\rm{ or }}BT = \frac{{\sum T }}{{12}}\]

其中BT为年（或月）平均生物温度，t为<30 °C且>0 °C的日均温，T为<30 °C且>0 °C的月均温。

可能蒸散率（Potential Evapotranspiration Rate）是一个综合温度与水分平衡的气候指标，通常用来表征和评价植物的气候控制，可能蒸散的方法有许多种，繁简不一，但都是某种形式的热量（温度与辐射）与水分的函数式，可能蒸散与降水的比率即可能蒸散率，可称为干燥度、干燥指数等。利用Holdridge的方法计算可能蒸散和可能蒸散率。计算公式为：

\[PET = BT \cdot 58.93\] \[PER = \frac{{PET}}{P} = \frac{{BT \cdot 58.93}}{P}\]

P是年降水量。

实际蒸散量之斯来伯公式：

\[E = P\left( {1 - {e^{ - \frac{{PET}}{P}}}} \right)\]

周广胜和张新时以植被表面的二氧化碳通量方程（相当于NPP）与水汽通量方程（相当于蒸发散失）之比确定的植被对水的利用效率为基础，根据地球表面两个公认的平衡方程：水量平衡方程和热量平衡方程从能量与水分对蒸发影响的物理过程出发推导出了联系能量平衡方程和水量平衡方程的区域蒸散模式：

\[E = \frac{{P \cdot {R_n}\left( {{P^2} + {R_n}^2 + P \cdot {R_n}} \right)}}{{\left( {P + {R_n}} \right) \cdot \left( {{P^2} + {R_n}^2} \right)}}\]

式中P为年降水量（mm），R_n为净辐射（mm），且

\[{R_n} = \sqrt {PET \cdot P} \cdot \left( {0.369 + 0.598 \cdot \sqrt {\frac{{PET}}{P}} } \right)\]

File.

References

[1] 李镇清, 刘振国, 陈佐忠, 等. 中国典型草原区气候变化及其对生产力的影响. 草业学报, 2003, 12(1):4~10.

Geography: Net Primary Productivity

File.rar.

Code.

Geography: Actual Evapotransporation

ActualET.rar.

Geography: 地形起伏度

Summary

地形起伏度从数量上讲是单位面积内之高差，或称统计单元内之起伏高度，并得出起伏高度随面积的变化曲线为逻辑斯迪克型。在全国范围内普遍采样的基础上分析得出，中国存在2/10/16/20/22 km²五种不同规模的地形起伏度最佳统计单元，并各具有适用范围。

地形起伏度公式如下

\[LE{R_i} = {E_{\max }} - {E_{\min }}\]

式中：LER_i表示以第i个栅格为中心的窗口内的相对高差值，E_max、E_min分别表示该窗口内的最大、最小高程值。窗口分析法的基本原理是：对栅格数据系统中的一个栅格开辟具有固定分析半径的窗口，并在窗口内进行一系列统计计算，窗口在栅格数据矩阵中连续移动完成整个区域的计算。

通常栅格数据的统计单元以矩形为最常见，并且往往是正方形，此类情况又分为奇数和偶数边长。下面分别介绍两种情况下统计单元的计算过程：

Fig. 1

均值变点分析法

曲线上的平均地势起伏度由陡变缓的一点所对应的面积既是最佳统计单元的面积。

将实验区渐变窗口下的平均起伏度值作为均值变点分析法的非线性系统的输出数据，即{X_t, t=1,2,…,n}。令i=2, …, n，对每个i将样本分为两段：X₁, X₂, …, X_i-1和X_i, X_i+1, …, X_n，计算每段样本的算术平均值X_i1、X_i2及统计量S_i：

\[{S_i} = \sum\limits_{t = 1}^{i - 1} {{{\left( {{X_t} - {X_{i1}}} \right)}^2}} + \sum\limits_{t = i}^N {{{\left( {{X_t} - {X_{i2}}} \right)}^2}} \] \[X = \frac{{\sum\limits_{t = 1}^N {{X_t}} }}{N}\] \[S = \sum\limits_{t = i}^N {{{\left( {{X_t} - X} \right)}^2}} \]

最佳统计面积即为S-S_i差值最大者所对应的统计面积。

Example

ReliefAmplitude.rar.

References

[1] 张伟, 李爱农. 基于DEM 的中国地形起伏度适宜计算尺度研究. 地理与地理信息科学. 2012， 28(4): 8~12.

[2] 韩海辉, 高婷, 易欢, 等. 基于变点分析法提取地势起伏度——以青藏高原为例. 地理科学, 2012, 32(1): 101~104.

[3] 张军, 李晓东, 陈春艳, 等. 新疆地势起伏度的分析研究. 兰州大学学报（自然科学版）. 2008, 44: 10~13.

[4] 使用arcpy求取地形起伏度的最佳统计单元.

[5] 常直杨, 王建, 白世彪, 等. 均值变点分析法在最佳集水面积阈值确定中的应用. 南京师大学报（自然科学版）, 2014, 37(1): 147~150.

[6] ArcGIS矩形窗口的计算.