徐建华计量地理学课后习题.docx
《徐建华计量地理学课后习题.docx》由会员分享，可在线阅读，更多相关《徐建华计量地理学课后习题.docx（17页珍藏版）》请在冰豆网上搜索。
徐建华计量地理学课后习题
计量地理学期末
第二章
1.地理数据有哪几种类型，各种类型地理数据之间的区别和联系是什么？
答：
地理数据就是用一定的测度方式描述和衡量地理对象的有关量化指标。
按类型可分为：
1）空间数据：
点数据，线数据，面数据；
2）属性数据：
数量标志数据，品质标志数据
地理数据之间的区别与联系：
数据包括空间数据和属性数据，空间数据的表达可以采用栅格和矢量两种形式。
空间数据表现了地理空间实体的位置、大小、形状、方向以及几何拓扑关系。
属性数据表现了空间实体的空间属性以外的其他属性特征，属性数据主要是对空间数据的说明。
如一个城市点,它的属性数据有人口，GDP，绿化率等等描述指标。
它们有密切的关系，两者互相结合才能将一个地理试题表达清楚。
^
2.各种类型的地理数据的测度方法分别是什么？
地理数据主要包括空间数据和属性数据：
空间数据——对于空间数据的表达，
可以将其归纳为点、线、面三种几何实体以及描述它们之间空间联系的拓扑关
系；属性数据——对于属性数据的表达，需要从数量标志数据和品质标志数据
两方面进行描述。
其测度方法主要有：
（1）数量标志数据
①间隔尺度（IntervalScale）数据:
以有量纲的数据形式表示测度对象在某种单位（量纲）下的绝对量。
②比例尺度（RatioScale）数据:
以无量纲的数据形式表示测度对象的相对量。
这种数据要求事先规定一个基点，然后将其它同类数据与基点数据相比较，换算为基点数据的比例。
【
（2）品质标志数据
①有序（Ordinal）数据。
当测度标准不是连续的量，而是只表示其顺序关系的数据,这种数据并不表示量的多少，而只是给出一个等级或次序。
②二元数据。
即用0、1两个数据表示地理事物、地理现象或地理事件的是非判断问题。
③名义尺度（NominalScale）数据。
即用数字表示地理实体、地理要素、地理现象或地理事件的状态类型。
3.地理数据的基本特征有哪些？
1）数量化、形式化与逻辑化
2）不确定性
3）多种时空尺度
，
4）多维性
4.地理数据采集的来源渠道有哪些？
1）来自于观测、测量部门的有关专业数据。
2）来自于统计年鉴、统计公报中的有关自然资源及社会经济发展数据。
3）来自于有关单位或个人的不定期的典型调查数据、抽样调查数据。
4）来自于政府公报、政府文件中的有关数据。
5）来自于互联网（internet）的有关共享数据。
6）来自地图图件。
主要包括各种比例尺的地形图、专题地图等。
7）来自遥感数据。
…
8）其他来源的有关数据，如室内实验分析数据。
9）来自于档案、图书等文献资料中的有关数据。
5.数学方法和地理信息系统在地理数据处理中各自发挥什么样的作用？
答：
1）运用数学方法，建立地理数学模型，从更高，更深层次上揭示地理问题的机理。
数学方法可以通过定量化的计算和分析对地理数据进行处理。
2）地理信息系统在处理空间数据和海量数据方面的功能是非常强大的，而GIS相关软件如ARCGIS等将空间数据域属性数据完美结合，处理起来更方便。
第8题：
>
对比I值可以看到1999年，2001年，2002年，2003年，2004年的集中化程度基本相似，其中1999年的集中化程度最高，2004年的集中化指数最低。
第9题：
结论：
如果将各组分数据从小到大排列则洛伦兹曲线会是程下凹的曲线。
如果这样操作，集中化指数的计算值公式将会是
I=
比较I值可知：
1999年的集中化指数最大，2004年的集中化指数最小。
并且集中化指数和从大到小排序的结果一样。
根据指数越大集中化程度越大知道，1999年的集中化程度最大，2004年的集中化程度最小。
第10题
?
第11题：
第四章
1、什么是相关系数？
单相关系数、偏相关系数和复相关系数在计算上有什么联系？
三者在检验上有什么区别？
相关系数：
相关系数是用来测定地理要素之间相互联系密切程度的数值；
三者联系：
单相关系数是两个要素之间的相关系数密切程度的数值；偏相关系数的计算要在单相关系数的基础上，不考虑其他要素的影响，单独研究两个要素之间的相关系数密切程度的数值；复相关系数的计算要同时用到单相关系数和偏相关系数。
…
检验上的区别：
一般情况下，
①相关系数的检验，是在给定的置信水平下，通过查相关系数临界值表来完成的
②偏相关系数的检验，一般采用t-检验法
③复相关系数的显著性检验，一般采用F检验法。
2、什么是秩相关系数？
试比较单相关系数和秩相关系数？
秩相关系数:
秩相关系数又称等级相关系数，或顺序相关系数。
是将两个要素的样本值按数据的大小顺序排列位次，以各要素样本值的位次代替实际数据而求得的一种统计量。
实际上，它是位次分析方法的数量化。
比较：
￥
3、什么是地理回归分析？
相关分析和回归分析的联系和区别是什么？
地理回归分析：
回归分析方法，就是研究要素之间具体数量关系的一种强有力的工具，运用方法能够建立反应地理要素之间具体数量关系的数学模型，即回归模型。
联系：
相关分析要依靠回归分析来表现现象数量相关的具体形式。
回归分析必须依靠相关关系来表明变量之间的密切程度。
区别：
①相关分析是用一个指标表明现象间依存关系的密切程度，回归分析是根据相关
关系的具体形态选择一个适合的数学模型，来近似地表达变量的平均变化关系。
②相关分析中没有自变量因变量，而回归分析中必须确定自变量和因变量。
③相关分析中的每一个变量都是随机的，回归分析中自变量是一般变量，因变量是
`
随机变量。
④相关分析没有预测功能而回归分析有。
4、什么是地理过程时间序列？
地理时间序列分析在地理学中有什么用途?
时间序列，是要素（变量）的数据按时间顺序变动排列而形成的一种数列，它反映了要素（变量）随时间变化的发展过程。
地理过程的时间序列分析，就是通过分析地理要素（变量）随时间变化的历史过程，揭示其发展变化规律，并对其未来状态进行预测。
用途：
时间序列对分析地理过程的发展具有重大意义，即空间的时间性。
是当代地理学最重要的研究课题之一。
地理过程的时间序列对分析事物的变化发展更具有全面的预测性，因此也是当代地理学家十分注重的领域。
例如，从时间序列变化趋势中的长期趋势中，可以看出：
对于一个国家或地区来说，随着经济发展，GDP、人均可支配收人、储蓄额等，一般具有长期上升的趋势；死亡率，则因为医疗技术的进步及生活水平的提高而具有长期向下的趋势。
再如，几乎所有产品在整个生命周期中都经历了不同的长期趋势。
2.季节变动（S）
再例如，从时间序列的季节变动中可以看出：
电风扇与冷气机在夏季的销售量多而冬季少；一天的交通流量在上下班时间出现高峰，而其余时间流量较为稳定；圣诞节前玩具的销售量增加；暑假旅游活动增加；等等。
￥
5、什么是多元回归模型？
多元回归模型和一元回归模型相比有什么特点？
多元回归模型是用来进行回归分析的数学模型（含相关假设）称为回归模型,只含有一个回归变量的回归模型称为一元回归模型否则称为多元回归模型。
特点：
多元回归模型是描述多个要素之间的相关关系，一元线性回归模型描述的是两个要素之间的相关关系。
一元回归是一个主要影响因素作为自变量来解释因变量的变化。
而在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归。
总的来说，多远回归模型的特点：
一是解释变量的个数：
多个变量；
二是模型的经典假设不同：
多元回归模型比一元回归模型多了“解释变量之间不存在相关关系”的假定；
三是多元回归模型的参数估计式的表达更为复杂。
6.什么是系统聚类分析？
系统聚类方法有哪些？
其距离是如何计算的？
|
系统聚类分析是一门多元统计分类法，根据多种地学要素对地理实体进行划分类别的方法。
对不同的要素划分类别往往反映不同目标的等级序列，如土地分等定级、水土流失强度分级。
系统聚类方法：
直接聚类法，最短距离聚类法，最远距离聚类法；
距离：
绝对值距离、欧氏距离、明科夫斯基距离、切比雪夫距离。
P125-126
7.什么是主成分分析？
主成分分析的步骤有哪些？
主成分分析，就是一种把原来多个变量转化为较少的几个综合指标（主成分）的统计分析方法。
从数学角度来看，主成分分析实质上就是一种降维处理方法。
步骤：
P136
（1）计算相关系数矩阵（数据需要先进行：
标准化处理）
（2）计算特征值与特征向量
*
（3）计算主成分贡献率及累计贡献率
（4）计算主成分载荷系数
（5）计算主成分的得分
8.什么是马尔可夫预测方法？
使用马尔可夫预测法进行地理预测时需要遵循的基本要求是什么？
马尔可夫预测方法，就是一种预测事件发生的概率的方法。
它是基于马尔可夫链，根据事件的目前状况预测其将来各个时刻（或时期）变动状况的一种预测方法。
要求：
状态转移概率矩阵必须具有一定的稳定性。
因此，必须具有足够的统计数据，才能保证预测的精度与准确度，即：
马尔可夫预测模型必须建立在大量的统计数据的基础之上。
这一点也是运用马尔可夫预测方法预测地理事件的一个最为基本的条件。
9.是否所有的马尔可夫过程都存在终极状态？
为什么？
不是。
原因：
马尔可夫预测计算过程包括第k个时刻状态概率的预测和终极状态概率预测。
\
如果某一事件在第0个时刻（或时期）的初始状态已知，利用递推公式，就可以求得它经过k次状态转移后，在第k个时刻（时期）处于各种可能的状态的概率。
而终极状态概率是经过无穷多次状态转移后所得到的状态概率，它只是马尔可夫预测结果中的某种可能的状态的概率。
10、趋势面分析的基本原理是什么？
除了多项式形式以外，是否可以用其他函数形式拟合趋势面，为什么？
基本原理；通常把实际的地理曲面分解为趋势面和剩余面两部分，前者反映地理要素的宏观分布规律，属于确定性因素作用的结果，而后者则对应于微观局域，是随机因素影响的结果。
不可以，原因：
地理要素的空间分布曲面，大多数都是非线性的，寻找这些非线性曲面的数学方程式比较困难，通常采用多项式的形式进行拟合。
15、
第五章
1、什么是空间数据的统计分析,它与传统的统计分析方法有何区别,为什么不能用传统的统计分析方法解决空间统计分析问题?
^
（1）空间统计分析,即空间数据的统计分析,是现代计量地理学中一个快速发展的方向领域。
（2）区别：
①传统的统计学不考虑样本的空间分布,而地统计学考虑。
②研究对象;随机行（变量）,既具有随机性又有结构性。
③试验:
可重复性,不可重复性。
④样本间:
相互独立性,空间相关性。
（3）原因：
空间数据间并非完全独立，而是存在某种空间联系和关联性，传统的统计分析方法的基本出发点是样本独立检验，而空间依赖性的存在打破了大多数传统的统计分析方法中样本相互独立的基本假设，因此无法直接用传统的统计方法分析解释与地理位置相关的空间数据关联和依赖性。
2、全局Moran指数是怎样计算和检验的？
它与Geary系数有何关系？
（1-2）草稿笔记
。
（3）①由于全局Moran指数不能判断空问数据是高值聚集还是低值聚集，Getis和Ord于1992提出了全局G系数。
②Moran指数和Geary系数是两个用来度量空间自相关的全局指标。
Moran指数反映的是空间邻接或空间邻近的区域单元属性值的相似程度。
③Geary系数与Moran指数存在负相关关系。
3、什么是空间联系的局部指标（LISA），它满足哪两个条件？
空间联系的局部指标,
条件:
（1）每个区域单元的LISA,是描述该区域单元周围显著的相似值单元之间空间集聚程度的指标；
（2）所有区域单元LISA的总和与全局的空间联系指标成正比例。
5、为什么说局部Gi统计量不属于LISA?
局部Moran指数却属于LISA?
，
（1）局部Moran指数Ii满足条件：
其一，每个区域单元i的Ii是描述该区域单元周围显著的相似值区域单元之间空间集聚程度的指标；其二，经过简单的推导，容易证明：
局部Moran指数与全局Moran指数存在比例关系：
ΣIi=S0I.所以，局部Moran指数Ii是一种描述空间联系的局部指标，即LISA。
（2）局部G统计量不属于LISA，因为局部Gi统计量和全局G统计量没有比例关系。
6.Moran散点图的意义什么？
在Moran散点图中，第一、二、三、四象限分别表示什么含义？
定义:
用来研究局部的空间不稳定性,对空间滞后因子Wz和z数据对进行了可视化的二维图示。
Moran散点图的四个象限:
①第一象限代表高观测值的区域单元被同是高值的区域所包围的空间联系形式
②第二象限代表了低观测值的区域单元被高值的区域所包围的空间联系形式
③第三象限代表低观测值的区域单元被同是低值的区域所包围的空间联系形式
"
④第四象限代表了高观测值的区域单元被低值的区域所包围的空间联系形式。
7、什么是区域化变量，什么是协方差函数和变异函数？
三者之间的关系如何？
变异函数的四个重要参数的含义是什么？
（1）概念：
区域化变量：
当一个变量呈现为空间分布时，就称之为区域化变量。
这种变量常常反映某种空间现象的特征，用区域化变量来描述的现象称之为区域化现象。
协方差函数：
区域化随机变量之间的差异，可以用空间协方差来表示。
区域化变量Z（x）的自协方差函数，也称为协方差函数。
变异函数：
又称变差函数、变异矩，是地统计分析所特有的基本工具。
在一维条件下变异函数定义为，当空间点x在一维x轴上变化时，区域化变量Z（x）在点x
|
和x+h处的值Z（x）与Z（x+h）差的方差的一半为区域化变量Z（x）在x轴方向上的变异函数，
记为y（h）。
（2）三者关系：
对不同的空间分隔距离h，根据协方差函数计算公式和变异函数的离散计算公式，计算出相应的c（h）和γ（h）值。
如果分别以h为横坐标，c（h）或γ（h）为纵坐标，画出协方差函数和变异函数曲线图，就可以直接展示区域化变量Z（x）的空间变异特点。
可见，协方差函数和变异函数能同时描述区域化变量的随机性和结构性，从而在数学上对区域化变量进行严格分析，是空间变异规律分析和空间结构分析的有效工具。
（3）变异函数参数含义：
①基台值：
是系统或系统属性中最大的变异。
②变程（或称：
空间依赖范围）：
表示空间自相关的范围。
{
③块金值（或称：
区域不连续值）：
表示区域化变量在小于抽样尺度时非连续变异，由区域化变量的属性或测量误差决定。
④分维数：
表示变异函数曲线的曲率。
8、什么是克立格法？
试举例说明克立格空间局部插值法在地理研究中的作用。
克立格法是建立在变异函数理论及结构分析基础之上的，它是在有限区域内对区域化变量的取值进行无偏最优估计的一种方法。
其实质是利用区域化变量的原始数据和变异函数的结构特点，对未采取点的区域化变量的取值进行线性无偏、最优估计。
从数学上看，这是对空间分布数据求线性最优无偏内插估计的一种方法。
具体而言，克立格法是根据待估样本点有限领域类若干已测定的样本点数据，在考虑了样本点形状，大小和空间相互位置关系与待估样本点的相互空间位置关系，以及变异系数提供的结构信息之后，对待估样本点值进行的一种线型无偏最优估计。
年降水量和蒸发量，既服从地带性规律，同时又受随机性因素影响。
因此，他们是典型的区域化变量。
例如，以甘肃省53个气象台站多年平均降水量和蒸发量数据为实测值，拟合年降水量和蒸发量的半变异函数理论模型，并采用普通克里格法做空间插值计算，可以用来描述年降水量和年蒸发量的空间变异规律
第八章
1、AHP决策分析方法的基本思路、步骤和计算方法是什么？
》
基本思路:
在复杂的决策问题研究中,对于一些无法度量的因素,只要引入合理的度量标度,通过构造判断矩阵,就可以用这种方法来度量各因素之间的相对重要性,从而为有关决策提供依据。
步骤:
①明确问题。
②建立层次结构模型。
③构造判断矩阵。
④层次单排序。
⑤层次总排序。
⑥一致性检验⑦根据分析计算结果，考虑相应的决策。
详细步骤：
①明确问题。
即弄清问题的范围，所包含的因素，各因素之间的关系等，以便尽量掌握充分的信息。
通过对系统的深刻认识，确定该系统的总目标，弄清规划决策所涉及的范围、所要采取的措施方案和政策、实现目标的准则、策略和各种约束条件等，广泛地收集信息。
②建立层次结构模型。
建立一个多层次的递阶结构，按目标的不同、实现功能的差异，将系统分为几个等级层次。
在这一个步骤中，要求将问题所含的要素进行分组，把每一组作为一个层次，并将它们按照：
目标层—准则层—措施层的次序排列起来。
③构造判断矩阵。
确定以上递阶结构中相邻层次元素间相关程度。
通过构造两比较判断矩阵及矩阵运算的数学方法，确定对于上一层次的某个元素而言，本层次中与其相关元素的重要性排序--相对权值。
④层次单排序。
确定本层次与上层次中的某元素有联系的各元素重要性次序的权重值。
是总排序的基础。
⑤层次总排序。
利用同一层次中所有层次单排序的结果，就可以计算针对上一层次而言，本层次所有元素的重要性权重值，这就称为层次总排序。
！
⑥一致性检验
⑦根据分析计算结果，考虑相应的决策。
在AHP决策分析方法中，最根本的计算任务是求解判断矩阵的最大特征根及其所对应的特征向量。
计算常用方法:
方根法、和积法。
2、AHP决策分析方法在现代地理学中可以应用于哪些方面的研究？
AHP决策分析法常常被运用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题，特别是战略决策问题的研究，具有十分广泛的实用性。
是一种将决策者对复杂问题的决策思维过程模型化、数量化的过程。
通过这种方法，可以将复杂问题分解为若干层次和若干因素，在各因素之间进行简单的比较和计算，就可以得出不同方案重要性程度的权重，从而为决策方案的选择提供依据。
3、AHP决策分析方法的优点和缺点各是什么?
在实际应用中应该怎样尽量克服这种缺点?
优点：
思路简单明了,它将决策者的思维过程条理化、数量化,便于计算,容易被人们所接受;所需要的定量化数据较少,但对问题的本质,问题所涉及的因素及其内在关系分析得比较透彻、清楚。
》
缺点：
存在着较大的随意性。
譬如，对于同样一个决策问题，如果在互不干扰、互不影响的条件下，让不同的人同样都采用AHP决策分析方法进行研究，则他们所建立的层次结构模型、所构造的判断矩阵很可能是各不相同的，分析所得出的结论也可能各有差异。
为了克服这种缺点,在实际运用中，特别是在多目标、多准则、多要素、多层次的非结构化的战略决策问题的研究中，对于问题涉及的各种要素及其层次结构模型的建立,往往需要多部门、多领域的专家共同会商、集体决定；在构造判断矩阵时,对于各个因素之间的重要程度的判断,也应该综合各个专家的不同意见譬如，取各个专家的判断值的平均数、众数或中位数。
4、在AHP决策分析中，一致性检验的目的和意义是什么？
为什么在层次单排序和总排序中都需要做一致性检验?
目的和意义：
为考察AHP决策分析方法得出的结果是否基本合理；可以判断判断矩阵的一致性程度，并对一致性程度较差的判断矩阵及时调整，使其得出比较令人满意的结果。
原因：
判断矩阵的数值是根据资料、专家意见和分析者的认识，加以平衡后给出的。
因为客观事物的复杂性和人们认识上的多样性，可能会产生片面性。
因素多，规模大的问题更是如此。
10、AHP决策分析方法可以应用在哪些方面?
试举例说明。
人们在对社会、经济以及管理领域的问题进行系统分析时，面临的经常是一个由相互关、相互制约的众多因素构成的复杂系统。
层次分析法则为研究这类复杂的系统，提供了一种新的、简洁的、实用的决策方法。
层次分析法主要应用在安全科学和环境科学领域：
（1）在安全生产科学技术方面主要应用包括煤矿安全研究、危险化学品评价、油库安全评价、城市灾害应急能力研究以及交通安全评价等；
（2）在环境保护研究中的应用主要包括：
水安全评价、水质指标和环境保护措施研究、生态环境质量评价指标体系研究以及水生野生动物保护区污染源确定等。
（3）在与气象相关的环境科学研究中，层次分析法已在大气环境研究、水环境研究、生态环境研究等领域得到了应用。
在相关的气象评估工作方面，罗慧等人基于模糊数学和信息扩散理论，把高影响天气事件作为气象风险源，综合应用气象信息服务电话拨打次数的信息，计算高影响天气事件的风险概率，以及社会公众对不同高影响天气事件关注度风险水平和关注人数。
还综合应用层次分析法（AHP方法）和波士顿矩阵（BCG矩阵）相结合的思路，将气象服务用户群对服务效益评估这个复杂系统的思维过程数学化、系统化，建立了定量的气象服务期望度／满意度组合矩阵分析模型。
南海问题产生的原因
1.自然资源丰富。
南海石油天然气储藏量超过200亿吨,有“第二个波斯湾”之称。
其次，矿
物资源、鱼类资源、海鸟种类，岛上生长的植物耐盐、耐旱,生长茂密。
然而,一份亚洲外岛
海域矿产资源联合勘探报告使得南沙海域成为东南亚国家目光聚焦地,海上岛礁不断遭到周边国家蚕食。
可以说,南海丰富的自然资源是南海争端产生的直接原因。
2.国际海洋泫不健全。
二战后,在许多殖民地和半殖民地国家,人民独立运动此起彼伏,广大发展中国家掀起了一系列反对海洋霸权主义、建立公正合理的国际海洋新秩序的斗争。
近年来,中国周边海上邻国伺机扩大海洋权益,疯狂抢占南海岛礁,尹重威胁到了中国周边安全,成为中国地缘安全环境中个很不稳定的因素。
3.地缘战略意义独特。
南海是东西交流的主要航道,有着重要的地缘战略意义。
作为西欧一中东一远东海运航线的重要组成部分,南海是国际海上交通运输最繁忙的交通线之一,也是我国联系东南亚、南亚
西亚、非洲及欧洲国家,发展海上丝绸之路的必经之地。
南沙诸岛,是太平洋到印度洋的航道要冲,扼制整个南海地区海上交通线,对马六甲等海峡产生重大影响。
可见,在保障全球能源运输方面及军事战略意义方面,南海有着重大的地缘战略价值。
4.国人海洋观念淡簿。
在漫长的历史长河中,中国人长期受"陆权至上”观念束缚,海权意识淡簿。
中国陆地面积960万平方公里,海洋面积约300万平方公里,是一个海陆兼备的国家,海洋是中华民族的半壁江山。
然而,数千年来,在以儒学为主要代表的中国传统文化体系里,海洋文化没有合适的位置。
在捍卫国家安全、抵御外敌入侵方面,封建统治者始终坚持“重陆轻海”。
导致如今接连出现的南海问题。
东北地区自然资源与工业体现之间的关系
东北地区的主要工业部门多为近原料产地的资源性工业，如大庆油田-石油开采业、石油化工业，鞍山一铁矿一纲铁工业，抚顺一煤矿一煤碳开釆业、煤炭化工业等。
升级会员 