地质统计学（空间信息统计学）基本理论与方法应用 尹镇南 地质出版社 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

尹镇南 著

图书标签:

• 地质统计学
• 空间统计
• 空间信息
• 地质
• 统计方法
• 数据分析
• 地球科学
• 资源评估
• 建模
• 尹镇南

店铺： 北京环球视图图书专营店

出版社： 地质出版社

ISBN：9787116079700

商品编码：1451251304

 

书名	地质统计学(空间信息统计学)基本理论与方法应用	* ISBN编号	9787116079700
条形码	9787116079700	* 是否是套装	否
* 书名	地质统计学(空间信息统计学)基本理论与方法应用	* 定价	50.00元
* 出版社名称	地质出版社	出版时间	2012年10月
* 作者	尹镇南

目录

序

作者的话

第一章绪论

第二章地质统计学理论体系及区域化变量理论

第三章变差函数（结构函数）及结构分析

第四章克里格法

第五章泛克里格法

第六章条件模拟原理与地质统计学条件模拟

第七章介绍一个优惠的应用范例-地质统计学在薄脉状金矿床品位优化估计中的应用

第八章国内外地质统计学应用简述

第九章50年来地质统计学的发展与示来展望

附录关于“运用地质统计学方法提交地质勘探报告的编写提纲和审查提纳”的试行意见

参考文献及资料

地质统计学：解析空间奥秘的科学语言 我们生活在一个充满空间信息的世界。从地球的构造深处，到城市规划的蓝图，再到生态环境的监测，无不蕴含着复杂的空间关联。然而，这些空间信息并非孤立存在，它们之间存在着千丝万缕的联系，这种联系往往呈现出非独立同分布的特征。传统的统计学方法，在面对这类具有空间自相关性的数据时，常常显得力不从心。地质统计学，正是为了应对这一挑战而应运而生的学科。它将统计学的严谨性与对空间规律的深刻洞察相结合，为我们提供了一套强大的工具，用以理解、描述和预测空间现象。 地质统计学的核心思想：从“随机”到“结构” 地质统计学并非简单地将数据视为一系列独立的随机变量。它深刻认识到，现实世界中的空间数据，例如土壤养分分布、矿产资源储量、污染物浓度等，往往受到地理位置的影响，相邻区域的数据更可能相似，而距离较远区域的数据则可能存在较大差异。这种现象被称为“空间自相关性”。地质统计学正是围绕着“空间自相关性”来展开其理论与方法的。 其核心思想可以概括为：将空间数据看作是区域化变量（Regionalized Variable），即在空间上连续变化的变量。这些变量的变异性既有随机成分，也存在着由地理因素决定的结构性成分。地质统计学试图通过数学模型来刻画和量化这种空间结构，并在此基础上进行推断与预测。 关键理论基石：变异函数（Variogram） 理解地质统计学的理论，绕不开“变异函数”这一核心概念。变异函数（或称变异图）是地质统计学中最具代表性的工具，它定量地描述了空间数据在不同距离上的变异程度。简单来说，变异函数衡量的是，当两个样本点之间的距离增加时，它们数值差异的平均平方会如何变化。 变异函数的计算公式通常为： $gamma(h) = frac{1}{2N(h)} sum_{i=1}^{N(h)} [Z(x_i) - Z(x_i + h)]^2$ 其中，$h$代表样本点之间的距离和方向，$N(h)$是在距离为$h$的样本点对数量，$Z(x_i)$是在位置$x_i$的样本值。 通过绘制变异函数图，我们可以直观地了解数据的空间结构。一个典型的变异函数图通常会显示以下几个关键参数： the Sill ( the variance) ：当距离 $h$ 足够大时，变异函数的值趋于稳定，达到一个饱和值，这个值通常与数据的整体方差（the variance）相近。它代表了整体的变异性。 the Range ：变异函数达到the Sill之前的距离。它指示了空间自相关性消失的有效范围。超出the Range的距离，样本点之间的数值差异基本与距离无关，呈随机状态。 the Nugget Effect ：当 $h$ 趋近于零时，变异函数可能不会趋于零，而是一个非零的常数。这代表了由于测量误差、微观尺度的变异或数据采样不足等原因造成的局部变异。 通过对变异函数的拟合，我们可以得到一个经验性的模型，这个模型能够有效地捕捉数据的空间结构特征，并为后续的空间插值和预测提供依据。 核心方法应用：克里金插值（Kriging） 如果说变异函数是地质统计学的“诊断工具”，那么“克里金插值”无疑是其最核心的“预测引擎”。克里金插值是一种最优线性无偏估计方法，它利用已知样本点的数值以及它们之间的空间结构信息（通过变异函数模型描述），来预测未知区域的数值。 克里金插值并非简单地进行线性加权平均，而是根据样本点与预测点之间的距离、样本点之间的空间相关性以及样本点的相对位置，为每个样本点赋予一个最优的权重。其基本思想是： 1. 最优性：克里金法在所有线性无偏估计中，能够获得最小的预测方差（即最准确的估计）。 2. 无偏性：克里金法估计的期望值等于真实值，即不会系统性地高估或低估。 3. 空间结构利用：克里金法充分利用了变异函数所描述的空间自相关信息。距离近、空间相关的样本点获得的权重更大，而距离远、空间不相关的样本点权重则较低。 克里金插值有多种类型，以适应不同的数据特征和应用需求： 普通克里金（Ordinary Kriging, OK）：假设待估区域的均值在局部区域是未知的，但被假定为恒定。这是最常用的克里金方法。 简单克里金（Simple Kriging, SK）：假设待估区域的均值是已知的。这种方法在实际应用中较少使用，因为它需要事先知道全局均值。 泛克里金（Universal Kriging, UK）：当数据存在趋势时（即均值不是局部恒定，而是随空间位置变化），泛克里金可以通过一个趋势模型来描述均值的变化，然后对残差进行克里金插值。 指示克里金（Indicator Kriging, IK）：用于处理二值数据（如是否超过某个阈值），可以用来估计超过某个阈值的概率。 协克里金（Cokriging）：当存在多个相互相关的变量时，协克里金利用一个变量的空间结构信息来辅助预测另一个变量，从而提高预测精度。 克里金插值的结果不仅仅是预测值，更重要的是它还能提供预测值的方差，即预测的不确定性。这对于风险评估和决策制定至关重要。 地质统计学的应用领域 地质统计学的理论与方法已经广泛应用于众多领域，展现出其强大的实用价值： 地质与矿产勘探：评估矿产资源的储量，预测品位分布，圈定有利勘探区，优化钻探设计。例如，在铜矿、金矿、煤炭等资源的勘探开发中，地质统计学能够帮助科学家们更准确地估计矿体的形态、规模和质量。 石油与天然气勘探：预测储层属性（如渗透率、孔隙度），评估油气藏的产量潜力，进行储层建模。 环境科学与工程：监测和预测污染物（如重金属、放射性核素、温室气体）在土壤、水体和大气中的分布，评估环境风险，进行污染治理规划。例如，在土壤污染调查中，地质统计学可以帮助确定污染的范围和程度，为制定修复方案提供依据。 农业科学：分析土壤养分、水分、pH值等参数的空间变异，指导精准施肥、灌溉和农药施用，提高作物产量和质量。 水文学与水资源管理：预测降雨、地下水位、地表水流量的空间分布，评估水资源量，进行水资源优化配置。 遥感与地理信息系统（GIS）：对遥感影像进行处理和分析，填补影像中的缺失区域，生成高分辨率的专题地图。 城市规划与土地利用：分析土地利用类型的空间分布，预测人口密度、交通流量等，辅助城市基础设施规划。 林业与生态学：研究森林覆盖率、物种分布、生物量等空间格局，评估生态系统的健康状况。 地质灾害评估：预测滑坡、地震等灾害发生的概率和影响范围。 超越插值：地质统计学的进一步发展 除了核心的插值功能，地质统计学还在不断发展，涌现出更多高级的技术和应用： 多尺度地质统计学：研究不同尺度下的空间结构，例如，在研究一个区域的地质构造时，既要考虑大尺度的断层分布，也要考虑小尺度的岩性变化。 不确定性分析：更精细地评估预测结果的不确定性，例如，通过蒙特卡罗模拟、分位数回归等方法。 集成建模：将地质统计学与其他模型（如物理模型、机器学习模型）相结合，以获得更全面和精确的结果。 三维与四维地质统计学：将分析扩展到三维空间（如地下地层）甚至四维时空（如地下水流动随时间的变化）。 结语 地质统计学以其独特的视角和强大的工具，帮助我们揭示了隐藏在空间数据中的深刻规律。它不仅仅是一门统计学理论，更是一种认识和理解我们所处世界的科学语言。通过对空间自相关性的深入研究和对变异函数、克里金插值等方法的灵活运用，我们可以从看似杂乱无章的空间数据中提取有价值的信息，做出更明智的决策，从而更好地认识和改造我们生存的环境。它为科学研究、工程实践和资源管理提供了坚实的基础，并将继续在人类探索未知、优化资源利用的道路上扮演着至关重要的角色。

评分☆☆☆☆☆

这本书的实战应用部分，简直是为我们这些在野外摸爬滚打的工程师量身定制的宝典。它不像某些理论教材那样，只停留在对模型的数学推导上，而是将每一个算法的落地过程都描绘得淋漓尽致。我特别关注了克里金插值（Kriging Interpolation）的章节，作者不仅详细解析了不同类型克里金的适用场景，还附带了处理实际矿区勘探数据的具体步骤和常见陷阱的规避方法。其中关于变异函数模型选择的讨论，更是独到深刻，他没有给出“万能答案”，而是引导读者根据数据分布的非平稳性特征，去审慎地做出最优选择，这才是真正的科学精神。每次遇到数据异常或模型拟合不佳时，我都会翻回这一块，总能找到新的启发点，它教会我的不是如何简单地套用软件参数，而是如何像一个老练的棋手一样，布局、思考、预判最终结果的合理性。

评分☆☆☆☆☆

从编辑排版的角度来看，这本书的易读性和检索性做得非常出色，这是很多厚重学术著作的通病——内容虽好，但查阅起来如同大海捞针。此书在图表的使用上可谓是煞费苦心，那些二维和三维的截面图、误差分布图，无一不清晰地标识出坐标轴、比例尺和数据来源的单位，完全杜绝了阅读时的歧义。更值得称赞的是其索引系统的构建，详尽而合理，当你需要快速定位到某一特定统计量或软件操作细节时，只需轻扫目录或最后的关键词索引，目标内容便能迅速锁定。这种对读者时间尊重的体现，在学术出版物中是难能可贵的，它让这本书真正成为了一个高效的工作助手，而不是一个仅仅占据书架的装饰品。

评分☆☆☆☆☆

最让我感到惊喜的，是作者在章节末尾设置的那些“思考题与拓展阅读”部分。它们绝非敷衍了事的练习题，而是真正引导读者跳出现有知识框架去思考更深层次问题的引子。例如，在讨论了经典的地球统计学模型之后，作者竟然引入了对贝叶斯方法在空间不确定性量化中的潜能的探讨，这无疑是为我们这些希望与时俱进的研究者指明了新的探索方向。这种前瞻性的视野，让整本书的价值超越了对现有成熟技术的总结，更像是一份通往未来研究的“路标”。阅读完这些拓展内容，我感觉自己不仅仅是掌握了一门技术，更是被激发了对整个空间科学领域更广阔图景的求知欲，这才是优秀教材的终极价值所在。

评分☆☆☆☆☆

初次翻阅时，那种扑面而来的学术气息，简直像一股清冽的山泉水，瞬间涤荡了我的思绪。它绝非那种故作高深、堆砌晦涩术语的“假学术”，而是那种由内而外散发出的、对复杂概念进行精准切割和梳理的智慧。作者在开篇部分对空间自相关性的阐述，就展现了非凡的洞察力，他没有直接抛出莫兰指数（Moran's I）的公式，而是先用生动的地质案例，勾勒出“为什么我们需要它”的逻辑起点。这种循序渐进的叙事方式，让那些初学者也能迅速抓住问题的核心，而不是被数学符号直接劝退。阅读过程中，我时常停下来，不是因为看不懂，而是因为被其中一些巧妙的比喻或精辟的总结所折服，感觉作者就像一位经验丰富的老地质学家，带着你穿梭于数据的迷宫，每一步都走得踏实而有方向感，让人由衷地敬佩其深厚的理论功底和高超的表达艺术。

评分☆☆☆☆☆

这本书的装帧设计着实让人眼前一亮，封面采用了一种沉稳的深蓝色调，搭配烫金的字体，显得既专业又富有质感。那种触感，像是触摸着一块历经风霜的岩石，沉甸甸的，让人对内容充满了期待。我尤其欣赏那种恰到好处的留白处理，既没有过度堆砌那些花哨的图案，也没有显得过于单调，它平衡了学术的严谨性与视觉上的舒适度。装订工艺也相当扎实，即便是频繁翻阅，书页也牢牢地贴合在一起，这对于一本需要经常查阅参考的工具书来说，简直是福音。内页的纸张选择了略带米黄色的哑光纸，这对于长时间阅读来说，极大地减轻了视觉疲劳，那些密密麻麻的公式和图表，在这样的背景下显得尤为清晰。出版社的用心程度，从这些细节中可见一斑，它不仅仅是知识的载体，更是一件值得收藏的工艺品，让人忍不住想把它摆在书架最显眼的位置，时不时地拿出来摩挲一番，感受那种知识的厚重与宁静。

评分☆☆☆☆☆

还行

评分☆☆☆☆☆

东西可以，参考着用吧！

评分☆☆☆☆☆

很好，专业用书

评分☆☆☆☆☆

这配图也是醉了～

评分☆☆☆☆☆

不错的书籍、很实用，值得一读！

评分☆☆☆☆☆

很好，专业用书

评分☆☆☆☆☆

很好，专业用书

评分☆☆☆☆☆

这配图也是醉了～

评分☆☆☆☆☆

不错的书籍、很实用，值得一读！