实验一 种群空间分布格局的调查分析
实验一 种群空间分布格局的调查分析
【目的和意义】 通过本实验，使学生认识群落中不同种群个体在空间分布上表现出的不同类型（即随机分布型、集群分布型、均匀分布型）了解检验种群空间分布类型的方法，并学会运用1～2种判断种群空间格局类型的方法。
【仪器、设备及材料】
皮尺，铅笔，野外记录表格，计算器。 【方法与步骤】 （一）野外调查
（1）准备工作：每两个学生为一组，选择所需研究的植物种群，并确定合适的样地位置。出发前先画好野外记录表格（见例子附表一），并带齐调查所需物品。
（2）确定样地面积：应根据最小面积法确定，一般草本植物可用1×1m 样地，灌木可用5×5m 样地，乔木则根据具体情况，可适当加大尺度，如可考虑20×20m 样地。
（3）采用领接格子法在所选样地中划分小样方：一般草本可考虑0.1×0.1m 或0.2×0.2m ，灌木可用1×1m ，乔木可用4×4m 或5×5m 。也可根据具体情况确定合适的样方大小。
（4）计数：将一小样方中待测植物的株数，记录在野外记录表格中。 （二）数据处理
将所得野外数据带回实验室，进行整理和进一步数据处理。常见数据处理方法如下： (1) 扩散系数C 法：x S C /2
= 式中S 2为方差， x 为平均数．若C<1为规则分布，C=1为随机分布，C>1为聚集分布．
(2) David and Moore （1954）丛生指标法:1/2
-=x S I
式中：x －均值；S 2－方差。
若
I=0，属于随机分布：I ＜0，属于均匀分布；I ＞0，属于集群分布。
(3)格局指数法：Morisita(1959)提出的格局指数（δI ）的计算式为：
∑
=--=n
i i i N N x x n I 1
)
1()
1(δ
其中，n 为样方数；N 为总株数；x i 为第i 个样方中的株数。格局指数δI ，不受均值（x ）和样方中个体总数（
∑x ）的影响，而是决定于取样单位的最多和最少个体数目。若δ
I
＝
1，为泊松分布（随机分布）；δI ＜1，为均匀分布；δI ＞1，为集群分布。
【思考题】
1、 种群空间格局分布类型的特点及可能形成原因的分析。
2、 各种数据处理和检验方法的优缺点有哪些。
3、讨论样方对实验结果的影响。
附表一种群空间格局样方表
日期：物种：一年蓬样地位置：样地面积：1m×1m
观测人姓名：
参考文献
1内蒙古大学生物系编著植物生态学实验北京：高等教育出版社，1986：125~130 2周纪伦，郑师章，杨持植物种群生态学北京：高等教育出版社，1992
arcgis栅格数据空间分析实验报告
实验五栅格数据的空间分析 一、实验目的 理解空间插值的原理，掌握几种常用的空间差值分析方法。 二、实验内容 根据某月的降水量，分别采用IDW、Spline、Kriging方法进行空间插值，生成中国陆地范围内的降水表面，并比较各种方法所得结果之间的差异，制作降水分布图。 三、实验原理与方法 实验原理：空间插值是利用已知点的数据来估算其他临近未知点的数据的过程，通常用于将离散点数据转换生成连续的栅格表面。常用的空间插值方法有反距离权重插值法（IDW）、 样条插值法（Spline）和克里格插值方法（Kriging）。 实验方法：分别采用IDW、Spline、Kriging方法对全国各气象站点1980年某月的降水量进行空间插值生成连续的降水表面数据，分析其差异，并制作降水分布图。 四、实验步骤 ⑴打开arcmap，加载降水数据，行政区划数据，城市数据，河流数据，并进行符号化， 对行政区划数据中的多边形取消颜色填充 ⑵点击空间分析工具spatial analyst→options，在general标签中将工作空间设置为实验数据所在的文件夹
⑶点击spatial analyst→interpolate to raster→inverse distance weighted，在input points 下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options，在extent标签中将分析范围设置与行政区划一致，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000 点击空间分析工具spatial analyst→options在general标签中选province作为分析掩膜，点击spatial analyst→interpolate to raster→inverse distance weighted，在input points下拉框中输入rain1980，z字段选择rain，像元大小设置为10000
中国植被分布规律
中国植被分布规律 (一)中国植被的水平分布规律1、纬向变化规律我国东南半部是季风区，发育着各种类型的中生性森林，由于自北而南的热量递增，明显地依次更替着下列森林带:寒温带针叶林带，温带针阔叶混交林带，暖温带落叶阔叶林带，亚热带常绿阔叶林带，热带季雨林、雨林带和赤道雨林带。 2。经向变化规律由于我国东临太平洋，因而夏季东南季风的强弱决定着降水的多少。自东南往西北，距海愈远，东南季风力量愈弱，降水愈少，所以植被按东南一西北近乎经度方向按下列规律更替:(1)温带针阔叶混交林或暖温带落叶阔叶林地区，(2)温带草原地区，在这地区内由东向西随着干燥度的递增，依次出现森林草甸草原带，典型草原带，荒漠草原带;(3)温带与暖温带荒漠地区，从东到西按水分状况可分为东阿拉善一西鄂尔多斯草原化荒漠，中亚东部荒漠和中亚西部荒漠。3。我国植被水平分布的几个特点(1)由于青藏高原的存在，迫使高原面上的西风环流向南北两侧分流，其北支急流加强了蒙古一西伯利亚高压，使其具有荒漠气候，故在北纬35”一50。之间形成了广阔的温带荒漠，成为世界上纬度最北的荒漠。蒙古一西伯利亚高压反气旋使草原向东南方向扩展，直达欧亚草原区的最南界，而且华北暖温带落叶阔叶林也偏向干旱性。(2)由于冬半年寒潮向南侵入低纬地区，因此亚热带常绿阔叶林和季雨林出现一定数量的落叶成分，同时热
带植被也向南退到北回归线以南的南海沿岸一线。(3)滇南和藏南的东喜马拉雅山地的热带山地植被向北挺进可达北纬29”，其原因是青藏高原隆起后，夏季强大湿热的西南季风受东喜马拉雅山和横断山脉阻挡，产生大量降雨，为热带雨林发育创造条件。同时由于青藏高原的屏障作用，使寒潮不能到达藏南也是重要原因之一。(4)我国亚热带地区面积广阔，南北延伸纬度达12。。夏季在强盛的太平洋东南季风影响下，炎热多雨，发育着广阔的亚热带常绿阔叶林，而在欧亚大陆的其它同纬度地区则为亚热带荒漠和稀树草原，或夏千冬湿的地中海硬叶常绿林和灌丛。(二)中国山地植被垂直分布的规律性1、我国湿润区的山地植被带谱结构和特征(1)山地植被垂直带谱的系列特点决定于山地所处的纬度，带谱的结构从北向南趋于复杂，层次增多。(2)山地植被垂直带谱的各个垂直带的海拔高度位置随纬度带由北向南而相应升高。(3)每一个纬度地带的山地植被垂直带谱中，都具有本地带特有的山地植被类型，反映了水平气候地带的特征。(4)在旱季显著的山地，同一垂直带谱内阴坡与阳坡的森林植被类型有较大差别;而在较湿润和旱季不明显的山地，阴阳坡的森林类型差别不大。2、我国干旱区山地植被垂直带谱结构和待征(1)从东到西，随着干旱程度的加强，山地植被的基带由:草甸草原荒漠草原—温带荒漠。(2)从东到西，山地森林带的位置由基带上升到中山带，这是与山地湿润带在干旱地区的上移相关的植被地理分布现象。(3)草原带位置也由东向西升高，在草原地区，它们是基带;到了荒漠地区的!妇
实验一 种群空间分布格局的调查分析
实验一 种群空间分布格局的调查分析 【目的和意义】 通过本实验，使学生认识群落中不同种群个体在空间分布上表现出的不同类型（即随机分布型、集群分布型、均匀分布型）了解检验种群空间分布类型的方法，并学会运用1～2种判断种群空间格局类型的方法。 【仪器、设备及材料】 皮尺，铅笔，野外记录表格，计算器。 【方法与步骤】 （一）野外调查 （1）准备工作：每两个学生为一组，选择所需研究的植物种群，并确定合适的样地位置。出发前先画好野外记录表格（见例子附表一），并带齐调查所需物品。 （2）确定样地面积：应根据最小面积法确定，一般草本植物可用1×1m 样地，灌木可用5×5m 样地，乔木则根据具体情况，可适当加大尺度，如可考虑20×20m 样地。 （3）采用领接格子法在所选样地中划分小样方：一般草本可考虑0.1×0.1m 或0.2×0.2m ，灌木可用1×1m ，乔木可用4×4m 或5×5m 。也可根据具体情况确定合适的样方大小。 （4）计数：将一小样方中待测植物的株数，记录在野外记录表格中。 （二）数据处理 将所得野外数据带回实验室，进行整理和进一步数据处理。常见数据处理方法如下： (1) 扩散系数C 法：x S C /2 = 式中S 2为方差， x 为平均数．若C<1为规则分布，C=1为随机分布，C>1为聚集分布． (2) David and Moore （1954）丛生指标法:1/2 -=x S I 式中：x －均值；S 2－方差。 若 I=0，属于随机分布：I ＜0，属于均匀分布；I ＞0，属于集群分布。 (3)格局指数法：Morisita(1959)提出的格局指数（δI ）的计算式为： ∑ =--=n i i i N N x x n I 1 ) 1() 1(δ 其中，n 为样方数；N 为总株数；x i 为第i 个样方中的株数。格局指数δI ，不受均值（x ）和样方中个体总数（ ∑x ）的影响，而是决定于取样单位的最多和最少个体数目。若δ I ＝ 1，为泊松分布（随机分布）；δI ＜1，为均匀分布；δI ＞1，为集群分布。 【思考题】 1、 种群空间格局分布类型的特点及可能形成原因的分析。 2、 各种数据处理和检验方法的优缺点有哪些。
多元统计分析实验报告
实验一 一、实验目的及要求 对应分析是你也降维的思想以达到减化数据结构的目的，凤的研究广泛用于定义属性变量构成的列联表利用对应分析方法分析问卷中教育程度与网上购物支付方式之间的相互关系。 二、实验环境 SPSS 19.0 window 7系统 三、实验内容及实验步骤（实践内容、设计思想与实现步骤） 实验题目： 通过分析问卷数据，绘制如下的教育程度与网上购物支付方式的交叉表，运用对应分析方法研究教育程度与网上购物所选择的支付方式之间的相关性，及揭示不同人群网上购物的特征等问题。 设计思想：原假设：H1：χ2>χα2[(n?1)(p?1)] 实现步骤： 1.在变量视窗中录入3个变量，用edu表示【教育程度】，用fangshi表示【在网上购物时采用什么样的支付方式】，用pinshu表示【频数】；如图所示：
2.先对数据进行预处理。执行【数据】→【加权个案】命令，弹出【加权个案】对话框。选中【加权个案】按钮，把【频数】放入【频率变量】框中，点击【确定】按钮完成。 3.打开主窗口，选择菜单栏中的【分析】→【降维】→【对应分析】命令，弹出【对应分析】对话框。 4.将【教育程度】导入【行】，将【在网上购物时采用什么样的支付方式】导入【列】。 5. 单击【定义范围（D）】，打开【对应分析：定义行范围】对话框； 定义行变量分类全距最小值为1，最大值为4，单击【更新】；点击【继续】，返回【对应分析】对话框；同方法打开【对应分析：定义列范围】对话框； 定义列变量全距最小值为1，最大值为5，单击【更新】； 6. 单击【统计量】打开【对应分析：统计量】对话框；选择【行轮廓表】，【列轮廓表】；单击【继续】，返回【对应分析】对话框， 7.选择【绘制】→【对应分析：图】对话框，选择【散点图】中的【行点】、【列点】选择【线图】中的【已转换的行类别】、【已转换的列类别】，单击【继续】，返回【对应分析】对话框。 8.单击【确定】按钮，完成设置并执行列联表分析。 四、调试过程及实验结果（详细记录实验在调试过程中出现的问题及解决方法。记录实验的结果） SPSS实验结果及分析： 上表显示了在32155名被调查者中，大多数消费者在网上购物时选择第三方支付和网上银行支付，在网上购物的消费人群以大学本科生相对最多。
实验一：种群密度与空间分布格局调查
实验一种群密度与空间分布格局调查 植物和固着型动物，底栖动物等的种群密度通常采用样方法和样线法进行估测。在进行种群分析时，仅给出种群密度指标往往不够，还要给出种群的空间分布状况(dispersion or population distribution)。如在用样方法取样时，可应用Poission数学模型，以样本方差与平均值的比值判断种群的分布型，比值为1时为随机分布，比值显著大于1时为集群分布，比值显著小于1时为均匀分布。一实验原理 在测定大面积范围内的植物种群数量时，由于难以对所有生物个体一一计数，必须进行抽样估测的办法。最简单且常用的方法是用一定面积的方框在研究样地范围内随机采样，采样的范围要尽量覆盖整个样地，然后对每个方框（样方）内出现的个体进行计数，再应用统计学方法求样本平均值，即可估测整个样地的平均种群密度。这样的方法即取样法。对于一些密集丛生的植物（如杂草），计数困难，也可以用该植物样方内所覆盖面积的比例来表示种群密度。如上所述，样方取样数据要符合Poission分布，用该方法还可以判断植物的空间分布型。二实验目的 通过实验操作，掌握种群野外调查和采样的基本方法；学会利用样方法估测种群密度和估测种群的分布型。 三实验材料 皮尺、记录表格，长绳、卷尺等。 四方法与步骤 1 样方法估测种群密度 （1）选择某一优势种为主的森林群落作为样地，以乔木为目标，确定其范围；（2）将学生分成几个大组，每一大组负责一条边，各个组分工合作，完成整块样地的观测； （3）采用五点法，找出5个点，划出小样方（5m×5m），记录小样方内该优势
种的存在与否和株数，各小组完成一个条带，各大组完成森林群落样地的观测。（4）重新再找2块分布类型类似的区域作为观测样地做重复试验，求平均值。（本实验由于长绳不够，没有充足的时间，只做了一次，没有重复试验，因此试验讨论时应该对数据做一定的解释。） 2 样方法判断种群个体的分布型 （1）选择一片灌木林，确定所观测林地的范围（4m×4m）。 （2）把样地划分为16个小格子，分别数出每一个格子内该种植物的棵数。（3）重复以上操作至少3次，求平均值。 五结果与分析 1 样方法估测种群密度 种群密度=五个点的平均密度/5 2 样方法估测种群个体分布格局 判断种群分布格局的原理是：假设有n个样方，x i 为第i个样方的种群个体数（i=1,2,3,……n），m为n个样方的种群个体平均数，则种群的分散度S2可以表达为： 1-n m) - (x S i 2 2∑ = 当S2/m显著小于1时，则种群分布格局为均匀分布；如果S2/m＝1则为随机分布；如果S2/m显著大小1，则为集群分布。 六思考题 １样方大小会影响实验结果吗？怎样影响？ 2本实验的两种密度和分布型的哪种方法适用于哪种生物？在什么环境下适用？ 3 没有重复试验对真实数据有什么影响？
多元统计分析实验报告
1. 正态性检验 Kolmogorov-Smirnov a Shapir o-Wilk 统计量df Sig. 统计量df Sig. 净资产收益率.113 35 .200*.978 35 .677 总资产报酬率.121 35 .200*.964 35 .298 资产负债率.086 35 .200*.962 35 .265 总资产周转率.180 35 .006 .864 35 .000 流动资产周转率.164 35 .018 .885 35 .002 已获利息倍数.281 35 .000 .551 35 .000 销售增长率.103 35 .200*.949 35 .104 资本积累率.251 35 .000 .655 35 .000 *. 这是真实显著水平的下限。 a. Lilliefors 显著水平修正 此表给出了对每一个变量进行正态性检验的结果，因为该例中样本中n=35<2000，所以此处选用Shapiro-Wilk统计量。由Sig.值可以看到，总资产周转率、流动资产周转率、已获利息倍数及资本积累率均明显不遵从正态分布，因此，在下面的分析中，我们只对净资产收益率、总资产报酬率、资产负债率及销售增长率这四个指标进行比较，并认为这四个变量组成的向量遵从正态分布（尽管事实上并非如此）。这四个指标涉及公司的获利能力、资本结构及成长能力，我们认为这四个指标可以对公司运营能力做出近似的度量。 2. 主体间因子 N 行业电力、煤气及水的生产和供应 业 11 房地行业15 信息技术业9 多变量检验a 效应值 F 假设 df 误差 df Sig. 截距Pillai 的跟踪.967 209.405b 4.000 29.000 .000 Wilks 的 Lambda .033 209.405b 4.000 29.000 .000 Hotelling 的跟踪28.883 209.405b 4.000 29.000 .000 Roy 的最大根28.883 209.405b 4.000 29.000 .000 行业Pillai 的跟踪.481 2.373 8.000 60.000 .027 Wilks 的 Lambda .563 2.411b8.000 58.000 .025 Hotelling 的跟踪.698 2.443 8.000 56.000 .024 Roy 的最大根.559 4.193c 4.000 30.000 .008 a. 设计 : 截距 + 行业
中国矿业大学 空间数据结构上机实验报告
《空间数据结构基础》上机实验报告（2010级） 姓名 班级 学号 环境与测绘学院 1.顺序表的定义与应用（课本P85习题） 【实验目的】 熟练掌握顺序表的定义与应用，通过上机实践加深对顺序表概念的理解。 【实验内容】
设有两个整数类型的顺序表A（有m个元素）和B（有n个元素），其元素均从小到大排列。试编写一个函数，将这两个顺序表合并成一个顺序表C，要求C的元素也从小到大排列。【主要代码】 #include
多元统计分析实验报告,计算协方差矩阵,相关矩阵,SAS
院系：数学与统计学学院 专业：__统计学 年级：2009 级 课程名称：统计分析 ____ 学号：____________ 姓名：_________________ 指导教师：____________ 2012年4月28日 （一）实验名称 1. 编程计算样本协方差矩阵和相关系数矩阵；
2. 多元方差分析MANOVA。 （二）实验目的 1. 学习编制sas程序计算样本协方差矩阵和相关系数矩阵; 2. 对数据进行多元方差分析。 （三）实验数据 第一题： 第二题:
（四）实验内容 1. 打开SAS软件并导入数据； 2. 编制程序计算样本协方差矩阵和相关系数矩阵; 3. 编制sas程序对数据进行多元方差分析； 4. 根据实验结果解决问题，并撰写实验报告； （五）实验体会（结论、评价与建议等） 第一题： 程序如下： proc corr data=sasuser.sha n cov; proc corr data=sasuser.sha n no simple cov; with x3 x4; partial x1 x2; run; 结果如下： （1）协方差矩阵 $AS亲坯 曲；15 Friday, Apr： I SB,沙DO COUR过程 x4 目由度=30 Xi x2x3x4x5X? -10.I9B4944-0.45E2GJ5I.3347097-G.1193E48-￡0.e75?GS
-ID. 188494669,36&Q3?9-7.22IO&OS1J5692043I5.49ee^91S.Oa97SM -8.45S2645■7,221050829.S78&S46-6.372E47I-15.3084183-21.7352376-11.5674785 1.3841097 1.G5S2M7t.3726171IJ24?17B 4.e093011 4.4C12473 2.B747CM -G. I1S3S49 1.GS92043-is.soul aa 4.B09B01I68.7978495劣』S670971S.57ai1B3 -IH.05l6l?a15.43S6569-J1.73S2376孔耶124TB27.0387097105.103225&S7.3505S7E： -2D K5752??319-11337204-1L55M7S52r9747?3i19,573118337.3S0&87E33.3SQ6452 (2) 相关系数矩阵 Pearson相关系数” N =引 当HO： Rho=0 时.Prob > |r| Xi Xi xl 1.QQ000 x2 -C.23954 0.2061 x3 -0,30459 0.0957 x4 0.18975 Q.3092 x5 '0.14157 0.4475 x6 -0.83787 0.0630 -0.49292 0.0150 x2-0.23354 1.00000-0.162750.143510.022700.181520.24438 x20.20C10.31:1?0.441?0.90350.32640.1761 x3-0.30459-0.16275 1.00000-0.06219-0.34641-0.^797-0.23674 x30.095?0.381?<.00010.0563o.oses0 JS97 x40.1S8760.14351-0.86219L000000.400540,313650.22610 x40.30920.4412<.0001 D.02EG Q.085S0.2213 x5-0J 41570.02270-0.946410.40054 1.000000.317370.26750 x50.4J750.90350.0G68Q.025&0.08130 + 1620 x6-0.33?e?0.1S162-0.397970.813650.31787LOOOOO0.82976 x60.0S300.32840.02660.08580.0813C0001辺-0.432920.24938-0.288740.22810 D.267600.92976 1.00000 x70,01500J7610.19970.22130JG20<.0001 第二题： 程序如下： proc anova data=sasuser.hua ng; class kind; model x1-x4=k ind; manova h=k ind; run; 结果如下： (1)分组水平信息 The ANNA Procedure Cla^s Level Informat ion Class Level?Values kind 3 123 Number of observatIons CO (2) x1、x2、x3、x4的方差分析
多元统计分析实验报告
多元统计分析实验报告 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】
1. 正态性检验 Kolmogorov-Smirnov a Shapir o-Wilk 统计量df Sig.统计量df Sig. 净资产收益 .11335.200*.97835.677 率 总资产报酬 .12135.200*.96435.298 率 资产负债率.08635.200*.96235.265 总资产周转 .18035.006.86435.000 率 流动资产周 .16435.018.88535.002 转率 已获利息倍 .28135.000.55135.000 数 销售增长率.10335.200*.94935.104 资本积累率.25135.000.65535.000 *. 这是真实显着水平的下限。 a. Lilliefors 显着水平修正 此表给出了对每一个变量进行正态性检验的结果，因为该例中样本中 n=35<2000，所以此处选用Shapiro-Wilk统计量。由Sig.值可以看到，总资产周转率、流动资产周转率、已获利息倍数及资本积累率均明显不遵从正态分布，因此，在下面的分析中，我们只对净资产收益率、总资产报酬率、资产负债率及销售增长率这四个指标进行比较，并认为这四个变量组成的向量遵从正态分布（尽管事实上并非如此）。这四个指标涉及公司的获利能力、资本结构及成长能力，我们认为这四个指标可以对公司运营能力做出近似的度量。 2. 主体间因子 N
行业电力、煤气及水的 生产和供应业 11 房地行业15 信息技术业9 多变量检验a 效应值F假设 df 误差 df Sig. 截距Pillai 的跟 踪 .967.000 Wilks 的 Lambda .033.000 Hotelling 的跟踪 .000 Roy 的最大 根 .000 行业Pillai 的跟 踪 .481.027 Wilks 的 Lambda .563.025 Hotelling 的跟踪 .698.024 Roy 的最大 根 .559.008 a. 设计 : 截距 + 行业 b. 精确统计量 c. 该统计量是 F 的上限，它产生了一个关于显着性级别的下 限。 上面第一张表是样本数据分别来自三个行业的个数。第二张表是多变量检验表，该表给出了几个统计量，由Sig.值可以看到，无论从哪个统计量来看，三个行业的运营能力（从净资产收益率、总资产报酬率、资产负债率及销售增长率这四个指标的整体来看）都是有显着差别的。 3. 主体间效应的检验
中国植被分布规律
中国植被分布规律 植被地理分布主要决定于热量和降水量，水热结合导致植被沿纬度地带性分布。从沿海向内陆随着降水量变化而使植被沿经度地带性更替。海拔的离度变化形成了植被的垂直地带性。这三方面的结合决定了一个地区植被的基本特点。 (一)中国植被的水平分布规律 1.纬向变化规律我国东南半部是季风区，发育着各种类型的中生性森林，由于自北而南的热量递增，明显地依次更替着下列森林带:寒温带针叶林带，温带针阔叶混交林带，暖温带落叶阔叶林带，亚热带常绿阔叶林带，热带季雨林、雨林带和赤道雨林带。 2。经向变化规律由于我国东临太平洋，因而夏季东南季风的强弱决定着降水的多少。自东南往西北，距海愈远，东南季风力量愈弱，降水愈少，所以植被按东南一西北近乎经度方向按下列规律更替: (1)温带针阔叶混交林或暖温带落叶阔叶林地区， (2)温带草原地区，在这地区内由东向西随着干燥度的递增，依次出现森林草甸草原带，典型草原带，荒漠草原带; (3)温带与暖温带荒漠地区，从东到西按水分状况可分为东阿拉善一西鄂尔多斯草原化荒漠，中亚东部荒漠和中亚西部荒漠。 3。我国植被水平分布的几个特点 (1)由于青藏高原的存在，迫使高原面上的西风环流向南北两侧分流，其北支急流加强了蒙古一西伯利亚高压，使其具有荒漠气候，故在北纬35”一50。之间形成了广阔的温带荒漠，
成为世界上纬度最北的荒漠。蒙古一西伯利亚高压反气旋使草原向东南方向扩展，直达欧亚草原区的最南界，而且华北暖温带落叶阔叶林也偏向干旱性。 (2)由于冬半年寒潮向南侵入低纬地区，因此亚热带常绿阔叶林和季雨林出现一定数量的落叶成分，同时热带植被也向南退到北回归线以南的南海沿岸一线。 (3)滇南和藏南的东喜马拉雅山地的热带山地植被向北挺进可达北纬29”，其原因是青藏高原隆起后，夏季强大湿热的西南季风受东喜马拉雅山和横断山脉阻挡，产生大量降雨，为热带雨林发育创造条件。同时由于青藏高原的屏障作用，使寒潮不能到达藏南也是重要原因之一。 (4)我国亚热带地区面积广阔，南北延伸纬度达12。。夏季在强盛的太平洋东南季风影响下，炎热多雨，发育着广阔的亚热带常绿阔叶林，而在欧亚大陆的其它同纬度地区则为亚热带荒漠和稀树草原，或夏千冬湿的地中海硬叶常绿林和灌丛。 (二)中国山地植被垂直分布的规律性 1.我国湿润区的山地植被带谱结构和特征 (1)山地植被垂直带谱的系列特点决定于山地所处的纬度，带谱的结构从北向南趋于复杂，层次增多。 (2)山地植被垂直带谱的各个垂直带的海拔高度位置随纬度带由北向南而相应升高。 (3)每一个纬度地带的山地植被垂直带谱中，都具有本地带特有的山地植被类型，反映了水平气候地带的特征。 (4)在旱季显著的山地，同一垂直带谱内阴坡与阳坡的森林植被类型有较大差别;而在较湿润和旱季不明显的山地，阴阳坡的森林类型差别不大。 2.我国干旱区山地植被垂直带谱结构和待征 (1)从东到西，随着干旱程度的加强，山地植被的基带由:草甸草原—典型草原—荒漠草原—温带荒漠。 (2)从东到西，山地森林带的位置由基带上升到中山带，这是与山地湿润带在干旱地区的上移相关的植被地理分布现象。 (3)草原带位置也由东向西升高，在草原地区，它们是基带;到了荒漠地区的!妇地则成为第二垂直寸告。 (4)在干旱地区，气候愈干旱，山地植被垂直带谱结构愈趋于简化。 (5)干旱地区山地植被垂直带谱的坡向性十分显著，而在湿润区由于湿度条件较一致，不同
空间分析实验报告
空间分析原理 及应用 上机实验
练习1：利用缺省参数创建一个表面 1．1 启动ArcMap并激活地统计分析模块 单击窗口任务栏的Start按扭，光标指向Programs，再指向ArcGIS，然后单击ArcMap。在ArcMap中，单击Tools，在单击Extensions，选中Geostatistical Analyst复选框，单击Close按扭。 1.2 添加Geostatistical Analyst工具条到ArcMap中。 单击View菜单，光标指向Toolbars，然后单击Geostatistical Analyst。 1．3 在ArcMap中添加数据层 一旦数据加入后，就能利用ArcMap来显示数据，而且如果需要，还可以改变没一层的属性设置（如符号等等） 1.单击Standard工具条上的Add Data按扭。 找到安装练习数据的文件夹（缺省安装路径是C:\ArcGIS\ArcTutor\Geostatistics）,按住Ctrl键，然后点击并高亮显示Ca_ozone_pts和ca_outline数据集。 3.单击Add按扭。 4.单击目录表中的ca_outline图层的图例，打开Symbol Selector对话框。 5.单击Fill Color下拉箭头，然后单击No Color。 6.在Symbol Selector对话框中单击OK按钮。 点击Standard工具条上的Save按扭。新建一个本地工作目录（如C:\geostatistical）,定位到本地工作目录。
1．4 利用缺省值创建表面 单击Geostatistical Analyst，然后单击Geostatistical Wizard。 2.点击Input Data下拉箭头，单击并选中ca_ozone_pts。 3.单击Attribute下拉框箭头，单击并选中属性OZONE。 4.在Methord对话框中单击Kriging. 单击Next按扭。缺省情况下，在Geostatistical Method Selection对话框中，Ordinary Kriging和Prediction Map被选中. 6．在Geostatistical Method Selection对话框中单击next按扭。 7．点击next按扭。
多元统计分析实验报告doc
多元统计与程序设计》课程实验报告 项目名称： 学生姓名： 学生学号： 指导教师： 完成日期：
1 实验内容 2 模型建立与求解 2.1聚类分析的形成思路 2.2.1类平均法 2.2.2谱系图的形成 2.3.快速聚类法 (以上内容见课本) 3 实验数据与实验结果 3.1实验数据 设有20个土壤样品分别对5个变量的观测数据如表5.16所示，试利用 聚类法对其进行样品聚类分析 样品号 含沙量1X 淤泥含量2X 粘土含量3X 有机物4X PH 值5X 1 77.3 13.0 9.7 1.5 6.4 2 82.5 10.0 7.5 1.5 6.5 3 66.9 20.0 12.5 2.3 7.0 4 47.2 33.3 19.0 2.8 5.8 5 65.3 20.5 14.2 1.9 6.9 6 83.3 10.0 6.7 2.2 7.0 7 81.6 12.7 5.7 2.9 6.7 8 47.8 36.5 15.7 2.3 7.2 9 ４8.6 37.1 14.3 2.1 7.2 10 61.6 25.5 12.6 1.9 7.3 11 58.6 26.5 14.9 2.4 6.7 12 69.3 22.3 8.4 4.0 7.0 13 61.8 30.8 7.4 2.7 6.4 14 67.7 25.3 7.0 4.8 7.3 15 57.2 31.2 11.6 2.4 6.3 16 67.2 22.7 10.1 33.3 6.2 17 59.2 31.2 9.6 2.4 6.0 18 80.2 13.2 6.6 2.0 5.8
19 82.2 11.1 6.7 2.2 7.2 20 69.7 20.7 9.6 3.1 5.9 3.2实验过程及结果 Case Processing Summary(a) Cases Valid Missing Total N Percent N Percent N Percent 20 100.0% 0 .0% 20 100.0% a Squared Euclidean Distance used 上表是接近度矩阵，计算距离使用的是平方欧氏距离，所以样品间距离越大，样品越相异，由表中矩阵可以看出样品8号和样品9号的距离是最小的，因此它们最先聚为一类。 Average Linkage (Between Groups) Agglomeration Schedule Stage Cluster Combined Coefficient s Stage Cluster First Appears Next Stage Cluster 1 Cluster 2 Cluster 1 Cluster 2 1 8 9 .153 16
实验一 种群空间分布格局调查
实验一种群空间分布格局调查 一、实验目的 通过本实验，认识群落中不同种群个体在空间分布上表现出的不同类型（即随机分布型、集群分布型、均匀分布型），学会用 2检验法判断种群空间格局类型的方法。 二、仪器、设备及材料 皮卷尺、铅笔、野外记录表格、计算器 三、野外调查步骤 （1）准备工作 每5-6名学生为一组，选择所需研究的植物种群，并确定合适的样地位置。出发前先画好野外记录表格（见附表1），并带齐调查所需物品。 （2）确定样地面积 应根据最小面积法确定，一般草本植物可用1m×1m的样地，灌木可用5m×5m样地，乔木则根据具体情况，适当加大尺寸，如可用20m×20m的样地。 （3）采用邻接格子法在所选样地中划分小样方 一般草本可考虑0.1m×0.1m或0.2m×0.2m，灌木可用1m×1m，乔木可用4m×4m或5m×5m。 （4）计数 将每一小样方中待测植物的株数，记录在野外记录表格中。
四、数据处理 将所得野外数据进行整理，并用χ2 检验法进一步数据处理（见附表2）。 如果一个种群的个体分布是随机的，那么各样方包含0, 1, 2, 3，…，n 个个体的概率分布都应符合泊松级数。级数可为下列形式： e m e m me e m -n m -2m -m -n 2!！，。。。，，， 其中m 为样方中的平均个体数，即均值x 。 检验是用χ2值来检验实测值（即含0,1,2,3，…，n 个个体样方的分布频次）与理论期望值（即泊松理论的期望频次）是否吻合，有无显著差异。其统计量为： ∑理论期望值）（实验值－理论期望值＝22χ 查χ2分布百分表，比较χ2 的计算值与查表值，通常可作出以下判断： 若χ2χ 20.01(f)≥，属于非随机分布； 若χ2< χ20.05(f)，即是随机分布； 若χχχ2 0.05(f)220.01(f)≥ ，认为可能不适合泊松分布。 检验时每一级的理论值必须大于5，若小于5，可将相邻区间合并直至满足要求。 数据处理表（见附表2）计算得χ2值，查表得 χ20.01(f)和χ20.05(f)， 再与χ2比较，确定所研究是否为随机分布。 >
多元统计分析实验报告
多元统计分析实验报告 1、实验内容 根据课本习题3-12做相关分析。 2、实验目的 （1）检验H0：；H1：协方差阵不全相等。 （2）检验H0： U1=U2 ; H1：U1≠U2; （3）检验H0： U1=U2 =U3 ; H1：U1,U2,U3不全等; （4）检验三种化学成分相互独立。 3、实验方案分析 （1）这是关于判断三个3元正态总体的协方差阵是否相等的问题； (2)均值是否相等，在两个协方差阵相等的情况下均值是否相等的问题； （3）比较三组的3项指标是否有差异的问题，就是多总体均值向量是否相等的检验问题； （4）检验 是否独立相当于检验任意2个子向量的协方差阵是否为零矩阵； 4、实验原理及操作过程，结果如下： （1）SAS 代码实现过程如下： data d3121; input y1-y3 group @@; cards; 47.22 5.06 0.10 1 1 23 ==∑∑∑
47.45 4.35 0.15 1 47.52 6.85 0.12 1 47.86 4.19 0.17 1 47.31 7.57 0.18 1 54.33 6.22 0.12 2 56.17 3.31 0.15 2 54.40 2.43 0.22 2 52.62 5.92 0.12 2 43.12 10.33 0.05 3 42.05 9.67 0.08 3 42.50 9.62 0.02 3 40.77 9.68 0.04 3 ; proc iml; n1=5;n2=4;n3=4; n=n1+n2+n3;k=3; p=3; use d3121(obs=5); xa={y1 y2 y3 }; read all var xa into x1; print x1; use d3121(firstobs=6 obs=9); read all var xa into x2; print x2; use d3121(firstobs=10 obs=13); read all var xa into x3; print x3; xx=x1//x2//x3; ln={[5] 1} ; x10=(ln*x1)/n1; print x10; mm1=i(n1)-j(n1,n1,1)/n1; mm=i(n)-j(n,n,1)/n; a1=x1`*mm1*x1; print a1; ln={[4] 1} ; x10=(ln*x2)/n2; print x20;
ArcGIS空间大数据处理实验报告材料
实验四空间数据处理 实验容： 掌握空间数据的处理（融合、拼接、剪切、交叉、合并）的基本方法和原理，领会其用途。掌握地图投影变换的基本原理和方法，熟悉ArcGIS中投影的应用及投影变换的方法和技术，并了解地图投影及其变换在实际中的应用。 实现方法： （一）空间数据处理 打开ArcMap，在菜单栏中选择“地理处理->环境”，打开环境变量对话框。在环境变量对话框中的常规设置选项中，设定“临时工作空间”为“D:\04实验四\04实验四\Exec4”，如图1所示。 图1 第1步裁剪实体 在ArcMap中，添加数据“县界.shp”、“clip.shp”（Clip中有四个实体），添加完后如图2所示。
图2 ●开始编辑，激活Clip图层，选中Clip图层中的一个实体，如图3所示。 图3 ●点击工具栏上按钮，打开ArcToolBox，选择“分析工具->提取->裁剪”， 如图4所示，弹出裁剪对话框，指定输入的实体为“县界”，剪切的实体为“Clip”（必须为多边形实体），并指定输出实体类路径及名称为“县界_Clip1”，如图5所示。裁剪完成后弹出如图6所示的对话框。
图4 图5
图6 ●依次选中Clip主题中其他三个实体，重复以上操作步骤，完成操作后得到四 个图层——“县界_Clip1”，“县界_Clip2”，“县界_Clip3”，“县界_Clip4”，如图7所示。完成操作后，保存编辑。 图7 第2步拼接图层 ●在ArcMap中新建一个地图文档，加载在上一步操作中得到的4个图层，如 图8所示。
图8 ●在工具箱中选择“数据管理工具->常规->追加”,设置输入实体和输出实体，拼 接效果如图9所示。 图9 ●右键点击图层“县界_Clip1”,在出现的右键菜单中执行“数据->导出数据”,弹 出导出数据对话框，将输出的图层命名为“YONK.shp”,如图10所示。
测量学实验报告范文
测量学实验报告范文 测量学实验报告范文 测量学（又名测地学）涉及人类生存空间，及通过把空间区域列 入统计（列入卡片索引），测设定线和监控来对此实行测定。它的任 务从地形和地球万有引力场确定到卫土地测量学（不动产土地），土 地财产证明，土地空间新规定和城市发展。 一、实验目的;因为测量学是一门实践性很强的学科，而测量实验 对培养学生思维和动手水平、掌握具体工作程序和内容起着相当重要 的作用。实习目的与要求是熟练掌握常用测量仪器（水准仪、经纬仪）的使用，理解并了解现代测量仪器的用途与功能。在该实验中要注意 使每个学生都能参加各项工作的练习，注意培养学生独立工作的水平，增强劳动观点、集体主义和爱护仪器的教育，使学生得到比较全面的 锻炼和提升. 测量实习是测量学理论教学和实验教学之后的一门独立的实践性 教学课程，目的在于： 1、进一步巩固和加深测量基本理论和技术方法的理解和掌握,并 使之系统化、整体化； 2、通过实习的全过程，提升使用测绘仪器的操作水平、测量计算 水平.掌握测量基本技术工作的原则和步骤； 3.在各个实践性环节培养应用测量基本理论综合分析问题和解决 问题的水平，训练严谨的科学态度和工作作风。 二、实验内容 步骤简要：1）拟定施测路线。选一已知水准点作为高程起始点， 记为a，选择有一定长度、一定高差的路线作为施测路线。然后开始施测第一站。以已知高程点a作后视，在其上立尺，在施测路线的前进 方向上选择适当位置为第一个立尺点（转点1）作为前视点，在转点1
处放置尺垫，立尺（前视尺）。将水准仪安置在前后视距大致相等的 位置（常用步测），读数a1，记录；再转动望远镜瞄前尺读数b1，并 记录 2）计算高差。h1=后视读数一前视读数＝a1-b1,将结果记入高差 栏中。然后将仪器迁至第二站，第一站的前视尺不动变为第二站的后 视尺，第一站的后视尺移到转点2上，变为第二站的前视尺，按与第 一站相同的方法实行观测、记录、计算。按以上程序依选定的水准路 线方向继续施测，直至回到起始水准点bm1为止，完成最后一个测站 的观测记录。 3）成果检核。计算闭合水准路线的高差闭合差；若高差闭合差超限,应先实行计算校核,若非计算问题,则应实行返工重测。 实习过程中控制点的选择很重要，控制点应选在土质坚实、便于 保存和安置水准仪的地方，相邻导线点间应通视良好，便于测角量距，边长约60米至100米左右。我觉得我们组测量时就有一个点的通视不 是很好，有树叶遮挡，但是那也没办法，因为那个地方的环境所致， 幸好我们能够解决.还有水准仪和经纬仪的调平和对中都需要做好，这 直接影响你的测量结果。测量学教学实习是测量学的重要组成部分,其 目的是巩固扩大和加深我们课堂所学的理论知识,获得测量实际工作的 初步经验和基本技能,着重培养我们的独立工作水平,进一步熟练掌握 测量仪器的操作技能,提升计算和绘图水平,并对测绘小区域大比例尺 地形图的全过程有一个全面和系统的理解,为今后解决实际工作中的相 关测量问题打下坚实的基础。 观测时要认真，有时目标稍微偏一点，读盘上读数就会有变化， 误差就会增大，或许超出容许值范围，结果就要重测，浪费很多时间，所以观测时也很重要。读数时由一个人来读数，这样可减少误差 计算是一个谨慎、复杂的过程。为了能够尽量赶超进度，我们组 的数据绝大部分则有我和李丽实行处理。但是，计算完之后，我们俩