Моделирование в картографии - Тикунов В.C.
ISBN 5-211-03346-9
Скачать (прямая ссылка):
Следующая карта (RВЕ) свидетельствует о положительном влиянии повышения количества осадков на урожайность масличных культур. Имеющиеся отклонения могут быть объяснены расчленен
122
ностью рельефа ж большим стоком, а также засоленностью и низким содержанием питательных веществ в почвах и другими причинами. Наиболее сильная отрицательная связь на юго-востоке Павлодарской области (по восточному берегу Иртыша). Она обусловлена уменьшением урожайности, несмотря на увеличение осадков, что вызвано наличием здесь песчаных и супесчаных почв с их худшими водно-физическими свойствами и усилением ветровой эрозии.
Другие приведенные карты парных коэффициентов корреляции также отражают объективно существующие взаимосвязи между урожайностью и природными условиями. Однако очевидно, что природные условия оказывают влияние во всей своей совокупности, часто косвенно и могут четче проявиться при исключении осложняющего влияния других факторов. В связи с этим особый интерес представляют карты частных коэффициентов корреляции, которые можно анализировать не только отдельно, но и в сравнении их с соответствующими картами парных корреляций.
Возьмем для примера карту взаимосвязи урожайности ячменя с осадками при элиминации суммы температур (RQE/D>- На этой карте наблюдаются некоторые изменения коэффициентов корреляции по сравнению с картой RQE- Например, увеличилась связь на севере и востоке Кокчетавской области, что верно отражает рост урожайности при увеличении количества осадков к северу. Эта взаимосвязь на карте парных корреляций отчасти маскируется влиянием сумм температур. В целом карты парных и частных корреляций близки, что свидетельствует о малом влиянии сумм температур по всей территории на такую культуру, как ячмень.
Интересны карты множественных коэффициентов корреляции. Так, коэффициенты корреляции между урожайностями всех трех исследуемых сельскохозяйственных культур существенно отличаются от парных корреляций. Прежде всего бросается в глаза то, что связь везде положительна и по величине превосходит значения парных коэффициентов. Наиболее пестра картина в среднем районе Северного Казахстана с разнообразными природными условиями.
Вполне естественно, что для всестороннего изучения причин, влияющих на урожайность сельскохозяйственных культур, в корреляционный анализ должны быть включены и другие, как природные, так и социально-экономические, показатели. Однако даже исследование очень ограниченного числа факторов позволяет обнаружить интересные закономерности, которые прослеживаются на созданных корреляционных картах.
123
Можно привести еще ряд примеров создания корреляционных карт, позволяющих обнаружить взаимосвязи между явлениями, например между комплексом природных и социальных явлений, что осуществлено для территории Алтайского края (Тикунов, 19856). В этом случае ставилась задача выяснить степень соответствия между оценкой природных условий для жизни населения и плотностью населения. Тематические корреляционные карты позволили значительно детализировать представления о зависимостях, существующих между расселением и природными условиями Алтайского края. Прослеживание пространственного варьирования связей от места к месту по всей территории дало возможность выявить районы, где природные условия в значительной мере определили факторы, препятствующие или благоприятствующие размещению населения. С другой стороны, по составленным картам удалось выявить территории, где расселение мало зависит от природных факторов.
111.2. МОДЕЛИ ВЗАИМОСВЯЗЕЙ СОДЕРЖАТЕЛЬНЫХ ХАРАКТЕРИСТИК ЯВЛЕНИЙ
III.2.1. Корреляционные модели взаимосвязей содержательных характеристик явлений
Модели взаимосвязей содержательных характеристик явлений чаще всего основаны на расчете и картографировании коэффициентов корреляции, хотя для этих же целей могут применяться и другие разнообразные показатели взаимосвязей. При традиционной методике вычисления парных коэффициентов корреляции происходит сравнение сходства столбцов матрицы исходной многомерной информации X (2.11) по всему ряду анализируемых территориальных единиц. Такой расчет коэффициентов корреляции приводит к образованию их матрицы (2.12). Отметим, что коррелируемые ряды должны состоять из независимых случайных величин с нормальным законом распределения, а длина рядов должна обеспечивать надежность вычисляемых коэффициентов корреляции.
Парные коэффициенты корреляции можно рассчитывать не только между столбцами, но и между строками матрицы X. Используя терминологию факторного анализа, такую вычислительную процедуру можно назвать Q-модификацией корреляционного анализа, в от
124
личие от вышеописанного ^-анализа. Для этого достаточно транспонировать матрицу X. Тогда расчет корреляций приведет к образованию матрицы R':
W =
1 г12 г13 . >*31 r32 1 *
(3.8)
rn\ rn2 г пЗ
1
В этом случае число строк и столбцов матрицы определяется количеством исследуемых территориальных единиц (n X п), а длина рядов — числом исходных признаков-индикаторов (т).
Матрица R' в отличие от R удобна тем, что в ней характеризуются территориальные единицы, которые можно картографировать в целях анализа их пространственного размещения. Картографирование результатов Q-анализа можно проводить в разных направлениях. Одно из них — изучение наиболее общих, межрайонных закономерностей во взаимосвязях содержательных характеристик явлений (Сербенюк, Жуков, 1973). Второе направление заключается в исследовании внутрирайонных особенностей. Реализация данного направления производится на базе моноструктурной информации по отдельным пунктам или мелким единицам территории. Таким примером могут служить расчет и картографирование корреляций по мелким единицам административно-территориального деления Польши — повятам (Жуков, Тикунов, 1977) или создание серии карт структуры занятий в сельских регионах России (Алексеев, Тикунов, Борзилова, Ревзина, 1993). Серию карт по России мы и используем в качестве иллюстрации методики.
