Научная литература
booksshare.net -> Добавить материал -> География (физ) -> Тикунов В.C. -> "Моделирование в картографии" -> 71

Моделирование в картографии - Тикунов В.C.

Тикунов В.C. Моделирование в картографии: Учебник — M.: Изд-во МГУ, 1997. — 405 c.
ISBN 5-211-03346-9
Скачать (прямая ссылка): modelirov_kart.pdf
Предыдущая << 1 .. 65 66 67 68 69 70 < 71 > 72 73 74 75 76 77 .. 129 >> Следующая

Если использовать первый прием элиминации тренда, то карта корреляций динамических рядов урожайности картофеля СССР и областей европейской части России (рис. 61) сильно отличается от первоначально созданной. На этой карте зона высоких значений коэффициентов корреляции в центральной части значительно расширяется, что более правильно, так как именно эти области являются одними из основных производителей картофеля в республике. Карта корреляций рядов урожайности областей и Российской Федерации в целом (рис. 62) не очень сильно отличается от карты, изображенной на рис. 61, что свидетельствует об определяющем значении России в валовом сборе картофеля в бывшем СССР. Но на этой карте появляется район, отражающий почти функциональную зависимость динамических рядов Горьковской области, Татарской, Марийской, Чувашской АССР и РСФСР. Наиболее низкие коэффициенты корреляции приходятся на районы Ростовской области, Калмыкии и Северного Кавказа, где картофель имеет второстепенное значение.
Можно рассчитать коэффициенты корреляции между рядами урожайности всех областей и экономических районов. Так как европейская часть России делится на семь экономических районов, то по их числу можно составить и соответствующее количество корреляционных карт, одна из которых для Северо-Западного района приведена на рис 63. Интересно, что высокие значения коэффициентов корреляции наблюдаются не только в пределах областей данного района, но и охватывают соседние области других районов, вплоть до Татарии. Если показать коэффициенты корреляции для областей только в пределах их экономических районов, то все семь карт как бы совмещаются на одной (рис. 64).
В книге (Тикунов, 19856, с. 204-212) приведены и охарактеризованы две карты типов динамики урожайности картофеля, созданные на основе того же, что и в данном эксперименте статистического материала. Первый вариант типологии вычислялся при условии определения таксонов с однородными ритмами колебаний урожайности на основе евклидовых расстояний (рис. 65). Легендой для данной карты могут служить среднеарифметические значения урожайности за каждый год, рассчитанные в пределах каждого из таксонов и представленные в виде графиков (рис. 66). Номера таксонов на рис 65 и графиков на рис 66 идентичны. Такие графики средней
219


Рис. 61. Корреляции между динамическими рядами урожайности картофеля СССР и областей европейской части России


Рис. 62. Корреляции между динамическими рядами урожайности картофеля России и областей европейской части России


63. Корреляции между динамическими рядами урожайности картофеля Северо-Западного экономического района и областей европейской части России


Рис. 64. Корреляции между динамическими рядами урожайности картофеля по экономическим районам и входящим в них областям европейской части России


Рис. 65. Первый вариант типологии областей европейской части России на основе динамических рядов урожайности картофеля
урожайности нивелируют частные флуктуации в динамических рядах и характеризуют закономерности изменчивости урожайности для целых однотипных групп областей.
В процессе такой классификации также возникает вопрос: а не вносит ли тренд искажений в саму типологию? Для этого попытаемся исключить его влияние вычитанием значений линии регрессии из фактических величин урожайности. В качестве показателя бли-
224

о т

15 Тикунов
4402032873
8594?70852
?972395885
?375983003
3269664964
1232123222


Рис. 67. Второй вариант типологии областей европейской части России на основе динамических рядов урожайности картофеля
зости динамических радов друг к другу вместо евклидовых расстояний в данном эксперименте использовались величины, обратные значениям коэффициентов корреляции, при расчете которых исключался тренд, что привело к более достоверным с географической точки зрения конечным результатам. Использование величины, равной единице, минус коэффициент корреляции требуется по условию алгоритма классификации, чтобы близкие по динамике ряды име-
226


1SVO
Рис. 68. Графики средних значений урожайности картофеля по таксонам, изображенным на рис. 67
14?2453073
?950225414
2848246005
0342?83215
524192428?

ли малую величину в показателе их сходства между собой, аналогично евклидовым расстояниям.
Проведение многомерной типологии на основе коэффициентов корреляции уменьшает количество таксонов до семи, что вновь определялось по значениям коэффициентов неоднородности (см. формулы (2.20) и (2.21)). Полученный результат представлен на рис. 67. Аналогично рис 66 легенда для данной карты представлена в виде графиков на рис 68. Второй вариант типологии, на наш взгляд, более точен. Кроме того, таксоны оказываются территориально не-расчлененными, что отчасти подтверждает неразрывность и плавность смены природных условий. Таксоны второго варианта также лучше согласуются с физико-географическими районами, выделяемыми на территории европейской части России, что, несомненно, связано с благоприятностью природных условий, влияющей на урожайность картофеля и его динамику.
Предыдущая << 1 .. 65 66 67 68 69 70 < 71 > 72 73 74 75 76 77 .. 129 >> Следующая

Реклама

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed

Есть, чем поделиться? Отправьте
материал
нам
Авторские права © 2009 BooksShare.
Все права защищены.
Rambler's Top100

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed