前言

第1章  简介

  简介

  1.1  格局和过程

  1.2  空间格局：空间依赖与空间自相关

  1.3  稳态的概念

  1.4  取样

    1.4.1  生态数据

    1.4.2  取样设计

  1.5  空间统计

    1.5.1  生态数据的显著性检验

  1.6  结论性评述

第2章  种群数据的空间分析

  简介

  2.1  二维空间上的点图数据

    2.1.1  邻体距离法

    2.1.2  精确最近邻体分析

    2.1.3  二阶点格局分析

    2.1.4  双变量数据

    2.1.5  多变量点格局分析

  2.2  标记相关函数

  2.3  对象网络

  2.4  面状单元的网络分析

  2.5  其他空间上的点格局

    2.5.1  一维空间

    2.5.2  三维及三维以上

  2.6  相邻单元分析

    2.6.1  样方方差方法

    2.6.2  样方方差方法的显著性检验

    2.6.3  两个或两个以上物种的应用

    2.6.4  二维及二维以上

    2.6.5  谱分析及相关技术

    2.6.6  小波分析

  2.7  外切圆方法

    2.7.1  单变量分析

    2.7.2  双变量分析

    2.7.3  多变量分析

  2.8  结论性评述

第3章  样本数据的空间分析

  简介

  3.1  取样单元间“相邻”关系的确定

  3.2  连接计数统计方法

    3.2.1  进一步考虑以及其他连接计数统计方法

  3.3  全局空间统计

    3.3.1  单变量空间自相关系数

    3.3.2  变异函数法

    3.3.3  分维数方法

    3.3.4  取样设计对空间格局估计的影响

    3.3.5  两个变量间的空间关系

    3.3.6  多个变量间的空间关系

  3.4  局部空间统计

  3.5  内插法和空间模型

    3.5.1  邻域多边形分析

    3.5.2  趋势面分析

    3.5.3  反距离加权法

    3.5.4  克里格法

  3.6  结论性评述

第4章  区域的空间分区：斑块和边界

  4.1  斑块确定

    4.1.1  斑块属性

    4.1.2  空间聚类法

    4.1.3  模糊分类法

  4.2  边界描绘

    4.2.1  生态边界

    4.2.2  边界特性

    4.2.3  基于多变量的边界探测

    4.2.4  边界统计

    4.2.5  叠加统计

    4.2.6  基于单变量的边界探测

  4.3  结论性评述

第5章  空间自相关分析

  简介

  5.1  解决方法

    5.1.1  迅速固定

    5.1.2  调整有效样本数

    5.1.3  其他种类的模型

    5.1.4  特殊实例

    5.1.5  限制随机化与bootstrap方法

    5.1.6  模型和monte carlo方法

  5.2  有关诱导自相关和变量间关系的更多内容

  5.3  模型和真实

  5.4  取样和实验设计方面的考虑

    5.4.1  取样设计

    5.4.2  实验设计

  5.5  结论性评述

第6章  时空分析

  简介

  6.1  空间统计的变化

  6.2  时空连接计数

  6.3  聚集度和蔓延度的时空分析

  6.4  多边形变化分析

  6.5  移动分析

  6.6  过程和格局

    6.6.1  树木的更新、生长和死亡

    6.6.2  植物移动

    6.6.3  地衣边界

  6.7  时空有序和空间协同

  6.8  混沌

  6.9  结论性评述

    6.9.1  建议

第7章  综合评述和未来发展方向

  回到基础部分

  7.1  编程技巧

  7.2  数据稳态

  7.3  零假设

  7.4  量化分析方法

  7.5  统计上的难度

  7.6  随机化和限制随机化检验

  7.7  方法间的互补性

  7.8  未来的工作

附录

参考文献

索引