地理时空三向聚类分析方法的构建与实践

随着地理数据获取能力的不断提升,地理数据体量呈指数增长,数据种类、数据性质更加多元化。对数据的有效甄别和归类成为理解地理现象时空特征、演化过程和行为机制的关键。传统聚类方法面临数据体量大、维数高、质量差的挑战,加之对地理空间与时间关联分析的需求,对聚类方法改进和提升研究的要求越来越迫切。本文介绍了从单向到三向聚类构建思路的变革。单向聚类是仅在样本或属性方向上进行聚类,易忽视非常相似的局部特征、易犯“横看成岭侧成峰”的错误。双向聚类是基于数据矩阵内元素值的相似性,形成一个子矩阵分割方案,使子矩阵内元素相似度尽可能高,子矩阵间元素相似度尽可能低,从而实现行列两方向的同时聚类,避免了单向聚类的不足。鉴于双向聚类难以满足地理研究超出双向的解译需求,本文提出并研发了一个全新的三向聚类方法,给出了运用该方法开展地理时空格局过程探测的流程,总结了如何根据研究涉及的“空间—时间—尺度—属性”构建三维数据体;最后,展示了三向聚类的地理实践案例。结果表明：① 三向聚类是一种大数据时代探测地理数据时空分异规律的有效方法,可以解决数据维度高、质量低等问题;② 面对不同的地理问题,三向聚类在算法层面上是通用的,不同之处仅在于：根据不同问题涉及的空间、时间、尺度、属性的不同,构建不同的数据体;不同数据体聚类得到的不同结果回答不同的地理问题;③ 三向聚类可以实现地理数据的时空分异规律多方向、多尺度、多层次的联合解译,揭示地理特征时空尺度叠加效应。最后,论文强调根据地理问题组织数据的重要性,期待未来能够提升三向聚类在多空间尺度、多属性方面的地理研究实践。     

考虑全时间序列信息的NDVI变分重建方法

NDVI数据受云覆盖等因素影响,普遍存在信息缺失和噪声污染问题。传统基于滤波或曲线拟合的方法对NDVI时间序列的先验特征考虑不足,难以有效解决时间连续缺失的难题。该文在变分框架下,通过正则化方式对NDVI时间序列的局部平滑性和非局部年际相似性进行刻画,提出一种考虑全时间序列信息的NDVI重建方法;选取Savitzky-Golay(SG)滤波、时间序列谐波分析(HANTS)和Whittaker滤波3种方法作为对比方法,在长江经济带两个区域的MODIS NDVI产品上进行模拟实验和真实实验。结果表明：该文方法在随机缺失和时间连续缺失情况下的MAE、RMSE和CC均更优,且能有效滤除不平滑的原始NDVI时间序列曲线中的噪声,获得平滑曲线,在处理时间连续的云污染方面表现更好。     

基于LSWI和NDVI时间序列的水田信息提取研究

利用多时相的Landsat TM/ETM+和DEM数据,分别采用直方图匹配(HM)和准不变特征点(PIFs)方法对影像序列进行相对辐射校正,减少了影像的光照和大气条件在时间上的不确定性,提高了归一化植被指数(NDVI)和地表水分指数(LSWI)的计算精度。根据水稻在不同生育期表现出的生理特征,基于LSWI和NDVI时间序列及高程特征,采用二叉树方法提取了浙江省金华市水田信息。经过验证,在空间上水田信息的提取精度达到92.3%,在县域尺度上提取面积与统计年鉴具有0.97的相关度。     

基于客流特征的北京地铁站点类型识别

地铁站点是城市各种社会经济活动的关键节点,不同类型的地铁站点在城市中的区域条件、交通功能、土地利用类型等方面均存在差异,科学的站点分类有助于了解城市功能分区及评价轨道交通基础设施建设状况。本文基于2013年3月份14天工作日地铁刷卡客流量数据,运用引入客流特征的时间序列聚类方法,对北京市195个地铁站点进行分类。研究表明：①地铁站点客流量存在时空差异,也是城市功能分区时空差异的表现之一。②通过引入客流特征的时间序列方法,将地铁站点分为居住导向型、就业导向型、职住错位型、错位偏居住型、错位偏就业型、混合型、综合型及其他型8种不同类型。③利用地铁站点客流量数据,是将空间行为和实体空间进行关联比较的有效途径。     

基于Brown-Forsythe检验的水文序列变异点识别

当前在水文序列变异点识别中常采用的几种统计方法都对数据有较多假设,当假设不满足时,识别结果通常并不理想。本文根据统计学方差分析的原理,建立了基于Brown-For-sythe检验的水文序列变异点识别方法,并采用该方法对新疆开都河大山口站近50年年平均径流序列进行了变异点识别。研究结果表明,该识别方法继承了Brown-Forsythe检验的优点,对数据不做过多假设,且易于进行多变异点识别,在一定程度上具有比当前所用统计方法更优越的性能。     

COVID-19期间国家关系交互网络时空分析研究

COVID-19疫情不断蔓延为国际政治、外交关系等带来深刻影响。目前基于复杂网络方法的国际关系研究较少考虑节点的空间属性,难以探索国际关系的动态演化模式及其空间分布特征。该文提出一种结合时间序列聚类与空间统计的国家关系交互网络演化模式探测方法。基于2020年1月-2021年3月的GDELT数据构建国家关系交互网络,基于节点的演化特征,应用K-means聚类算法将节点划分为6种类型,结合局部连接统计方法分析节点演化模式的空间分布特征。研究表明:面对疫情冲击,各国为控制疫情蔓延倾向于参与合作交互事件;国家关系交互网络中的不同时序演化模式总体按照节点的点度中心性强度由高到低分布;疫情防控期间网络中始终处于边缘地位的节点在空间分布上呈现聚集特征,而核心节点空间分布较分散。通过研究网络节点的时序演化模式及空间分布特征可为公共卫生危机事件期间国际关系与地缘政治研究提供新思路,对于危机事件期间制定外交政策与应对策略具有一定参考价值。     

分形学理论在大气环境时序数据分析中的应用研究

本文应用时间序列的域重新标度方法,对福州市大气环境监测数据的时间序列进行分析,发现其具有自相似的分形特征,分形维数为1.19.对于不同的污染物、不同的时间观测尺度与不同的时间跨度,大气环境监测数据的时间序列均具有相近的D值,分形维数可以从整体上描述大气环境质量的动态变化特征.     

基于决策树和MODIS植被指数时间序列的中亚土地覆盖分类

利用MODIS植被指数时间序列对中亚土地覆盖类型分类进行了研究。MODIS数据时间分辨率高,时间序列数据可以表征植被生理活动的动态变化。从时间序列数据中提取植被物候信息,可以实现对不同土地覆盖类型的定量描述。MODIS数据质量信息波段,记录了研究区遥感数据质量,提供植被指数可用性、气溶胶处理、云、冰雪可能性、合成方法等信息,为植被指数时间序列噪声的去除提供一种新的方法。决策树分类结构清晰、不基于正态统计分布假设、效率高、分类精度高。分类结果与统计数据比较,两者一致性较好,精度验证总体精度95.76％,kappa系数0.9516。     

分形学理论在大气环境时序数据分析中的应用研究

本文应用时间序列的域重新标度方法，对福州市大气环境监测数据的时间序列进行分析，发现其具有自相似的分形特征，分形维数为1．19，对于不同的污染物，不同的时间观测尺度与不同的时间跨度，大气环境监测数据的序列均具有相近的D值，分形维数可以从整体上描述大气环境质量的动态变化特征。     

基于Landsat8影像时间序列NDVI的作物种植结构提取

为提高内蒙古平原灌区作物种植结构遥感监测精度和效率，提出一种基于时序NDVI曲线的作物种植结构提取方法。以内蒙古土默特右旗平原区为研究区域，以2015年覆盖作物生育期的多时相Landsat影像为数据源，根据不同地物其NDVI值范围不同，将研究区地表分为植被覆盖地表，无植被覆盖地表和水体3类。在植被覆盖区域内，根据林地和荒草地时序NDVI曲线特征，提取林地和荒草地，其余区域即为农田。根据小麦、玉米、葵花和西葫芦的时间序列NDVI曲线特征差异构建分类决策树模型，在农田区域内提取上述作物的空间种植分布信息。研究区各类地物及作物遥感提取面积与实际统计面积接近，土地利用分类总体精度达到85.71%，作物分类总体精度达到82.69%。研究结果表明该方法提取作物种植信息的精度较高，能够实现区域作物种植信息的高效准确监测。     

水文气象序列趋势分析与变异诊断的方法及其对比

日趋频繁的极端天气和水文事件对经济发展和人类生命安全构成重大危害,水文气象序列的趋势变化分析与预测研究是避免和控制这些破坏性全球环境变化的前提,也是目前亟待解决的科学问题之一。基于现代数学和统计学理论,气象学和水文学研究人员对水文气象要素趋势检验和突变点识别的方法做了大量的研究。针对当今普遍采用的参数统计、非参数秩检验和小波分析方法及其本质原理,在分类阐述的基础上,系统归纳总结了各个方法在应用过程中存在的问题及解决方案,并以黑河流域托勒气象站年平均气温为实例对比分析各方法计算结果的差异性,凝练出水文气象序列趋势分析与变异诊断的理论与方法系统体系,为今后理论方法的进一步改进及应用发展提供参考。     

基于Sentinel-2遥感时间序列植被物候特征的盐城滨海湿地植被分类

滨海湿地是具有重要功能的特殊海陆过渡带生态系统,精准获取滨海湿地植被时空分布信息具有重要意义。传统的湿地遥感观测研究集中于高空间、高光谱分辨率影像分类,往往受限于数据成本和覆盖范围,仅适用于小区域湿地监测。Sentinel-2A/B卫星影像时空分辨率高且免费共享,为大区域滨海湿地动态监测提供了可能。本文采用2018年Sentinel-2影像,提出像元级SAVI时间序列及双Logistic植被物候特征拟合重构模型,采用随机森林算法进行盐城滨海湿地植被分类,探讨Sentinel-2遥感时间序列植被物候特征分类方法的适用性。结果显示,分类总体精度达87.61%,Kappa系数为0.8358,分类结果与湿地实况相吻合,比常规单一时相分类精度总体提高19.57%。植被判别物候特征参数可为影像数据缺失或不足的滨海湿地分类提供不同植被的判别依据。研究表明,基于像元级时间序列植被物候特征的分类方法能实现植被群落混生带的精准分类以及对“异物同谱”植被的有效区分,对大区域滨海湿地植被分类具有很好的适用性,有效提高了滨海湿地植被分类精度。     

基于遗传算法的水文时间序列变点分析方法

为处理常规变点分析方法计算复杂、识别全部变点困难等问题,提出了用遗传算法进行水文时间序列多变点分析的一套新方法(AGA-CPAM)。实例计算的结果说明,AGA-CPAM用于水文时间序列多变点诊断简便、可行和有效,在各种非线性时间序列灾变分析中具有推广实用价值。     

山区月降水量的短序列订正方法

山区降水量数据非常有限,而且它们的时间序列长短不一,需要将短时间序列的降水量数据延长到统一的长时间序列,才能进行相互比较,这是山区气候研究中的一项重要的基础工作。以浙江省仙居县为例,通过分析月降水量的时间分布类型,选择了县内10个降水量测站,分别以上张水文站和苗寮水文站为基本站,以其它7个水文站和括苍山气象站为订正站,对基本站和订正站的月降水量之间进行相关分析,并采用月降水量相对系数的稳定性特征对各订正站的月降水量进行了时间序列订正,然后,从订正误差的角度分别对订正结果进行了分析。结果表明：基本站与订正站月降水量之间的相关系数越大,则订正站月降水量的订正误差越小。此外,当基本站与订正站月降水量之间的相关系数相差不大时,则订正站月降水量的订正误差与月降水量的时间分布类型有关,月降水量属于同一类型的订正误差比不属于同一分布类型的订正误差小。     

渭干河流域生态水文时间序列特征及影响因素

以渭干河流域水系中的库车河兰干站、渭干河黑孜水库站、渭干河千佛洞（合成）水库站为例,对R/S和Mann-Kendall法用于水文时间序列存在的不足进行了讨论,提出了将这两种方法相结合来分析水文时间序列的变化趋势。结果表明：库车河兰干站、渭干河黑孜水库站、渭干河千佛洞（合成）水库站赫斯特指数0 < H < 0.5、统计量UF_k>0,未来径流量呈显著下降趋势,渭-库绿洲的自然和人为因素对该地区的生态水文产生一定影响。