北京PM2.5浓度空间分布的贝叶斯地理加权回归模拟北大核心CSCD

针对地理加权回归(GWR)模型无法克服小样本数据下异常值影响的问题,该文利用贝叶斯地理加权回归(BGWR)模型对北京地区2016年10月1日至12月29日长达90d的PM2.5监测数据进行了浓度模拟。该方法通过加入贝叶斯先验信息,选取不同的平滑函数,在局部空间样本稀少的情况下,有效降低了异常值和"弱数据"对回归结果的影响,更加真实地反映了PM2.5浓度空间分布。实验结果表明,基于不同平滑函数的3种BGWR模型校正决定系数分别达到了0.799、0.801和0.867。平均比GWR模型提升了28%,比OLS模型提升了32%,证实了BGWR模型在模拟PM2.5浓度分布时具有更好的适用性。     

利用搜索引擎数据模拟疾病空间分布

互联网记录了人们的日常生活,对带有位置信息的搜索引擎数据进行分析和挖掘可以获得隐藏于其中的地理信息。本文通过分析中国各省流感月度发病数与相关关键词百度搜索指数之间的相关性,选取相关性较高关键词的百度指数作为解释变量,发病数作为因变量,在采用主成分分析法消除变量共线性后,分别使用普通最小二乘回归（OLS）、地理加权回归（GWR）及时空地理加权回归（GTWR）构建流感发病数的空间分布模型。模型的拟合度能够从OLS的0.737、GWR的0.915提高到GTWR的0.959,赤池信息准则（AIC）也表明,GTWR模型明显优于OLS与GWR模型。验证结果显示,GTWR模型能准确识别流感高发地区,将该方法与搜索引擎数据结合能较好地模拟流感空间分布,为空间流行病学的研究提供预测模型和统计解释。     

广东省上市公司总部的空间分布及其影响因素研究

针对广东省上市公司的空间分布,利用标准差椭圆、空间数据分析和地理加权回归模型等研究方法,对广东省上市公司总部的空间分布及其影响因素进行分析。结果表明,广东省内上市公司总部分布具有极大的差异性,总体以广州、深圳为中心的双核向四周辐射的发展模式。经济发展水平、常住人口数量、交通便利性和城市等级均能促进广东省内上市公司的发展。     

澜沧江流域降水量空间分布的克里格插值分析

澜沧江流域范围狭长,地形起伏较大,降水等气候信息复杂多变,获取困难。而使用地质统计学当中的克里格插值方法,可以对降水量的空间分布情况进行插值分析,获取流域内及周边地区的降水量空间分布特征。本文对地质统计学及克里格插值的基本理论进行了简单介绍,利用降水量空间分布的各向异性特征,对澜沧江流域多年平均降水量进行了空间插值处理,对试验误差进行了比较,并对流域内降水量的整体分布特征和其中部分地区降雨量异常的原因进行了初步的分析。     

湖南省年均降水量空间插值比较分析

本文以湖南省及周边区域98个气象站点1981-2010年降水量数据及该地区的DEM为基础进行空间插值,选择38个站点作为检验站点,其余站点分别取60,40,20个作为插值站点。采用整体插值法、局部插值法和混合插值法分别计算研究区的面雨量,比较不同插值模型的精度,结论如下:插值站点数量和模型类型及其参数均会影响插值精度;混合插值法相比于整体插值法和局部插值法更加稳健;20,40,60个插值站点的最优模型分别为BP神经网络、经验贝叶斯克里金法和张力样条插法;不同插值方法的降水空间分布格局大体相似,近似呈现出降水高值与降水低值两个"凹"形区域相毗连,东部降水量高于西部,南部高于北部。     

地理空间要素与贫困分布的关系研究——以赫章县为例

本文以赫章县为例,以乡镇为研究单元,从地形地貌、土地资源、交通条件等方面构建地理空间要素评价指标。并利用地理探测器、地理加权回归模型等方法,从空间的视角科学分析地理空间要素对贫困化空间分布的影响,揭示了贫困程度与资源环境的空间分布规律,为实现因地制宜、精准脱贫,以及巩固脱贫摘帽成果提供了决策参考。     

顾及空间异质性的自回归模型应用研究北大核心CSCD

针对传统的空间自回归模型拟合精度较低且无法顾及空间异质性的问题,该文提出了改进的地理加权自回归模型。并以北京市住宅小区特征价格数据为例,利用探索式空间数据分析方法分析住宅价格数据的空间自相关性,探讨其时空演变特征;建立了空间自回归模型、地理加权回归模型和地理加权自回归模型,并在模型之间进行精度对比和分析。实验结果表明:北京市住宅价格具有明显的空间相关性与空间集聚特征;由于综合考虑了空间自相关性和空间异质性,地理加权自回归模型不仅能大幅度提高模型的拟合优度和解释能力,还能更好地揭示住宅价格的空间变化规律,为数据的空间探索提供了新的方向。     

陕西省气温空间分布模拟研究

本文以陕西气象局1971-2000年30年96个台站的1-12月多年平均气温为数据源,把气温的空间分布分解为受经纬度、海拔高度影响规律性成分影响和微地形的影响两部分,得到基于栅格的陕西省1-12月多年月均温的空间分布模拟栅格数据,可以反映气温大尺度的变化和微型变化。经检验,模拟的结果具有较高的精度,反映了陕西省各月的气温空间变化规律,为农业区划、生态系统模拟提供了空间化的气温数据。     

混合地理加权回归模型算法研究

以迭代算法为基础，推导出混合地理加权回归模型的常系数（全局参数）和变系数（局域参数）的计算方法，并以上海市住宅小区楼盘销售平均价格为例进行验证。结果表明，混合地理加权回归模型的计算量略大于地理加权回归模型，但对样本数据的拟合更好，局域参数估计更稳健。     

基于GIS技术的我国大气可降水量分布研究

利用分布于全国范围内的125个气象探空测站点(每日8:00和20:00)的探空数据,应用数据库编程与GIS技术,对大气可降水量在全国的分布情况进行了分析,得到了2002年全年以及春夏秋冬4个季节(2001年12月和2002年1,2月作为冬季)的平均大气可降水量在全国的分布状况。对数据进行分析可知:在空间上,我国的大气可降水量总体呈东南多,西北及青藏高原地区少的分布状况。同时,由于地形组合状况的特殊性,导致四川盆地、天山北麓等地区的大气可降水量略高于其周围地区;在时间上,夏季的大气可降水量值较高,可达到62mm左右,冬季较少,而春秋季除局部地区外大气可降水量基本持平。     

人口数据空间分布化模型研究

分析人口数据地理空间分布化的必要性，针对常用的表示人口分布方法的不足，提出将人口数据分布到规则格网上的数字人口模型(Digital Population Model，简称DPM)，并详细阐述了DPM建立的原理及实现的技术方法，以及目标区域格网划分的原则、方法。通过样区实验，证实该方法表示分布人口的准确性、合理性。     

安徽省降雨量空间分布方法

基于安徽省78个气象站点的30年(1977-2006)降水资料,运用地理信息系统软件ArcGIS提供的空间插值方法,研究安徽省降水量的空间分布规律。通过对17个检验点的空间插值进行检验,相关性明显,表明反距离加权插值法在模拟降水量空间分布具有较高的精度。     

时序变差函数特征驱动下的月平均降水空间分布模拟

高精度降水场是水文、气象以及环境分析的重要数据支撑,直接影响相关服务的准确性。传统降水分布模拟大多依赖站点空间维的驱动因素,而忽略了降水时序变化特征对其空间分布的影响。使用2015—2017年中国湖北省83个国家气象观测站点和28个省级观测站点近3 a月平均累积降水资料,通过相关性分析,引入站点降水时序理论变差函数模型的拱高值(C)和块金值(C₀)作为影响因素,使用地理加权回归(geographically weighted regression, GWR)建立湖北省月平均降水分布模型。结果表明:（1）各站点降水的时序变差函数曲线与降水的季节性基本吻合。站点时序理论变差函数模型中,有25.3%能够在4个月内达到平稳,36.14%在6个月内达到平稳。（2）站点降水时序理论变差函数模型的C和C₀与逐年12月平均累积降水在0.01水平（双侧）上显著相关,平均相关系数分别为0.745和0.526,大于地理位置和高程对降水的影响。（3）引入C和C₀ 有助于提升GWR模型的整体拟合优度和插值精度。对比仅使用经纬度的GWR模型和引入时序理论变差函数特征的GWR模型,3 a平均整体拟合优度从0.852提升至0.912。验证集站点插值精度评价显示,3 a绝对误差、均方根误差和平均绝对百分误差下降幅度均大于60%。因此,引入时序理论变差函数特征的时空GWR模型能够获得较高精度的降水模拟结果,更适合具有丰富历史降水资料地区的降水空间分布估算。     

中国雾霾分布及其组成相关性分析

雾霾天气由于其对人体健康及交通能见度的极大影响而受到广泛关注。在收集相关污染物与气象数据基础上,基于GIS技术及最小二乘法和地理加权回归模型分析了我国2014年1月雾霾空间分布特征及其组成要素的相关性。研究表明,2014年1月我国各省会城市基本都受到雾霾影响,其中华北地区最为显著,华东、华南沿海城市具有一定的相似性;西南部地区大部雾霾污染明显小于其他地区。从雾霾物质组成上看,PM_(2.5)与PM_(10)、CO、NO_2和SO_2之间存在微妙关系,随着其他污染物的增加,PM_(2.5)数值也会随之增大,其中PM_(10)和CO对PM2.5的影响是显著的。从研究方法上看,利用地理加权回归建模方法对雾霾及其组成成份相关性研究的效果(84%)略好于最小二乘法的分析效果(82.59%)。本研究可为了解雾霾空间分布特征及分析其相关影响因素提供参考。     

基于LUR的武汉市PM2.5浓度空间分布模拟

基于稀疏监测点的监测数据无法直接获取城市内部空气污染的高分辨率空间分布。以武汉市为例,研究了基于土地利用回归(landuseregression,LUR)模型的大气PM2.5浓度高分辨率空间分布模拟。采用双变量相关分析识别出与PM2.5浓度相关性最高的4个影响因子,分别是1000m缓冲区内道路长度,500m缓冲区内水域面积,500m缓冲区内建设用地面积以及工业污染影响。采用PM2.5月平均浓度和识别出的影响因子连同气象条件(月平均温度和月降水量)进行多元线性回归分析,相关系数R2达到0.905,调整后的R2为0.885。在研究区建立均匀格网(2km×2km),利用得到的LUR方程计算格点PM2.5浓度值,应用空间插值制成武汉市主城区夏季PM2.5浓度空间分布模拟图。模拟结果显示,主城区有三个PM2.5浓度高值中心,分别为青山工业区、江北工业区和汉口汉西建材市场区域。汉阳南部、武昌南部的大型湖泊和水域面积比例较大的区域表现为两个PM2.5浓度低值中心。     

基于分形Voronoi图的城市空间分布特征数据挖掘——以山西省为例

本文引入以城市中心性强度为权重的加权Voronoi图,结合城市空间分布特征与周长—面积分形维数,研究了山西省地级市2009—2013年城镇发展的稳定性和均衡性,探究城市空间分布特征的时空数据挖掘;提出基于中心性强度为尺度的分形维数,尝试探究山西省地级市中心性强度的分形特征,分析山西省中心性强度的变化。研究表明:山西省2009—2013年各地级市间影响范围差距有减小的趋势,空间影响范围呈现上下波动的态势,山西省东部城镇发展趋势较好,西部城镇发展态势较弱,由周长—面积分形维数可得:2009—2013年山西省整体发展态势较不稳定;本文提出的基于中心性强度为尺度的分形维数主要处于1到2之间。     

地理空间数据在数字城市中的应用

"数字城市"建设的基础在于地理空间数据框架的构建,而基础地理空间数据的采集获取、加工和电子地图的生产在"数字城市"建设过程中显得至关重要。文章通过广东省某市地理空间数据的整合及电子地图数据的生产,阐述了地理空间数据在数字城市的发展与建设中的应用。     

京津冀地区PM2.5/PM10浓度时空分布监测与分析

针对京津冀地区多年来重工业较多、结构性污染突出等问题,该文充分利用多期扬尘地表和工业企业污染源、交通网络、地理国情地表覆盖数据、气象和地形数据,结合MODIS AOD产品和环境监测数据,采用主成分分析和最佳子集回归方法优选预测变量,构建估算PM2.5和PM10浓度的地理加权回归模型,实现京津冀地区2013、2015和2017年PM2.5/PM10年均浓度空间分布模拟制图,分析PM2.5/PM10年均浓度时空分布。实验结果表明,PM2.5和PM10浓度估算模型的决定系数R2分别为0.76和0.86,平均相对预测误差分别为10.87%和13.54%。     

南昌市二手房价格影响因子的空间异质性

以安居客网站爬取的2018年10月894个南昌市住宅小区二手房价格为研究对象,利用地理加权回归模型探讨了建筑特征、邻里特征、区位特征等方面各影响因子对住宅价格的作用差异.研究结果表明:1)地理加权回归(GWR)模型的拟合结果优于OLS模型,将回归系数结果空间可视化发现南昌市二手房价格影响因子具有空间异质性.2)不同因子...