地形因子与小微地震相关度的空间异质性分析

针对传统最小二乘回归未能顾及数据的空间特性,且无法度量模型自变量与因变量相关性的空间变异特性的问题,本文提出利用地理加权回归方法分析小微地震频次与地形因子相关度的空间异质性。以四川地区的地震监测资料、DEM为实验数据,选取地形复杂度、坡度变率、坡向变率和地面曲率为自变量,地震发生频次为因变量,构建地理加权回归模型,并进行回归系数的空间变异分析。实验分析发现,地震频次与地形因子具有一定的相关性:地形复杂度与地震频次相关性最强;坡度变率、沟壑密度、剖面曲率与地震频次的相关性依次减弱;不同空间位置的地形因子和地震频次的相关性具有较明显的空间异质性。实验结果表明,地理加权回归可以有效地度量分析地震频次与地形因子相关度的空间异质性,研究结果可为地震及次生灾害的分析与预报提供辅助决策参考。     

顾及空间异质性的自回归模型应用研究

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。     

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。     

雪线时空分布及与地形因子相关性分析

采用青海玉珠峰1998、2010、2013、2015年7月份四期SPOT5及QuickBird遥感影像(1998年为航片),解译冰雪范围线,对冰雪覆盖区域的时空变化特征进行分析。获取2013年雪线高程,利用30 m分辨率的SRTM-DEM提取坡度、地形曲率、地形起伏度等地形因子。在气温、降水条件基本相同的情况下,对不同的海拔范围采用回归分析推算雪线高程与地形因子的相关关系。结果表明,随着海拔的升高,雪线高程与地形因子的相关性有逐步增强的趋势。当海拔达到约5 500 m时,雪线高程与坡度、地形起伏度、剖面曲率、平面曲率的相关系数分别为0.509、0.517、0.141、0.221,地形起伏度与坡度是对雪线分布影响相对较大的地形因子。     

基于RS与GIS技术的泸定县植被空间分布分析

以四川省泸定县为分析研究区域,综合运用遥感图像处理技术与GIS空间分析技术,用ETM+遥感影像获取归一化植被指数(NDVI)信息并反演植被覆盖度,用地形图等高线生成数字高程模型(DEM)并提取地形因子。借助叠合分析法,讨论植被覆盖度与海拔高度、坡度、坡度变率、坡向、坡向变率5种地形因子的空间关系,得到泸定县关于地形因子的各等级植被空间分布特征。分析对地植物学中高山峡谷地区植被的地形格局分布规律研究与生态环境的评价与改良都具有重要的参考价值。     

路网距离约束的GTWR模型应用——以北京市房价为例

针对传统地理加权回归方法无法解决时空非平稳性的问题,该文提出了一种路网距离约束的时空地理加权回归方法。引入时间特性,进一步把握了不同因子在时空维度影响的分异性;以路网距离度量约束,提高模型解释力。以北京市城6区1980—2015年的1 632个住宅小区特征价格数据为例,通过与直线距离约束的常规地理加权回归方法等进行比较,采用各模型的AIC与拟合优度等指标对模型置信水平高低进行评价。实验结果表明,路网距离约束的地理加权回归模型不仅能够提高模型的拟合精度,还能更好地揭示房价在时间与空间方面的变化规律。     

黄土丘陵沟壑区地形复杂度分析

针对黄土丘陵沟壑区地形复杂度难以准确量化的问题,该文提出了基于区统计的评价方法,采用地形分析方法提取坡度、地势起伏度、地表切割深度,沟壑密度等地形因子,应用区统计法、变异系数法对研究区地形复杂度进分析评价。结果表明:彭阳县地形复杂度的空间分布特征与坡度、地势起伏度、地表切割深度的变化规律相似,中复杂区域和高复杂区域所占面积较大,且存在明显的分异规律;基于1:50 000数字高程模型数据的地形复杂度提取与分析方法能够快速有效地获取研究区地形地貌信息,为黄土丘陵沟壑区流域治理、土地规划、地形及景观格局的分区和尺度推绎等研究提供依据。     

基于ArcEngine的DEM地形可视化自增强方法与实现

以坡度变率、坡向变率、剖面曲率和平面曲率4个坡面因子为例,从计算公式和总体流程角度探讨了可视化自增强方法。通过基于ArcEngine的组件接口技术开发,完成了提取坡面因子、生成晕渲图和融合显示,实现了集准确性、可测量性、直观性和灵活性于一体的DEM地形可视化自增强技术。     

地形起伏度最佳分析区域预测模型

地形起伏度指分析区域内最高点和最低点之差,反映宏观区域内地形的起伏特征,是描述地貌形态的定量指标。确定最佳分析区域是地形起伏度提取算法的核心步骤,以及决定地形起伏度提取结果有效性的关键。本文以全国范围内随机选取的78个实验区域、三种不同尺度的DEM数据作为实验对象,分别进行系列分析区域尺度的地形起伏度计算,建立了基于微观地形特征因子的地形起伏度最佳分析区域预测模型。实验表明：相同区域、不同尺度的DEM数据提取的地形起伏度存在差异,DEM尺度相差较小时,地形起伏度的差异也较小;地形起伏度和实验区域的最大高程、区域高差、平均坡度和平均坡度变率等地形特征因子存在强相关关系;当置信水平为0.05时,预测模型拟合参数的准确率达到95%以上,证明预测模型可以有效地确定最佳分析区域的取值范围。     

影响黄土高原集水面积阈值的地形因子主成分分析

以ASTER GDEM为信息源、22个典型小流域为样区,分析黄土高原集水面积阈值与沟谷密度的关系,利用均值变点法确定最佳阈值,探讨了影响阈值的数字高程模型（digital elevation model,DEM）地形因子主成分。结果表明,集水面积阈值由北向南、自东向西逐步增大,宏观上受黄土高原地貌类型制约,地形因子对其的影响成分归纳为坡面、起伏及高程变异因子。坡面因子的最大值与阈值正相关,坡度>粗糙度>地形曲率>平面曲率>剖面曲率。起伏因子的均值与阈值正相关,起伏度>切割深度。高程变异因子与阈值负相关。三者的主成分贡献率依次为58.754%、18.915%、11.388%,权重为0.527、0.229、-0.569。研究表明,坡面特征是影响黄土沟谷发育的重要因子。     

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...     

SuperMap GIS地理加权回归模型研究与实现

地理加权回归分析是对普通线性回归模型的扩展,将空间数据的地理位置嵌入线性回归参数之中,以此来研究空间关系的空间异质性或空间非平稳性,属于局部空间分析模型.通过地理加权回归分析可以确定两种或两种以上变量间相互依赖的定量关系,局部区域的参数估计可以得到地理空间存在的不同空间关系,核函数的选取规则和带宽参数的验证方法也是本文研究的内容.     

基于地理探测器的广西泥石流地质灾害驱动因子分析

基于广西地质灾害管理信息系统中的泥石流地质灾害数据与地质资料,综合选取高程、坡度、坡向、地形起伏度、降雨、断裂、岩性、人类活动8个因子,运用地理探测器的方法剖析了广西泥石流地质灾害空间格局与相关影响因子之间的关系。研究结果表明：1)广西的泥石流灾害具有空间分异性,由西向东依次表现为低聚集、高聚集、低聚集的模式;2)地理探测器显示广西泥石流灾害的发生是高程、坡度、坡向、地形起伏度、降雨、断裂、岩性、人类活动8个因子共同作用的结果;3)研究区泥石流灾害影响因子交互作用的解释力均大于单因子作用的解释力,大部分因子交互作用结果显示为非线性增强。     

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。     

基于DEM的地形因子分析与岩性分类

地形因子作为对地形地貌特征进行数字表达的定量参数,对岩性识别精度的提高具有重要的意义。在对已知岩性类别区域的高程、坡度、剖面曲率、地表粗糙度和地表切割深度等10个地形因子的分类有效性和相关性进行评价的基础上,对地形因子进行筛选并将最佳尺度下的地形因子用于岩性的分类。结果表明,高程、剖面曲率、地表切割深度、地表粗糙度和平面曲率这5个地形因子的组合更具良好的分类效果,且都对应有识别性最好的岩性。在识别岩性类别时加入充分表达其地形特征的最佳地形因子组合有利于提高岩性的识别与分类能力。     

多尺度地理加权回归的地表温度降尺度研究

由于星载热红外传感器研发技术的局限性,单一传感器尚不能提供兼具高频次、高空间分辨率地表温度数据。协同其他遥感辅助数据,对低空间分辨率、高时间频次地表温度产品开展降尺度研究成为了解决这一难题的有效途径。然而由于现有地表温度降尺度方法未充分考虑不同地表状态参数对地表温度空间分异格局的尺度影响差异,降尺度后的地表温度数据在异质性景观区域存在精度较差和空间纹理不清晰的问题。鉴于此,本文以北京和张掖地区的8期MODIS地表温度产品为例,通过引入多尺度地理加权回归MGWR（Multiscale Geographically Weighted Regression）来分析归一化植被指数NDVI、数字高程模型DEM、坡度和经纬度对地表温度空间格局影响的尺度差异,提出一种针对MODIS地表温度产品的空间降尺度算法,并与TsHARP算法、多元线性回归算法、地理加权回归算法和随机森林回归算法进行定量对比。结果表明,基于MGWR模型的地表温度降尺度转换函数能够良好地揭示多种地表状态参数与地表温度间的不同作用关系,其中NDVI和坡度对地表温度分布具有全局影响,DEM和经纬度对地表温度呈现出了局域性作用。与4种代表性方法相比,基于MGWR算法降尺度后的100 m分辨率地表温度数据具有更好的空间纹理,在城镇和沙漠等温度异质性明显地区保障了清晰的景观纹理;另外,对于所选研究区的8期MODIS地表温度产品而言,利用MGWR算法降尺度后的地表温度均拥有更好的精度,在0—1 K误差级别下的面积占比均大于57%,均方根误差RMSE（Root-Mean-Square Error）均小于2.85 K,决定系数R²（coefficient of determination）均大于0.88。     

数字高程模型DEM精度研究

用不同地貌类型地区的实验数据对数字高程模型(规则格网DEM)的格网间距与中误差(RMSE)、平均高程、剖面曲率的关系进行研究,采用比较分析的方法,得到格网间距与中误差的数学模型,可以用通式:Y=A BX CX2表示,并且把地形因子(平均高程、剖面曲率)作为自变量,进一步分析通式中3个系数与地形因子的关系,发现两个地形因子与系数函数关系比较相似,并得到Y=A BX CX2 DX3的数学模型。由验证结果表明,所得模型效果良好。     

基于GWR的四川省医院床位数时空分布及其影响因素研究

合理配置医疗资源是加快医疗体系建设的重要基础和内在要求,研究自然和经济社会因素对医疗资源配置的影响,可为医疗服务体系科学规划和建设提供有力支持。本文以2000-2002年、2005-2007年、2010-2012年3个时期的四川省区县公立医院床位数为例,利用空间分析技术研究了区县床位的时空变化特征,并采用地理加权回归模型方法解释了经济、人口、交通、地形等因素对其时空异质性的影响。结果表明:2000-2012年,川东地区的床位数总体高于川西高原,在区县尺度呈现显著的空间聚集性分布特征(3个时期的漠然指数分别为0.16、0.15、0.18,p<0.01),其时空异质性与地形、人口、经济及交通等因素关系密切,且地形起伏度、人口、交通要素在川西高原影响尤为明显。因此,应依据四川省医疗水平的现状和驱动因子的效应机理,因地制宜规划和建设医疗卫生服务体系,促使其平衡发展,以提高医疗卫生基础设施对居民健康的保障能力。     

地理加权回归建模结果不确定性度量与约束方法EI北大核心CSCD

作为一种经典局部加权最小二乘方法,地理加权回归建模一直受样本空间稀疏及预测变量局部共线性等因素困扰,导致建模结果不确定性呈现空间异质。通过协方差传播定律构建后验标准差精度评价指标,本文提出了一种地理加权回归建模结果不确定性度量与约束方法,并基于地表PM 2.5浓度遥感制图实例开展了验证。试验结果表明:不确定性约束后,不同参数下地理加权回归模型的拟合精度、基于样本/站点/区域的十折交叉验证精度均有改善;局部共线性导致的模型回归系数符号偏差问题得到了改正;模型预测结果奇异值及负值能被有效甄别,有效提升了地表PM 2.5浓度制图结果的可靠性。该不确定性度量与约束方法可有效保证地理加权回归模型估算结果的稳定性和有效性。     

青藏高原积雪深度时空分布与地形的关系

利用1979—2010年逐日中国雪深长时间序列数据集,采用GIS空间分析和Mann-Kendall检验等方法,分析了青藏高原雪深时空分布及其与地形的关系。结果表明:青藏高原雪深分布受地形影响明显,在5—9月平均雪深主要受到高程影响,在其他月份则受气温和高程共同影响;同一高程带雪深的变幅反映坡度和坡向对雪深的影响,变幅越宽坡向影响越大;最大雪深随高程和坡度的增加而增加,空间变异随高程的增加而下降,随坡度的增加而呈上升趋势;从10月至翌年5月,平均雪深在高程82~2 482 m和6 082~7 682 m受坡度和坡向影响较高程2 482~6 082 m要偏大;回归分析表明,高原雪深分布受到高程和坡度的双重影响,高程是雪深分布的主要影响因子,在高程82~3 282 m区间,坡度的空间差异对平均雪深空间变异的影响具有明显正效应。