基于3种地理加权回归方法的安徽省土壤pH空间预测制图对比研究

基于安徽省140个采样点的土壤pH数据,综合考虑土壤、地形、气候、生物等因子对土壤pH的影响,采用地理加权回归(Geographically Weighted Regression,GWR)、主成分地理加权回归(Principal Component Geographically Weighted Regression,PCA-GWR)和混合地理加权回归(Mixed Geographically Weighted Regression,M-GWR)3种模型对安徽省土壤pH空间分布进行建模预测,揭示环境因子对土壤pH的影响在空间上的差异,最后以多元线性回归模型(Multiple Linear Regression,MLR)为基准比较3种GWR模型的精度。研究表明：(1)安徽省土壤pH具有空间异质性,且集聚特征明显。(2) 3种GWR模型中M-GWR模型略优,GWR、PCA-GWR和M-GWR的建模集调整后决定系数(R_adj²)分别为0.59、0.62和0.63;对比MLR模型,3种GWR模型的R_adj²     

基于3种地理加权回归方法的安徽省土壤pH空间预测制图对比研究

基于安徽省140个采样点的土壤pH数据,综合考虑土壤、地形、气候、生物等因子对土壤pH的影响,采用地理加权回归(Geographically Weighted Regression, GWR)、主成分地理加权回归(Principal Component Geographically Weighted Regression, PCA-GWR)和混合地理加权回归(Mixed Geographically Weighted Regression, M-GWR)3种模型对安徽省土壤pH空间分布进行建模预测,揭示环境因子对土壤pH的影响在空间上的差异,最后以多元线性回归模型(Multiple Linear Regression, MLR)为基准比较3种GWR模型的精度。研究表明：(1)安徽省土壤pH具有空间异质性,且集聚特征明显。(2) 3种GWR模型中M-GWR模型略优,GWR、PCA-GWR和M-GWR的建模集调整后决定系数(R_adj²)分别为0.59、0.62和0.63;对比MLR模型,3种GWR模型的R_adj^2<...     

GPM卫星降水数据的降尺度研究 ——以陕西省为例

以陕西省内2019年33个地面气象观测站点的测量数据为真实值,选取相关系数(CC)、均方根误差(RMSE)以及相对误差(BIAS)等多种统计分析指标对GPM(Global precipitation measure-ment)卫星降水数据进行精度验证,并引入地形因子作为空间参考要素,基于地理加权回归模型(GWR)对GPM降水数据进行降尺度研究。结果表明:(1)在年际尺度上,GPM降水数据与实测降水数据之间有着明显的相关性,相关性较好(CC=0.89),相对误差则较低(BIAS=-0.45);(2)在季节尺度上,春、夏两季GPM降水数据的降尺度结果与实测降水数据之间的CC值分别为0.92和0.80,而秋季则为0.93;(3)降尺度降水量结果与高程呈现出明显的负相关性,随着海拔升高,降水相对减少。总体而言,GWR降尺度降水数据在陕西省内有着较好的精度,能够较为准确地反映陕西省内的降水分布。     

人口密度格网尺度适宜性评价方法研究——以宣州区乡村区域为例

人口密度格网尺度适宜性研究旨在遴选适宜格网,较好表达人口分布位置,揭示人口分布差异,提高人口数据空间化质量。以安徽省宣州区的乡村区域为研究区,设计了人口密度格网尺度适宜性评价方法,通过构建位置表达度、数值信息表达度和空间关系表达度三类评价指标,开展了人口密度格网尺度适宜性评价研究,结合格网尺度—指标数值关系曲线,确定人口密度适宜格网尺度遴选方案,选取适宜格网尺度,评价了人口密度适宜格网的尺度合理性。结果表明:兼顾位置、数值精度、空间关系三方面的表达度,40 m、50 m格网是一个相对适宜的格网尺度,是生产高质量人口空间数据的适宜格网。初步研究表明,针对本研究区的人口密度格网尺度适宜性评价方案是合理的、有效的,是生产高质量人口空间数据遴选适宜格网的有效方法。     

干旱地区“代表性人口格网数据集”精度研究——以甘宁青地区为例

高精度的人口格网数据集在风险评价、灾害应急、生态环境保护、区域发展与规划等领域具有重要价值。输入数据精度和模型选择的不同导致其具有不同的特点与优势,因此评价代表性数据集的精度,分析数据集的适用条件意义重大。研究评估了世界人口（WorldPop）数据集和世界第四版网格化人口（GPWv4）数据集在中国西北干旱地区甘肃省、宁夏回族自治区和青海省的精度;以中国人口普查数据的最佳可用单位（乡镇行政区划）为研究单元,将WorldPop和GPWv4数据集与2020年第七次人口普查数据进行相关性分析,计算统计误差和相对误差的空间分布,定量地评价各个数据集的精度;通过目视估计定性地分析数据集的映射性能,最后讨论了数据集的误差来源。统计误差结果表明：WorldPop数据集的精度更高,其相关系数（r）、均方根误（RMSE）、平均绝对误差（MAE）和平均绝对百分比误差（MAPE）分别达到0.76、23016、0.73和0.60,而GPWv4数据集的上述统计结果分别为0.70、22297、0.75和0.58。同时,由相对误差的空间分布可知,WorldPop数据集准确估计的区域更多。目视估计结果表明：2种人口格网...     

人口数据空间化的处理方法

在人口空间分布区划的基础上,利用基于LANDSAT TM信息获取的1:10万比例尺的土地利用/覆盖数据,建立与统计人口数据的多元相关关系模型,计算各种士地利用类型中的居住人口系数,在GIS支持下计算出全国1km格网人口空间分布数据,然后结合DEM数据、居民点分布数据对空间化处理结果进行修正,并在各大区内随机抽样若干县采集乡镇行政边界和统计人口数据对模型计算结果进行了验证.     

人口统计数据空间化模型综述

人口统计数据空间化是人口信息与其他资源环境、社会经济等信息进行空间集成的基础.本研究对国内外人口统计数据空间化研究进行总结,归纳了水热条件、地形地貌、土地利用、交通廊道、夜间灯光等不同建模参考因素对人口空间分布的影响,并分析比较了10个主要的人口统计数据空间化模型,进而对当前人口统计数据空间化研究中存在的问题做了总结,并讨论未来的研究方向.综述认为人口统计数据空间化的研究将向数据获取多源化、建模因素综合化、模拟格网精细化、模型应用实用化等方向发展;目前需要改进的问题包括:1)统一的人口数据统计标准;2)人口结构特性相关的空间化,特别是流动人口的空间分布特征识别;3)城市街区尺度的空间化方法研究;4)多源数据与人口动态信息综合中的时相匹配;5)统一的空间化指标量化方法;6)模型参数优化与精度验证方法完善.     

基于景观生态学的人口空间数据适宜格网尺度研究——以山东省为例

以山东省为研究区,在100m、200m、300m、400m、500m、600m、700m、800m、900m、1km 10个格网尺度人口格网数据的基础上,引入景观生态学的相关指数和方法,探索不同格网尺度表达人口空间分布的适宜性。结果表明:在用传统的基于土地利用/覆被的人口数据空间化方法进行人口空间化的过程中,并不是尺度越精细所能表达的信息越细致、完整,400m是一个人口尺度变化上的特征点,所反映的人口分布信息最细致且完整性好。由此可得,在进行山东省人口空间化的过程中,400m是一个比较适宜的尺度。     

基于遥感数据和POI数据的GDP空间化研究 ——以北京市为例

为了比较分析不同数据对格网化社会经济活动空间分布精度差异性的影响,以北京市为例,基于土地利用数据对第一产业空间建模,基于NPP/VIIRS夜间灯光数据和POI数据运用熵值赋权和代用数据空间展布的方法对第二、三产业空间建模,将第一产业和第二、三产业进行格网叠加,并与辖区GDP统计数据进行误差分析。结果表明:借助土地利用数据、NPP/VIIRS夜间灯光数据和POI数据的GDP空间模拟结果与真实分布格局较为一致,而使用土地利用数据和夜间灯光数据进行GDP空间化模拟的精度明显降低。因此,将反映细节信息的POI数据加入到GDP空间化研究后,能够进一步扩展GDP空间化的数据源,提高GDP空间化模拟精度。基于土地利用数据、NPP/VIIRS夜光数据和POI数据可以实现较高精度的GDP空间化模拟。     

旅游资源格网化框架及其空间分析方法——以青岛市为例

针对当前旅游资源评价方法较为单一、更新较为缓慢、研究尺度易受区域面积影响、基于GIS的空间格网化分析方法在旅游领域研究较少等问题,提出了一套旅游资源格网化分析与评价方法。一是根据社会经济、人口数据空间化分析方法,进一步提出旅游资源的格网化概念及其构建方法,探讨了旅游资源格网化空间拟合模型、格网单元尺度的选取等方法。二是从主观旅游资源本体角度和客观旅游资源开发条件角度分别构建了基于格网化的旅游资源分析与评价方法。三是以青岛市为例构建了基于格网化的旅游资源分析与评价方法,为精细尺度下的旅游资源的空间分析与评价提供方法借鉴。     

基于居住空间属性的人口数据空间化方法研究

精细尺度的人口分布是当前人口地理学研究的热点和难点,在灾害评估、资源配置、智慧城市建设等方面应用广泛。居住建筑物尺度作为精细尺度的重要内容,其人口数据空间化日益引起学术界的关注。本文以居住建筑斑块面积、斑块内建筑面积比重、建筑物层数、公摊率等居住空间属性为人口分布数量的指示因子,以居住建筑的轮廓斑块为人口分布位置的指示因子,利用街道界线和街道常住人口数据为控制单元,建立线性模型,获得了2015年宣城市宣州区6个街道的居住建筑物尺度的人口分布矢量数据,刻画了城市市区人口空间分布的细节信息。结果表明：①以居住空间属性作为人口空间分布的指示因子,获取的人口空间数据精度高,结果可信。29个社区(村)估算人数的相对误差绝对值的平均值低于7%,其中25个社区(村)的相对误差绝对值低于10%。在1102个居住建筑斑块中,估算人数在合理区内的斑块个数占比高于74%,轻微低估区(-10%, 0)和轻微高估区(0, 10%)的斑块总数占比高于9%;②由斑块面积和建筑物层数共同表征的建筑物体积,是建筑物尺度上影响人口空间分布的关键因素;斑块内建筑面积比重属性能进一步提高模型精度;公摊率属性具有“降高升低”作用,但将估算人数调节到合理区的“能力”较弱。     

基于随机森林模型的珠江三角洲30 m格网人口空间化

人口空间化是实现人口统计数据与其他环境资源空间数据融合分析的有效途径。本文选取夜间灯光数据、道路网数据、水域分布数据、建成区数据、数字高程模型和地形坡度数据作为影响珠江三角洲人口分布的变量因子,利用随机森林模型对珠江三角洲2010年人口数据进行了30 m格网空间化,并将模拟结果与三个公开数据集作精度对比,最后基于随机森林模型的变量因子重要性分析珠江三角洲人口空间分布的影响因素。结果表明：本文模拟整体精度达到82.32%,均优于WorldPop数据集以及中国公里网格人口数据集,接近GPW数据集,而且在人口密度中等区域模拟精度最高;通过对变量因子重要性进行度量,发现夜间灯光强度是珠江三角洲人口分布的最重要指示性指标,到水域的距离、到建成区的距离和路网密度对珠江三角洲人口分布均具有重要作用。利用随机森林模型结合多源信息能够实现高空间分辨率的人口空间化,可为精细化城市管理提供重要数据源,也可为相关政策决策制定提供支持。     

代表性人口空间分布数据集的精度评价——以2010年广东省为例

以人口密度差异显著的广东省为研究区,比较Worldpop、GPW v4和2种中国公里网格人口分布数据集的空间分布一致性,并以第六次全国人口普查数据为真值,按人口密度分为高、中、低3组,从误差的数值分布和空间分布两方面定量评价4种数据集的精度,最后讨论估算误差的可能来源及数据适用性。结果表明,4种网格人口数据集中Worldpop整体精度最高,且在人口密集区的精度也是最高;GPW v4在低人口密度和中人口密度区域精度略高于Worldpop,但对镇街内人口分布细节刻画不够详细;2种中国公里网格人口分布数据集精度较前两者低,主要受空间化方法和模型变量的选择所限制。Worldpop适合用于人口密度中等及人口密度高区域的精细化研究,GPW v4适合用于长时序、最小研究单元大于镇街的研究,第一种中国公里网格人口分布数据集适合用于需要考虑镇街内人口分布和空间异质性的研究,第二种中国公里网格人口分布数据集适用于需要考虑人口分布细节和空间格局变化的长时序研究。     

一种改进人口数据空间化的方法:农村居住地重分类

人口( 统计) 数据空间化是解决统计数据与自然要素数据融合分析的有效途径。本文在论 述已有人口空间化方法的基础上, 认为遥感影像得到的居民地数据是表达人口分布的最好指标。 为了使居民地数据更好地应用于人口空间化的研究, 论文在分析各种与人口居住密度相关指标 的基础上, 确定了用农村居民地面积所占百分比对农村居民地进行重新分级, 然后应用于人口空 间化的计算。结果检验表明, 人口空间分布数据的误差从分级前的17.4%降到分级后的12%, 尤 其是误差高于30%的乡镇个数从8 个减少到1 个, 该方法有效地提高了人口空间数据的精度。     

基于多智能体的城市人口分布模型

人口是城市发展中最为活跃的因素,快速增长的人口给城市安全、经济和生态环境带来了深远的影响,获取不同尺度的高精度人口空间分布信息对于城市安全管理、提高资源环境的综合管理能力具有非常重要的意义。针对常用的城市人口空间分布模拟方法存在的不足,构建了基于多智能体的城市人口分布模型,模型由影响要素、智能体、决策规则等组成。在两个不同尺度区域进行了模型应用实验,并以重力模型进行了对比分析。实验结果表明,与重力模型相比,此模型所模拟的结果具有更高的精度,且接近于实际的人口空间分布,为城市人口分布模拟提供了新的思路。     

Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices

By incorporating temporal effects into the geographically weighted regression (GWR) model, an extended GWR model, geographically and temporally weighted regression (GTWR), has been developed to deal with both spatial and temporal nonstationarity simultaneously in real estate market data. Unlike the standard GWR model, GTWR integrates both temporal and spatial information in the weighting matrices to capture spatial and temporal heterogeneity. The GTWR design embodies a local weighting scheme wherein GWR and temporally weighted regression (TWR) become special cases of GTWR. In order to test its improved performance, GTWR was compared with global ordinary least squares, TWR, and GWR in terms of goodness-of-fit and other statistical measures using a case study of residential housing sales in the city of Calgary, Canada, from 2002 to 2004. The results showed that there were substantial benefits in modeling both spatial and temporal nonstationarity simultaneously. In the test sample, the TWR, GWR, and GTWR models, respectively, reduced absolute errors by 3.5%, 31.5%, and 46.4% relative to a global ordinary least squares model. More impressively, the GTWR model demonstrated a better goodness-of-fit (0.9282) than the TWR model (0.7794) and the GWR model (0.8897). McNamara's test supported the hypothesis that the improvements made by GTWR over the TWR and GWR models are statistically significant for the sample data.     

Multi-scale analysis of spatially varying relationships between agricultural landscape patterns and urbanization using geographically weighted regression

Scientific interpretation of the relationships between agricultural landscape patterns and urbanization is important for ecological planning and management. Ordinary least squares (OLS) regression is the primary statistical method in previous studies. However, this global regression lacks the ability to uncover some local-specific relationships and spatial autocorrelation in model residuals. This study employed geographically weighted regression (GWR) to examine the spatially varying relationships between several urbanization indicators (urbanization intensity index, distance to urban centers and distance to road) and changes in metrics describing agricultural landscape patterns (total area, patch density, perimeter area ratio distribution and aggregation index) at two block scales (5 km and 10 km). Results denoted that GWR was more powerful than OLS in interpreting relationships between agricultural landscape patterns and urbanization, since GWR was characterized by higher adjust R², lower Akaike Information Criterion values and reduced spatial autocorrelations in model residuals. Character and strength of the relationships identified by GWR varied spatially. In addition, GWR results were scale-dependent and scale effects were particularly significant in three aspects: kernel bandwidth of weight determination, block scale of pattern analysis, and window size of local variance analysis. Homogeneity and heterogeneity in the relationships between agricultural landscape patterns and urbanization were subject to the coupled influences of the three scale effects. We argue that the spatially varying relationships between agricultural landscape patterns and urbanization are not accidental but nearly universal. This study demonstrated that GWR has the potential to provide references for ecological planners and managers to address agricultural landscapes issues at all scales.     

基于居民点密度的人口密度空间化

提出了一种基于居民点密度的人口密度空间化方法。以江苏省人口数据空间化为例,在采用核密度估计法得到江苏省镇(乡、街道)居民点密度后,运用基于居民点密度的人口密度空间化计算公式获得江苏省1 000m×1 000m的人口密度格网图,结果表明:江苏省人口分布的热点地区正是在建的三大都市圈(苏锡常都市圈、南京都市圈和徐州都市圈),其中苏锡常都市圈的人口分布呈现各向异性,而南京和徐州都市圈的人口分布则表现为各向同性;人口密度不仅取决于居民点密度,还与平均每个居民点的人口数密切相关,居民点密度大的区域的人口密度不一定大,居民点密度小的区域的人口密度也不一定小。     

山东省人口空间分布格局的多尺度分析

人口空间分布具有一定的尺度依赖性,从不同尺度上对人口空间分布格局进行分析,可以更确切、真实地揭示人口的空间分布规律,为制定区域发展规划、灾害评价、环境保护等提供科学依据。本文以山东省为研究区,运用空间自相关方法和统计相关分析方法,比较市级、县级、1 km三个尺度上人口分布的空间自相关性及其与环境—经济因子的统计相关性,试图探讨不同尺度下人口的空间分布模式及影响(指示)因素,从不同尺度揭示人口的空间分布格局特征。结果表明:①从不同尺度对人口的空间分布格局进行分析,可以得到从宏观到微观不同详细程度的信息。从市级尺度分析,可以得到山东省整体的人口空间分布特征;从县级尺度分析,可以得到山东省各市内部的人口空间分布特征;从1 km尺度分析,可以得到山东省各县内部的人口空间分布特征。②不同尺度上,人口的空间分布格局特征不同。市级和县级尺度上,人口分布受环境—经济因子的影响表现出与一些因子显著相关,而受空间集聚的作用较小;1 km尺度上,人口分布与环境—经济因子的相关性较小,而主要受空间集聚的作用,在县内部,人口往往集中分布于某一区域,呈现出典型的集聚分布模式。