路网形态与住宅价格的多尺度空间关系研究——基于空间网络分析与多尺度地理加权回归模型

针对以往住宅价格影响因素分析中忽略城市路网形态参数的问题,该文基于空间网络分析,将不同搜索半径下道路接近度与穿行度纳入住宅价格特征变量,构建空间计量模型,探究成都市路网形态对住宅价格的驱动效应。结果表明:1)相比享乐回归模型和地理加权回归模型,多尺度地理加权回归模型揭示了不同变量的空间影响尺度,更适用于探究成都市路网形态对住宅价格的影响;2)路网的局部接近度、局部穿行度核心位于二环内,全局接近度核心主要分布在四环内,全局穿行度核心主要分布在交通干道上;3)不同搜索半径下对住宅价格具有显著驱动效应的接近度均为全局尺度变量,该效应在空间上相对平稳,而穿行度作为局部变量,其在空间上的影响尺度随搜索半径的变化而存在差异,具有一定的空间异质性,其中,路网接近度对住宅价格产生正向影响,其系数空间格局呈跨尺度相似特征,而穿行度产生负向影响,其系数空间格局呈跨尺度变异特征;4)各搜索半径下路网形态变量的差异可在一定程度上改变消费者对其他影响因素的偏好程度。     

基于地理加权回归的吉林省人口城镇化动力机制分析

以吉林省各县域(市辖区)为基本单元,借助第六次人口普查和统计年鉴的相关数据,结合地理加权回归模型和空间自相关分析方法,讨论人口城镇化水平和国有动力、非国有动力、农业动力及外向动力等因素的空间相关关系,并以此解释人口城镇化分县域(市辖区)差异的影响因素。结果表明:国有动力对吉林省人口城镇化的影响作用最大,影响强度由中北部向西南、东南两个方向递减;农业动力和非国有动力分居二、三位,但差别不明显。其中农业动力的影响强度由西北向东南方向递减,非国有动力的影响强度由东南向西北递减;外向动力对人口城镇化的影响力较弱,影响强度各地区差别较大。吉林省人口城镇化未来发展应重视非国有动力的影响和农村现代化的作用;关注人口城镇化动力多元化,考虑实现错位发展和个性化发展。     

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。     

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<...     

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     

基于地理加权回归模型的典型山地卫星反演降水产品降尺度研究

降水是陆地水循环的关键变量,高分辨率降水数据的获取是准确模拟陆地水循环过程的前提。虽然卫星反演降水产品具有较强的空间代表性和连续性,但其空间分辨率较低的问题限制了它的应用。以太行山、横断山和喀斯特山区为研究对象,基于降水与高程(DEM)、植被指数(NDVI)之间存在较好相关关系的假设,构建了GPM降水(Global Precipitation Measurement Mission)与高程、植被指数的地理加权回归模型,得到了2014—2016年研究区1km分辨率GPM降水数据。研究结果表明:地理加权回归模型能有效地提高GPM数据的空间分辨率。降尺度后,GPM数据精度在太行山和横断山区略有提高。年尺度上,相比于原始GPM数据,太行山和横断山区降尺度数据站点实测数据的确定系数分别提高了0.06和0.08,RMSE分别降低了0.45%和3.89%,MAE分别降低了0.16%和1.70%;月尺度上,太行山区67%的月份,横断山区83%的月份GPM产品降尺度后更加接近于站点实测数据。喀斯特地区GPM数据降尺度后精度略有下降,降尺度后,年尺度的降雨数据与实测数据的RMSE和MAE分别增加了10.00%和8.00%,R^2降低了0.06,月尺度上仅8月和9月降尺度后的精度更高。降雨与地形和NDVI的关系较弱是喀斯特地区降尺度效果较差的主要原因。     

基于多光谱和地理加权回归模型的石嘴山城市土壤有机碳空间分布研究

城市土壤有机碳(SOC)分布受城市建设、工业发展等人为因素的影响表现出明显的空间差异。为揭示石嘴山市SOC受城市化、工业化等人类活动的影响,分别利用普通克里格法(OK)、多元线性回归克里格法(RK)、遥感反演方法(RS)和遥感-地理加权回归克里格法(RGWRK)预测石嘴山市SOC空间分布。结果表明:石嘴山市SOC含量在1.31～66.92 g·kg^-1之间变化,其平均值为17.61 g·kg^-1。石嘴山市不同功能区SOC含量存在显著差异(p<0.05),具体表现为工业区>医疗区>商业区>道路>住宅区>公园>农田>科教区;SOC含量变异系数为66.27%,呈中等程度变异;其最佳拟合模型为高斯模型,C₀/(C₀+C)为0.02,属于强空间自相关。SOC与遥感影像波段DN值的差值(B1-B7、B3-B7、B4-B7)和地形因子(高程、坡度、起伏度)之间存在着极显著的相关性(p<0.01);通过对4种方法的结果进行对比可知以各波段DN值差值与地形因子为输...     

住房价格空间格局及其影响因素的多尺度效应——以福州中心城区为例

基于2021年福州中心城区3 386个商品房住宅小区住房价格等数据,运用空间统计和多尺度地理加权回归,分析住房价格空间分布特征及其影响因素的作用尺度。结果表明：1）福州中心城区住房价格在东西和南北方向为倒“U”型曲线,东西向对称,南北向差异较大。空间格局呈“一主两副”的多中心模式,住房价格高的小区呈现“倾闽江、倾重点学区、倾商场、倾医院和倾生态资源”的特征。2）住房价格因素对空间异质性的影响明显,拥有专属带宽,楼龄、商场、小学等级是作用尺度趋近街道的局部因素,容积率、医院是作用尺度趋近区级行政区的局部因素,地铁站、长途汽车站、大学是作用尺度趋近福州中心城区的全局因素。3）住房价格显著影响因素的作用强度从大到小依次为小学等级、楼龄、长途汽车站、商场、容积率、大学、医院及地铁站。其中,小学等级、长途汽车站、容积率、医院与住房价格呈正相关,楼龄、商场、大学、地铁站与住房价格呈负相关。     

中国高新技术企业分布影响因素的空间异质性与尺度效应

影响高新技术企业分布的因素往往具有空间非平稳性,然而既有研究对其关注尚少。基于2017—2019年间认定的215791家高新技术企业数据,运用多尺度地理加权回归模型（MGWR）,刻画了中国高新技术企业的空间分布格局,识别了其影响因素的空间异质性与尺度效应,结果表明：① 2019年中国高新技术企业的空间分布呈现出在以“北上广深”为首位中心,以成渝与区域性中心城市为次位中心的高度集聚特征。② 企业内部因素、城市知识创造水平、技术创新水平、创新环境水平和外部连通水平共同影响了高新技术企业的空间分布。③ 影响高新技术企业分布的因素存在空间异质性,公司年龄、高校学生数量、互联网的影响呈现出“东-西”向空间分异格局,专利申请数、高新区、生活设施的正向影响呈现出“南-北”向空间分异格局,高铁的正向影响呈现出“东南-西北”向空间分异格局,研发费用投入对东北地区影响最大,市场化水平对京津冀和珠三角城市群地区影响最大。④ 影响因素存在尺度效应,靠近创新末端的变量具有更大的作用空间尺度。最后,本研究提出相关的政策建议,以期为高新技术产业的发展提供借鉴与参考。     

基于空间扩展模型和地理加权回归模型的城市住房价格空间分异比较

鉴于已有研究主要集中探讨住房价格的空间依赖性,较少涉及空间异质性对住房特征价格的影响,也很少尝试构建不同计量模型来比较模型间刻画住房价格影响因素空间分异的准确性,以长沙市中心城区为研究区,采用空间扩展模型和地理加权回归模型比较分析城市住房价格影响因素的空间分异,结果表明：① 空间扩展模型和地理加权回归模型都表明,长沙市中心城区的住房属性边际价格随着区位的变化而变化,揭示住房价格影响因素具有显著的空间异质性;小区环境、交通条件、教育配套、生活设施等因素对住房价格的影响强度存在明显的空间分异。② 地理加权回归模型和空间扩展模型都能对传统特征价格模型进行改进,但地理加权回归模型在解释能力和精度方面都超过空间扩展模型;对属性系数估计空间模式的分析,地理加权回归模型形成的结果比采用坐标多义扩展的空间扩展模型更为复杂和直观。     

Drivers of afforestation in Northern Vietnam: Assessing local variations using geographically weighted regression

This article identifies drivers of forest transition in a province of Northern Vietnam between 1993 and 2000 by applying geographically weighted regression (GWR) analysis to remotely sensed and statistical data. The regression model highlighted the spatial variation of the relationship between the percentage of land afforested and its proximate causes. Factors identified as having a major impact on afforestation are: the presence or proximity of a wood-processing industry, the distance to highways, and land allocation to households. Whereas the two former variables are in most areas of the province positively correlated with afforestation, an unexpected negative correlation was observed for the latter. The analysis of these results, supported by an in-depth knowledge of the area and of the political context, leads to the conclusion that, during the time period considered, afforestation was largely driven by state organisations on protected state-owned land, and forestry was not a significant component of household economic activities.     

河南省火灾影响因素的空间分析

科学揭示火灾及其影响因素间的空间关系可为防火管理提供决策支持和有益启示。以往研究多在“空间平稳”的框架下进行火灾影响因素分析,但火灾和其可量化的影响因素往往自身均表现为“空间异质”,基于非空间的全局模型模拟可能会得出误导性甚至错误的结论。地理加权回归(GWR)可解释火灾及其影响因素间空间关系的局部变异。本文选取影响火灾分布的高程、坡度、居民地可达性、道路可达性、地表温度、归一化差植被指数和全球植被湿度指数作为解释变量,以是否火烧作为二元因变量,应用logistic GWR对河南省2002-2012年火季(9-10月)火灾的影响因素进行探索性分析。以多时态空间抽样取得训练样本,利用GWR 4.0软件开发一个logistic GWR火烧概率模型,从可靠性和区分能力两方面对模型性能分别进行内部检验和独立检验,以确保火灾影响因素分析的可靠和合理性。结果表明:①坡度、居民地可达性、温度、植被长势和植被湿度对河南省火灾的影响呈现显著空间变化,高程、道路可达性的影响空间变化不显著,低海拔、道路可达性差的区域更易发生火灾。②温度和植被长势对火灾影响省内全局显著,坡度、居民地可达性和植被湿度对火灾影响在省内仅部分区域显著。③河南省可划分为7种类型区,不同类型区的火灾影响因素相对重要性存在差异,应因地制宜制定防火策略和确定防火重点。④logistic GWR模型可用于分析火灾影响因素的局部空间变异,作为火险研究的一种有效工具。     

Concrete evidence & geographically weighted regression: A regional analysis of wealth and the land cover in Massachusetts

Several studies indicate that there is a positive relationship between green vegetation land cover and wealthy socio-economic conditions in urban areas. The purpose of this research is to test for and explore spatial variation in the relationship between socio-economic and green vegetation land cover across urban, suburban, and rural areas, using geographically weighted regression (GWR). The analysis was conducted at the census block group level for Massachusetts, using Census 2000 data and impervious surface data at 1-m resolution. To explore regional variations in the relationship, four scenarios were generated by regressing each of the following socio-economic variables – median household income, percentage of poverty, percentage of minority population, and median home value – against two environmental variables – percent of impervious surface and population density. GWR results show that there is a considerable spatial variation in the character and the strength of the relationship for each model. There are two main conclusions in this study. First, the impervious surface is generally a strong predictor of the level of wealth as measured by four variables included in the analysis, at the scale of census block group; however, the strength of the relationship varies geographically. Second, GWR, not ordinary least squares technique, should be used for regional scale spatial analysis because it is able to account for local effects and shows geographical variation in the strength of the relationship.     

渭河流域水土流失治理效率的时空格局演化与影响因素

运用Bootstrap-DEA模型计算2000~2015年渭河流域陕西段39个县区水土流失治理效率;结合探索性空间分析方法（ESDA）和地理加权回归模型(GWR)分析各县水土流失治理效率的时空演化特征及其影响因素。研究结果表明：① 2000~2015年,研究区水土流失治理效率从0.263增至0.336,整体治理效率仍处较低水平;前期生态治理效率的增加缘于纯技术效率的提高,后期规模效率对治理效率的增加起到了主导作用。② 县域的治理效率在空间上呈现集聚状态;热点分析结果进一步显示,2005年治理效率表现出2个热点集聚区,即以宝鸡市千阳县为热点区、乾县和武功县为核心辐射至永寿县和礼泉县的热点集聚区,冷点区域则以临潼为中心,辐射到西安市辖区、高陵、富平和三原县;2010~2015年治理效率的热点区域与冷点区域较2005年有所收缩且保持相对稳定。③ 渭河流域水土流失治理效率的时空变化是降水、坡度、灌草面积覆盖度、人口经济和农业生产共同作用的结果,且各影响因素在不同时期对各县的治理效率的贡献呈动态变化,这意味着政策制定者需要从全局角度权衡不同因素的影响效果。     

Drivers of water pollutant discharge in urban agglomerations and their scale effects: Empirical analysis of 305 counties in the Yangtze River Delta

Revealing the drivers and scale effects of water pollutant discharges is an important issue in the study of the environmental consequences during urban agglomeration evolution. It is also a prerequisite for realizing collaborative water pollutant reduction and environmental governance in urban agglomerations. This paper takes 305 counties in the Yangtze River Delta (YRD) as an example and selects chemical oxygen demand (COD) and ammonia nitrogen (NH₃-N) as two distinctive pollutant indicators, using the Spatial Lag Model (SLM) and Spatial Error Model (SEM) to estimate the drivers of water pollutant discharges in 2011 and 2016. Then the Multiscale Geographically Weighted Regression (MGWR) model is constructed to diagnose the scale effect and spatial heterogeneity of the drivers. The findings show that the size of population, the level of urbanization, and the economic development level show global-level increase impacts on water pollutant discharges, while the level of industrialization, social fixed assets investment, foreign direct investment, and local fiscal decentralization are local-level impacts. The spatial heterogeneity of local drivers presents the following characteristics: Social fixed assets investment has a strong promoting effect on both COD and NH₃-N discharges in the Hangzhou-Jiaxing-Huzhou region and the coastal area of the YRD; industrialization has a promoting effect on COD discharges in the Taihu Lake basin and Zhejiang province; foreign direct investment has a local inhibitory effect on NH₃-N discharge, and the pollution halo effect is more prominent in the marginal areas of the YRD such as northern Jiangsu, northern Anhui, and southern Zhejiang; local fiscal decentralization has a noticeable inhibitory effect on COD discharge in the central areas of the YRD, reflecting the positive impacts on improved local environmental awareness and stronger constraints of multilevel environmental regulations in the urban agglomeration. Therefore, it is recommended to guide greener development to reduce the water pollutant discharge; to embed an environmental push-back mechanism in the fields of industrial production, capital investment, and financial income and expenditure; and to establish a high-quality development pattern of urban agglomerations systematically compatible with the carrying capacity of the water environment.     

Predictive mapping of soil total nitrogen at a regional scale: A comparison between geographically weighted regression and cokriging

Accurately mapping the spatial distribution of soil total nitrogen is important to precision agriculture and environmental management. Geostatistical methods have been frequently used for predictive mapping of soil properties. Recently, a local regression method, geographically weighted regression (GWR), got the attention of environmentalists as an alternative in spatial modeling of environmental attributes, due to its capability of incorporating various auxiliary variables with spatially varied correlation coefficients. The objective of this study is to compare GWR and ordinary cokriging (OCK) in predictive mapping of soil total nitrogen (TN) using multiple environmental variables. 353 soil Samples within the surface horizon of 0–20 cm in a study area were collected, and their TN contents were measured for calibrating and validating the GWR and OCK interpolations. The environmental variables finally chosen as auxiliary data include elevation, land use types, and soil types. Results indicate that, although OCK is slightly better than GWR in global accuracy of soil TN prediction (the adjusted R² for GWR and OCK are 0.5746 and 0.6858, respectively), the soil TN map interpolated by GWR shows many details reflecting the spatial variations of major auxiliary variables while OCK smoothes out almost all local details. Geographically weighted regression could account for both the spatial trend and local variations, whilst OCK had difficulties to capture local variations. It is concluded that GWR is a more promising spatial interpolation method compared to OCK in predicting soil TN and potentially other soil properties, if a suitable set of auxiliary variables are available and selected.