On trend detection

A main obstacle to trend detection in time series occurs when they are autocorrelated. By reducing the effective sample size of a series, autocorrelation leads to decreased trend significance. Numerous recipes attempt to mitigate the effect of autocorrelation, either by adjusting for the reduced effective sample size or by removing the autocorrelated components of a series. This short note deals with the latter, also called prewhitening (PW). It is known that removal of autocorrelation also removes part of the trend, which may affect the signal‐to‐noise ratio. Two popular methods have dealt with this problem, the trend‐free prewhitening (TFPW) and the iterative prewhitening. Although it is generally accepted that both methods reduce the adverse effects of PW on the trend magnitude, corresponding effects on statistical significance have not been clearly stated for TFPW. Using a Monte Carlo approach, it is demonstrated that both methods entail quite different Type‐I error rates. The iterative prewhitening produces rates that are generally close to the nominal significance level. The TFPW, however, shows very high Type‐I error rates with increasing autocorrelation. The corresponding rate of false trend detections is unacceptable for applications, so that published trends based on TFPW need to be reassessed.     

一种卫星钟自相关的实时钟差预报算法

针对实时精密单点定位(RT-PPP)中实时数据流存在中断、延迟等问题,该文构建了顾及卫星钟自相关的随机模型,提出了一种基于方差分量估计的自适应卡尔曼滤波钟差超短期/短期预报算法,评估了连续27d实测法国空间研究中心(CNES)实时数据流CLK93产品完整率和精度水平,利用哈达玛方差对比分析了该实时产品与德国地学研究中心(GFZ)事后GBM产品的频率稳定性。利用本文算法与传统卡尔曼算法对两类产品进行预报,结果显示:CLK93产品BDS系统(C)、GPS系统(G)、GLONASS系统(R)、Galileo系统(E)30s和1min预报精度分别平均提升了8.50%、8.44%、7.20%、6.96%;GBM产品相应4个系统12h和24h预报精度分别平均提升了3.14%、3.53%、0.96%、10.01%。     

基于多元数据的中国地理空间疫情风险评估探索——以2020年1月1日至4月11日COVID-19疫情数据为例

新冠肺炎（COVID-19）在空间上具有一定的传播风险,对城市的安全健康构成了威胁,防止疫情传播成为紧迫的任务。在2020年1月1日至4月11日,COVID-19疫情经历了发生、迅速发展和趋于稳定的发展过程,利用初期的COVID-19数据进行宏观层面的疫情风险评估,为防疫控制措施提供一定的参考。因此本研究基于行政区划、定点医院、疫情小区以及道路交通等多元数据,在宏观层面提出并构建全国地理空间疫情风险性评估,对疫情风险分布探讨的同时进行评估效果验证,并根据构建指标揭示影响风险的因素及其机理,主要结论： ① 地理空间风险评估具有有效的可行性。② 地理空间疫情风险分布全局Moran's I指数为0.758,具有显著的空间集聚特征。同时,不同的省区市之间的局部LISA值呈现空间差异性,其中高—高聚类省区市占比全国25.81%,风险程度较高,主要分布在湖北、河南、湖南、江西、安徽、浙江、江苏、上海,低—低聚类省区市占比全国9.68%,风险程度较低,主要分布在青海、西藏、新疆。③ 地理空间疫情风险分布与地理区位、道路交通、医疗卫生、疫情现状指标均存在一定的相关性。根据统计学的Pearson相关性分析,其相关指标R ²存在差异,在数值上由高到低依次为疫情现状、地理区位、道路交通、医疗卫生,在属性上其相关因子存在正负2种效应,地理空间疫情风险与武汉市地理距离、定点医院密度以及居民-医院地理距离呈现显著的负相关,其R ²分别为0.813、0.545、0.436,与铁路网密度、公路网密度以及疫情小区密度呈现显著的正相关,其R ²分别为0.751、0.792、0.825。④ 地理空间疫情风险的构成因素错综复杂,其受到多种因子的共同作用,根据空间分层异质性分析,不同因子之间均存在交互作用,其中居民—医院地理距离与公路网密度、铁路网密度交互作用较强,q值分别为0.9842、0.9837。本研究在宏观层面为城市管理中重大疫情的空间资源分配以及区域空间的联防联控策略提供了相应的依据。     

中国地级区域创新产出的时空模式研究——基于ESDA的实证

以341个地级层面区域作为空间观测单元,以专利申请受理数作为衡量指标,对中国1997~2009年期间地级区域创新产出的时空特征进行了ESDA分析。结果表明:中国地级区域创新产出的地域性特征显著,首先表现为全局上的地理集聚和地带间的巨大差异;但不同于省级空间尺度下地带内部区域创新显著的极化特征,地级空间尺度区域创新却呈现多样化的局部空间依赖模式。整体上,创新产出在地级空间尺度上自然形成2个显著的空间集群,即东部沿海的H-H集群和西部内陆的L-L集群。东部H-H集群在考察期内由东北和华北地区逐渐向山东半岛、长三角和珠三角地区转移,西部L-L集群的空间发展则相对稳定;H-L型集群和L-H型集群主要分布在中部地区和东中西邻接地区,创新的空间过渡特征明显。最后在实证分析的基础上,提出了政策建议和未来研究的方向。     

西安市住宅价格空间结构和分异规律分析

利用ESDA方法对西安市城区的291个普通住宅项目均价数据进行研究,通过计算Moran指数和半变异函数分析了其空间自相关性和变异性,并进行了趋势分析。应用Kriging空间插值方法对西安市普通住宅价格空间分布进行了模拟。研究结果表明:西安市房价存在显著的空间自相关性,大部分住宅价格呈空间集聚格局,少部分因存在空间异质性而呈离散分布;房价变异函数表现出各向异性,不同方向有不同结构特征,空间自相关尺度为14.2km;西安市房价空间分异规律明显,房价分布格局受城市功能区划和交通影响较大。     

数据空间自相关性对关联规则的挖掘与实验分析

传统的空间关联规则挖掘,一般足使用属性关联规则的挖掘算法,对空间数据进行泛化处理,不考虑空间数据的空间自相关性,也没有考虑空间自相关与空间关联规则的关系.本文运用改进的Apriori算法对某一数据进行空间关联规则挖掘,并对同一数据进行空间自相关分析,比较两种方法反映的属性的相关性,探讨了数据的空间自相关性对空间关联规则...     

基于时空Logistic回归模型的漳州城市扩展预测分析

本文提出一种以时空Logistic回归模型来预测城市扩展的新方法。其首先在传统Logistic回归模型中加入空间自相关结构构建空间Logistic回归模型,然后,利用漳州市区近20年(1989-2009年)的数据,建立不同时期城市扩展模拟的多个子空间Logistic回归模型M1,再采用一次平滑指数法综合处理这些时间序列...     

长三角工业化转型的空间分异研究

通过构建工业化转型发展的评价体系,借助于地统计学的空间自相关和空间变异函数,对长三角135个县域单元工业化转型发展水平的空间格局进行研究,结果表明:"扩容"后的长三角工业化发展水平整体上呈现以上海为龙头,沿沪宁、沪杭两个方向扩展,在苏中北和浙西南地带以区域中心城市为增长极向外扩散的特征;中心城市在工业化过程中的空间极化...     

中原城市群城市规模等级的时空演变分析

综合运用分形、马尔科夫转移矩阵、等级钟和空间自相关等方法对中原城市群城市规模等级的时空演变进行了分析,得出结论:①城市规模等级分布趋于"扁平化",首位城市郑州的垄断性较弱;城市在不同规模类型间的转移过程中,小城市向中等城市的转移概率低,中等城市向大城市的转移概率高,中等规模城市数量增长缓慢;城市个体位序的变化相对较小,城市规模发展具有较强的路径依赖和连续性;②城市规模分布依然以省辖市为基础,在省辖市与周围县市的空间互动上,开封和平顶山对周围县市有显著的极化作用,郑州和新乡对周围县市产生了极化作用但不显著,其余省辖市与周围县市未形成紧密的空间互动关系.