TRMM降水数据在长江流域的降尺度分析与校正

在充分考虑2001−2019年TRMM 3B43降水量数据在长江流域适用性的基础上，基于地理加权回归模型（GWR），结合归一化植被指数（NDVI）、增强型植被指数（EVI）、高程、坡度、坡向数据，选取不同组合对19a内TRMM降水量数据进行降尺度，并对优选的降尺度数据分别进行GDA、GRA校正，最后在年、季、月尺度下进行精度评价与结果分析。结果表明：（1）降尺度数据与站点实测数据的R²、BIAS、RMSE满足精度要求的同时，空间分辨率由0.25°提高至1km，且TRMMNDVI数据精度优于TRMMEVI数据。（2）GDA校正结果优于GRA校正结果，且数据稳定性更好，更适于长江流域TRMM数据校正。（3）数据与站点实测数据R²在年（0.91～0.986）、季（0.704～0.88）、月（0.625～0.89）尺度上均有较高精度，细节特征较TRMM数据表现更好。（4）降水量越大的月份降尺度及校正效果越好。降尺度及校正后的TRMM数据能更好地反映长江流域真实降水信息，为农业生产、水资源优化配置、防洪减灾等提供可靠的数据支持。     

基于GWR模型降尺度模拟蒙古高原地区TRMM降水数据

以多年月平均NDVI值高于0.1为阈值,对蒙古高原进行“植被区”与“非植被区”的子区域划分。在分析“植被区”植被对降水响应时滞性和“非植被区”陆地表面温度不同数据值与降水量相关性的基础上,子区域分别构建了TRMM3B43降水数据与海拔、坡度、坡向数据、归一化植被指数（NDVI）/陆地表面温度（LST）数据的地理加权回归（GWR）模型,得到区内2006-2015年每年5-10月1km空间分辨率的月降水量降尺度模拟数据,并利用区内141个气象站点数据对降尺度模拟数据进行精度验证。结果表明：（1）蒙古高原“植被区”植被对降水响应存在时滞性,约为一个月;“非植被区”多数月份白天与夜晚陆地表面温度差（LST＿D＿N）与降水量的相关性最显著。（2）降尺度模拟数据与气象站点数据具有较好的一致性,月尺度相关系数为0.83,各站点相关系数介于0.42～0.98。（3）在生长季、月平均尺度上,降尺度模拟数据具有较高精度,其中9月和10月数据精度优于TRMM 3B43数据。降尺度模拟数据整体精度较高,加之对原始数据在50°N以上未覆盖地区的填补以及空间分辨率的提高,可为区内水循环变化、农牧业生产、干旱监测等...     

基于GWR模型的长株潭地区县级乡村重构?时空格局及城镇驱动力研究

以长株潭地区县级行政区域为例,摒弃局限于乡村内部变量的常规研究思路,在构建乡村重构度评价体系的基础上,主要运用地理加权回归分析(GWR)等方法研究乡村重构时空格局及其城镇驱动力。研究结果表明:1)2010—2016年间,长株潭地区乡村重构度在研究期内县均增长7.55个百分点,呈现"两头窄,中间宽"的梭形分异发展结构;2)乡村重构度和城镇四项驱动因子均具有高水平类聚现象,乡村重构发展与受城镇驱动作用均存在较强的地域相关性和空间异质性;3)研究区北部发达地区乡村重构格局受城镇化、生活水平驱动作用较强,南部远离城市核心地区受投资建设水平和市场发展水平的提升作用更加明显。新时期,长株潭地区不同乡村格局的重构要基于城镇驱动力的差异程度采取差异化的发展措施,特别是对于落后地区的乡村重构要更加重视乡村资源潜力和城镇发展实力的统筹推进。     

耕地集约利用的空间特征及影响因素研究——以甘肃省东部四市为例

为了准确把握耕地集约利用水平和空间差异特征以及不同区域间的影响因素,本文采用多因素综合评价、K-mean聚类法和空间计量模型对甘肃省东部四市的耕地集约利用度的变化情况及空间水平分布规律进行了研究,并对影响耕地集约利用水平的内部因素进行探索。结果表明:1)2016年研究区耕地集约利用度整体处于较粗放利用水平(均值0.377 2),区域差异比较明显,其中Ⅲ、Ⅳ级位于研究区东北部和西南部,Ⅰ、Ⅱ级位于研究区中部,整体呈"哑铃"状结构;2)全局莫兰指数为0.142 2,表明研究区各县(区)耕地集约利用度存在显著为正的全局自相关,呈现空间集聚特征,LISA聚集图空间特征与集约度等级图基本吻合;3)劳动力指数、地均机械总动力和部分区域农业科技发展率、有效灌溉率与耕地利用集约度成正相关关系,由于空间的辐射性和依赖性,各回归系数值分布具有明显的"片"或"带"状区域特征。     

甘肃省农村空间贫困地域分异特征及其影响因素

本文基于空间贫困理论视角,构建农村空间贫困评价指标体系,运用灰色关联TOPSIS模型对2016年甘肃85个县域农村空间贫困进行测度,结合GIS空间制图技术、空间自相关分析和GWR模型等方法探究空间贫困地域分异特征及其影响因素。研究结果表明:1)甘肃农村空间贫困程度总体较深,地理分布差异显著,呈"东南高、西北低",并由东南向西北递减的空间分异特征;2)农村经济、社会及环境贫困在各县域有明显地域差异,农村经济和社会贫困的空间集聚特征显著,环境贫困呈"两翼高、中间低"的空间格局;3)从空间关联格局来看,甘肃农村空间贫困存在显著的空间正向集聚特征,H-H集聚区集中分布在陇南、甘南东部及定西南部,L-L集聚区分布在张掖、酒泉和金昌;4)自然禀赋、经济发展、社会民生、人力资源和交通区位是影响甘肃农村空间贫困地域分异的主要因素,且各因素的影响强度具有明显空间差异性。自然禀赋呈中部向两翼递减的变化趋势,经济发展、人力资源和交通区位呈"东南—西北"的空间分布特征,社会民生由南向北逐渐增加。因此,依据各贫困区特征及致贫原因,从产业、生态、社会事业与基础设施等方面提出针对性减贫策略,以期为甘肃精准扶贫提供理论指导。     

我国农村居民生活质量的空间格局及影响因素——基于ESDA—GWR模型的分析

提高人民的生活质量是社会发展的最终目标与最高原则。基于省(市、自治区)级截面数据,运用主成分分析、探索性空间数据和地理加权回归模型等方法,分析我国农民居民生活质量的水平,探讨农村居民生活质量的空间格局及影响因素。结果表明,我国农村居民生活质量综合得分为0.348,总体水平不高。从省际来看,浙江农民生活质量综合得为最高(4.125),黑龙江最低(-1.209),省际之间不平衡性特征明显。从四大区域来看,农民生活质量等级由高到低为东部地区(1.589)西部地区(-0.067)中部地区(-0.211)东北地区(-1.013);我国农民生活质量局部空间格局为高—高、低—高和低—低集聚三种类型。其中高高(HH)型分布在上海,低低(LL)型分布在黑龙江、内蒙古、吉林、辽宁等地区,低高(LH)型分布在江苏省;农民人均纯收入、城镇化率、教育支出、社会保障和就业支出对我国农村居民生活质量具有正向促进作用,但回归系数呈现空间异质性。因此,提出四个方面的对策措施:一是坚持统筹区域社会经济协调的发展理念;二是各地区应大力实施乡村振兴战略,因地制宜地发展农村经济;三是继续推进以人为核心的新型城镇化,发挥工业化和城市化对农业的反哺作用;四是坚持就业优先战略和积极就业政策,实现更高质量和更充分就业。     

地理加权回归模型结合高光谱反演盐生植物叶片盐离子含量

快速、无损地估算盐生植物叶片盐离子含量在植物生长监测、耐盐植物筛选和土壤盐渍化监测等方面有实用价值。该研究以新疆艾比湖保护区内盐生植物为研究对象,通过分析植物叶片盐离子(K~+、Na~+、Ca~(2+)、Mg~(2+))含量与冠层高光谱数据的光谱变换和二维植被指数(比值型植被指数(ratiovegetationindex,RVI)、差值型植被指数(difference vegetation index,DVI)、归一化型植被指数(normalized difference vegetation index,NDVI))的相关性选取特征波段,构建基于地理加权回归模型(geographically weighted regression,GWR)的叶片盐离子含量估算模型,并与BP神经网络模型(back propagation neural network)进行对比,研究基于GWR模型估算干旱区盐生植物叶片盐离子的可行性。结果表明,选取特征波段集中表现在红及短波红外波段:K~+含量在反射率倒数的对数选取的红光区域内波段使用GWR估算效果最佳;Na~+的特征波段在光谱变换下集中于短波红外区域,二维植被指数集中在近红外、短波近红外及黄、橙、红区域,各种波段选取下GWR对Na~+的含量估算均有较好效果,但反射率对数的一阶估算效果最好;Ca~(2+)含量在反射率平方根的一阶微分下选取的短波红外波段通过GWR模型估算效果最好;Mg~(2+)含量在DVI选取的位于红光区域特征波段估算效果最佳,但使用GWR模型对Mg~(2+)的估算精度不及BP模型。分析基于GWR盐离子模型估算模型发现,含量较高的离子估算效果更好,K~+、Na~+的模型精度优于Ca~(2+)、Mg~(2+)。在使用GWR模型估算植物叶片盐离子含量时,特征波段均指向红及短波红外波段,符合植被光谱机理的响应。     

基于不同植被指数的TRMM数据降尺度及误差校正研究

[目的] 对不同时间尺度的热带测雨卫星（TRMM）数据进行空间降尺度及误差校正研究,为华中地区洪涝灾害监测等提供科学参考。[方法] 主要借助增强型植被指数（EVI）和归一化植被指数（NDVI）分别运用地理加权回归（GWR）模型实现2001—2019年华中地区TRMM数据的空间降尺度,并结合地理差异分析（GDA）和地理比率分析（GRA）对年、季和月的降尺度结果进行误差校正,通过气象站数据对校正前后的数据进行对比分析。[结果] ① TRMM数据和气象站数据的决定系数（R²）在年（0.630）、季（0.710～0.865）和月（0.637～0.875）尺度都表明了TRMM数据在华中地区具有较好的适用性;②通过GWR模型实现了TRMM数据空间分辨率由0.25°到1 km的降尺度转换,且TRMM_EVI数据精度优于TRMM_NDVI数据,说明华中地区TRMM数据与EVI的关系比NDVI更为密切;③对优选的TRMM_EVI数据分别进行GDA,GRA校正,结果表明GDA校正结果优于GRA校正,且在降雨量越多的月份校正效果越好。[结论] 在华中地区,EVI比NDVI更加适合TRMM数据降尺度研究。降尺度数据采用GDA校正比GRA校正效果更为显著。     

滇中县域人口城镇化空间结构及影响因素研究

以滇中地区41个县域为研究单元,利用GIS和空间自相关分析研究人口城镇化的空间结构,以因子分析法探索人口城镇化的主要影响因素,进而采用OLS和GWR探究人口城镇化影响因素特征。研究结果表明:1)滇中县域人口城镇化水平整体偏低且空间差异大,人口城镇化水平随距离衰变明显。2)全局自相关分析表明滇中县域人口城镇化存在显著全局空间自相关关系,局部自相关分析表明人口城镇化水平局部相关性不明显,各县域人口城镇化进程呈孤立态势。3)因子分析法确定滇中县域人口城镇化主要影响因素为经济发展、农业生产和产业结构。OLS模型发现三种因素对人口城镇化均具有正向拉动力,经济发展作用力最大,产业结构其次,农业生产的作用力最小。4)GWR模型研究发现经济发展影响强度从北到南增强,农业生产影响强度从西到东增大,产业结构影响强度从西南向东北方向增大。滇中县域需要提升人口城镇化进程,加快农业结构调整和升级,优化产业结构,以此促进人口城镇化水平的提升。     

Influence of Climate and Socio-Economic Factors on the Spatio-Temporal Variability of Soil Organic Matter: A Case Study of Central Heilongjiang Province,China

For the scientific management of farmland, it is significant to understand the spatio-temporal variability of soil organic matter and to study the influences of related factors. Using geostatistical theory, GIS spatial analysis, trend analysis and a Geographically Weighted Regression (GWR) model, this study analyzed the response of soil organic matter to climate and socio-economic factors in central Heilongjiang Province during the past 25 years. Second soil survey data of China for 1979–1985, 2005 field sampling data, climate observations and socio-economic data for 1980–2005 were analyzed. First, soil organic matter in 2005 was spatially interpolated using the Co-Kriging method along with auxiliary data sets of soil type and pH. The spatio-temporal variability was then studied by comparison with the 1980s second soil census data. Next, the temporal trends in climate and socio-economic factors over the past 25 years were investigated. Finally, we examined the variation of the response of soil organic matter to climate and socio-economic factors using the GWR model spatially and temporally. The model showed that 53.82% area of the organic matter content remained constant and 29.39% has decreased during the past 25 years. The impact of precipitation on organic matter content is mainly negative, with increasing absolute values of the regression coefficient. The absolute value of regression coefficient of annual average temperature has decreased, and more areas are now under its negative effects. In addition, the areas of positive regression coefficient of annual sunshine hours have northward shifted, with the increasing absolute value of positive coefficient and decreasing absolute value of negative coefficient. The areas of positive regression coefficient of mechanized farming as a socio-economic factor have westward shifted, with the increasing absolute value of negative coefficient and decreasing absolute value of positive coefficient. The area of regions with the positive regression coefficient of irrigation has expanded. The regions with positive regression coefficient of fertilizer use have shrinked. The positive regression coefficient of mulch film consumption has significantly increased. The regression coefficient of pesticide consumption was mainly positive in the west of the study area, while it was negative to the east. Generally, GWR model is capable to investigate the influence of both climatic and socio-economic factors, avoided the insufficiency of other research based on the single perspective of climatic or socio-economic factors. Therefore, we can conclude that GWR model could provide methodological support for global change research and serve as basic reference for cultivated land quality improvement and agricultural decision making.