基于地理加权回归的区域森林碳储量估计

森林碳储量与其调查因子之间的关系及其空间相关性特征是区域森林碳储量及其分布估计模型建立的基础,然而某一调查因子在不同空间位置对森林碳储量估计的影响程度存在差异。地理加权回归方法考虑了调查因子作用的空间异质性,进行局部回归估计。以浙江省台州市仙居县森林资源二类调查样地实测数据为数据源,利用地理加权回归方法结合陆地探测卫星系统Landsat TM影像数据进行森林碳储量及其密度的分布估计,并检验地理和海拔加权回归在地势平缓的区域是否可用。结果表明:1仙居县森林地上部分总碳储量3.132×106Mg,与样地实测统计得到的全县碳储量3.192×106Mg相差1.880%;地理加权回归模型估计结果与实际碳密度分布情况相一致,研究区内碳密度的取值范围为0~89.964 Mg·hm-2,保留了70%以上的空间异质性特征;基于地理加权回归的森林地上部分碳储量估计方法是有效的,地理加权回归在区域碳储量方面估计结果合理且精度较高。2在地势较为平缓的地区,海拔对植被的影响不显著,地理和海拔加权回归并不适用;若将海拔作为解释变量加入建模,能够提高估计精度,但存在多重共线性问题。     

基于GIS和Logistic回归模型的土地利用空间模拟与分析——以龙海市为例

基于2014年龙海市土地利用变更数据、DEM数据和社会经济数据,借助GIS空间分析技术,共设计7个模拟尺度,运用Logistic回归模型选取对试验区有重要贡献的10种驱动因子进行空间统计分析,并对龙海市土地利用空间格局进行模拟.试验结果表明,龙海市模型的最佳模拟尺度为125 m×125 m,在该尺度下耕地、园地、林地、建设用地的空间分布格局模拟精度分别为:82.73%、76.65%、69.52%、88.49%.龙海市土地利用类型与各驱动因子具有显著相关性,高程、人口、可达性因素是决定龙海市土地利用空间格局形成与演变的重要因素,可为研究龙海市未来土地利用动态模拟提供依据.     

空间回归模型在耕地变化时空分析中的应用

利用统计的耕地和社会经济资料,采用年作为时间尺度,以成都平原和成都平原各区县作为空间尺度,建立空间回归模型,分析了不同时期影响成都平原耕地数量变化的内在因素和外在因素。结果显示,每年耕地变化影响因子和其影响程度均不同,可以通过产业结构调整、土地整理与复垦来增加耕地数量,实现成都平原人地和谐发展。     

基于Moran's I和Kriging插值在不同采样尺度下的土地利用程度分析——以重庆市石柱县为例

【目的】比较不同的采样方式和采样区的大小对土地利用程度空间分布和数据的精确性的影响,以期为土地利用程度空间分布现状和模拟提供合理的依据和技术支持。【方法】对比分析了重庆市石柱县基于Moran's I和Kriging插值在不同采样尺度下的土地利用程度。【结果】各采样尺度下Moran指数均为正数,Kriging插值结果表明不同的采样方式和采样区的大小对土地利用程度空间分布和数据的精确性存在一定的影响。【结论】1石柱县土地利用程度在各采样尺度下均存在正的全局空间自相关,全局空间自相关大小对采样方式和采样尺度较敏感。2采样区尺度的变化会影响土地利用程度值,同一种采样方式下,采样区尺度越小插值越精确,在采样区尺度较小的情况下,局部空间自相关能够精确定位区域土地利用程度聚集状况。     

空间效应及其回归模型在林业中的应用

介绍了空间自相关及空间异质性,综述了空间滞后模型(SLM)、空间误差模型(SEM)、混合效应模型(MEM)和地理加权回归模型(GWR)等空间回归模型在林业中的应用,分析了空间回归模型在不同尺度的林业问题中的应用情况,并针对空间回归模型在林业研究中应用所存在的问题进行探讨。     

基于地理加权CLUE-S模型的土地利用变化分区模拟

运用CLUE-S模型进行大范围的土地利用变化模拟具有其优越性,但是传统模型对于研究区内不同地理区域土地利用变化的自然人文驱动因子的差异缺乏考虑。针对大范围土地利用变化模拟存在的问题,在传统的CLUE-S模型的基础上,引入了空间分区的概念,使模拟过程中考虑了不同空间分区对驱动因子敏感性的差异,并用GWR-Logistics回归对研究区进行土地利用变化转换适宜性建模。以海南省多期土地利用现状分布图为基础,利用多个影响因子进行分区用地适宜性回归,并集成于CLUE-S模型进行模拟。通过对比发现,基于地理加权CLUE-S模型对于空间差异性显著的区域具有更好的适用性。     

基于空间回归模型的城郊区土地景观格局变化驱动力研究——以成都市龙泉驿区为例

基于土地景观遥感影像分类数据、DEM数据、气象数据、土壤数据和相关社会经济数据,应用空间回归模型对四川省成都市龙泉驿区土地景观格局变化驱动力进行分析。结果表明:土地景观格局变化驱动因子受时间尺度影响较大,同一土地景观格局变化驱动因子会随时间推移而发生不同程度的变化,同一驱动因子对土地景观格局变化的影响力也会随时间变化而发生改变。农田、果园、交通运输、水体景观格局变化主要受人文驱动因子影响,森林、城乡人居及工矿景观格局变化主要受自然驱动因子影响,人文驱动因子对土地景观格局变化的影响程度总体上大于自然驱动因子。人口状况、科技水平、经济发展等因子是土地景观格局变化的主要驱动力。空间回归模型拟合效果优于OLS线性回归模型,是进行土地景观格局变化驱动力分析的有效方法。     

土地利用与地表温度的空间关系

引入地理权重回归模型进行福州市土地利用与地表温度的空间关系模拟,从格网尺度上探讨城市土地利用对地表温度影响的空间非平稳性。结果表明:建设用地、林草地和水体是影响研究区地表温度的主要土地利用类型,该3种地类对地表温度的影响存在显著的空间非平稳性:建设用地的增温作用以北部林区最强,中部建成区及耕地分布集中区域最弱;林草地和水体的降温作用均以建成区中心最强,向外逐渐减弱,在水域增加林草地或在林区增加水体则会使地表温度升高。由于地理权重回归模型是对土地利用与地表温度空间关系的局部拟合,可以体现不同土地利用对地表温度影响的空间非平稳性,可为区域土地利用与地表温度空间关系研究提供新思路。     

鄱阳湖生态经济区土地城镇化时空格局特征与驱动因素分析

以鄱阳湖生态经济区32个县域单元为研究对象,运用探索性空间数据分析、因子分析、普通最小二乘回归(OLS)模型和地理加权回归(GWR)模型,探究2011、2015年土地城镇化时空格局特征及其驱动因素。研究表明:(1)鄱阳湖生态经济区土地城镇化水平整体呈上升趋势,空间分布上具有"高值呈孤立点,低值呈带状分布"的聚集特征,存在正向空间自相关性;(2)推动土地城镇化的主导因素不同年份有所差异,地方财政支出和人口城镇化对土地城镇化水平的影响始终占主导地位;(3)土地城镇化驱动因素在县域尺度上具有明显的空间分异性;(4)运用GWR模型对土地城镇化驱动因素进行分析相较于OLS模型更加适用。研究结果揭示了土地城镇化进程中的空间分异和内在驱动力机制,实现了驱动因素的空间可视化。     

鄱阳湖生态经济区土地城镇化时空格局特征与驱动因素分析

以鄱阳湖生态经济区32个县域单元为研究对象,运用探索性空间数据分析、因子分析、普通最小二乘回归(OLS)模型和地理加权回归(GWR)模型,探究2011、2015年土地城镇化时空格局特征及其驱动因素。研究表明:(1)鄱阳湖生态经济区土地城镇化水平整体呈上升趋势,空间分布上具有"高值呈孤立点,低值呈带状分布"的聚集特征,存在正向空间自相关性;(2)推动土地城镇化的主导因素不同年份有所差异,地方财政支出和人口城镇化对土地城镇化水平的影响始终占主导地位;(3)土地城镇化驱动因素在县域尺度上具有明显的空间分异性;(4)运用GWR模型对土地城镇化驱动因素进行分析相较于OLS模型更加适用。研究结果揭示了土地城镇化进程中的空间分异和内在驱动力机制,实现了驱动因素的空间可视化。     

空间异质模型在城市扩展模拟中的应用与评估

以南京江宁区为例,基于遥感影像及其他数据,利用空间扩展模型和地理加权逻辑回归模型对研究区1999-2010年间的城镇用地扩展的影响因素进行有效检验与分析,探索其空间异质性特征.结果表明：1) 空间扩展模型与地理加权逻辑模型分别可解释研究区历史时期57%和64%的城镇用地转变,二者的解释能力在logistic模型基础上 (51%) 得到显著提升,有力地辩驳了全局回归模型的系数稳定性假设;2) 较之于空间扩展模型,地理加权逻辑回归模型更能有效刻画城市增长影响因素的空间非平稳性特征,更能够适用于研究区的城镇用地扩展模拟研究;3) 邻近变量中的DIS2INDU,DIS2ORD及DIS2CENT,邻域变量中的DENURBAN以及政策变量中的DENLANDP是研究区城镇用地扩展的关键驱动因素.     

天然云冷杉针阔混交林单木胸径树高空间自回归模型研究

林木间普遍存在着空间自相关,这直接关联着林木间的竞争与相互作用。单木胸径树高模型是森林生长、收获与预测的基础,忽略林木间的空间自相关将会导致胸径树高模型的普通最小二乘(OLS)回归违背残差独立分布假设,导致犯第一类错误的可能性变大,以及模型参数标准差的有偏估计和回归模型估计的有效性降低。因此,本文选择我国东北地区主要森林类型即天然云冷杉针阔混交林为研究对象,考虑林木间的空间自相关,选用合适的线性化单木胸径树高OLS模型为基准模型,利用3个同步自回归(SAR)模型即空间滞后模型(SLM)、空间误差模型(SEM)和空间Durbin模型(SDM),构建该混交林的单木胸径树高模型。与此同时,每个SAR模型分别采用5个不同的空间加权矩阵即Delaunay三角网(DT)矩阵、逆距离一次幂(ID1)、逆距离二次幂(ID2)、逆距离五次幂(ID5)和高斯变异函数(GV)矩阵,利用极大似然(maximum likelihood)估计3个SAR模型的参数。对OLS和3个SAR模型的回归参数进行t检验,对3个SAR模型的自回归参数进行似然比检验。选择Morans I(MI)指数比较分析4个模型的残差空间自相关,选择决定系数(R2)、均方根误差(RMSE)和Akaike信息准则(AIC)3个拟合指标比较分析这4个模型的拟合效果,选择均方误差(MS)检验模型预测效果。结果表明:未考虑空间自相关的OLS模型残差存在正空间自相关;3个SAR模型拟合效果均优于OLS,SDM和SEM的拟合效果最好,SLM最差;无论使用哪个空间加权矩阵,SLM均不能消除模型残差空间自相关,但可降低空间自相关,在一定程度上提高了模型的拟合效果;5个空间矩阵应用于SDM和SEM时,均可以消除模型残差空间自相关,但空间加权矩阵GV只适用于SEM;ID2是5个空间加权矩阵中最好的空间加权矩阵,将ID2应用于4个模型进行预测时,SDM和SEM的预测效果明显优于SLM,但3个SAR模型的预测效果均优于OLS。利用3个SAR模型提高了单木胸径树高模型拟合和预测的精度,为合理经营天然云冷杉针阔混交林提供了理论基础。      

四川省水产养殖业空间格局及影响因素

[目的]探究四川省水产养殖业空间分布格局及驱动因素,为优化该省水产养殖业布局、促进产业提质增量提供参考.[方法]以四川省各县域(市辖区)为基本空间单元,借助该省渔业统计年鉴和地方统计年鉴,采用空间自相关分析方法、地理探测器及地理加权回归模型,分析该省水产养殖业的空间分布格局、影响因素及主导因子作用强度的空间异质性.[结...     

基于地理探测器和GIS的压砂地砾石空间异质性及其影响因素分析

为探究压砂地不同粒径砾石空间异质性及其影响因素,基于压砂地102个采样点,对不同粒径砾石配比进行了描述性统计,通过半方差函数和全局空间自相关分析等地统计方法分析了压砂地不同粒径砾石的空间变异特征和聚集模式,并进一步利用地理探测器模型识别影响不同粒径砾石占比空间分异的主要影响因子,在此基础之上,选取主要影响因子协同地理加权回归克里格法对不同粒径砾石占比进行可视化,获取其分布特征。结果表明,不同粒径砾石的空间变异系数均大于10%,属中等变异。不同粒径砾石的空间异质比变化范围较大（0.26%~83.48%）,其空间异质性受随机性因素和结构性因素共同影响。空间自相关分析显示各粒径砾石的全局Moran''s I均高于0.674,且Z值均大于1.96,表明不同粒径砾石具有极显著的空间依赖特征,呈聚集性分布。地理探测器模型识别表明压砂地不同粒径砾石的空间分异的解释力由大到小依次为种植年限>坡向>地表粗糙度>坡度>剖面曲率>平面曲率>地表起伏度,种植年限的单因子解释力明显高于其他因子。不同环境条件下压砂地土体中不同粒径砾石空间分布差异明显且呈聚集性分布特征。种植年限、坡向和地表粗糙度是压砂地不同粒径砾石空间分布状况的主要影响因子。     

地理权重回归在土壤pH空间预测中的应用

为高效利用土壤和开展精准农业生产,采用地理权重回归方法对区域土壤pH的空间分布进行预测,以获得比普通线性回归方法更高的预测精度和论证其对其他土壤属性进行预测的可行性。实测样点土壤的pH,然后选用与土壤pH相关程度较高且易于获取的环境因子(海拔高程、坡度、归一化植被指数、铁氧化物指数、样点距河流的最近距离、土壤侵蚀强度)来建立与土壤pH的回归方程。因子经过逐步回归及多重共线性检验后,用地理权重回归模型对pH进行预测。通过ME、RMSE及回归决定系数等指标,用验证样点数据对预测效果进行评价。结果表明,地理权重回归模型的预测精度高于普通线性回归模型,能大幅度降低AIC值,显著提高模型的回归决定系数,有效地降低回归的残差值;生成的预测图在空间上过渡自然,制图效果较好;利用地理权重回归法能将环境影响因子纳入模型,并能充分考虑样点的空间位置,适合于具有高度空间变异的土壤属性预测及制图。     

干旱半干旱区耕地非粮化空间格局及驱动因素

为厘清干旱半干旱区耕地非粮化态势,减少非粮化对粮食安全的威胁,本研究利用空间自相关分析法、多元线性回归模型与地理加权回归分析方法,探索非粮化地域分异特征及主要驱动因素。结果表明：2018年干旱半干旱区耕地非粮化面积为8.3×10⁶hm²,非粮化率为38.3%;非粮化率在空间上呈由西向东逐渐递减的分布格局,非粮化面积则呈两边高、中部低的分布特征;土地流转面积是驱动干旱半干旱区非粮化空间格局分异的最重要因子,人均GDP、人均耕地面积和乡村劳动力人数也影响了地域分异特征,但不同地域内各因素作用存在显著的空间异质性。研究表明,非粮化受经济、社会、政策因素影响大,今后应规范土地流转行为,调整惠农补贴并优化资源配套,加大监管的同时谨防“一刀切”,实现农民增收、耕地保护和粮食安全“三协同”。     

基于MGWRK的土壤有机质制图及驱动因素研究

【目的】空间预测是一种获得有机质空间局部细节的重要方法,其准确性对于农田合理管理有着重要意义。本研究通过对比不同的土壤有机质空间制图方法以获得更优的预测精度,在预测的同时揭示环境协变量的空间非平稳性特征及不同环境协变量关系的空间尺度。【方法】选取晋中盆地的7个乡镇作为研究区,对比普通克里金（OK）、回归克里金（RK）、地理加权回归克里金（GWRK）和多重尺度地理加权回归克里金（MGWRK）4种不同方法对土壤有机质的预测能力和效果,并探究影响因子在空间分布中对有机质的影响效应变化和这种影响效应的空间尺度。MGWRK是一种多重尺度地理加权回归（MGWR）与普通克里金方法相结合的方法。【结果】选取坡向、坡度、年均降水量、年平均温度、海拔、植被年总初级生产力、年蒸散量、地形湿度指数、平面曲率、汇流动力指数、地形指数、地形粗糙指数、年平均NDVI为环境协变量参与建模,在多元线性回归建模中,模型统计学意义显著,这表明模型具备统计学意义。从Radius指数来看,各模型模拟效果由好到差依次为RK、OK、GWRK、MGWRK;从制图效果来看,MGWRK与GWRK制图效果相当,从有机质的空间预测图可以看出,土壤有机质在研究区呈现东西两侧偏低、中部偏高的空间格局,其中汾河以东、昌源河流经区域土壤有机质普遍偏高。坡向、年均降水量、年平均温度、海拔、地形指数、年平均NDVI对研究区东部有机质的影响强于西部,而坡度、植被年总初级生产力、年蒸散量、平面曲率、汇流动力指数、地形粗糙指数则表现出截然相反的空间非平稳性特征,地形湿度指数对有机质的影响则体现为北部强南部弱。【结论】MGWRK方法的空间预测精度分别达到了RK方法的69%、OK方法的71.74%、GWRK方法的71.17%。MGWRK在空间非平稳性特征的解释能力和空间可视化表现良好,为有机质的预测和空间非平稳性特征的描述提供方法借鉴。     

火烧迹地遥感指数与地表温度空间差异性

以2003年根河和金河林业局森林火灾火烧迹地作为研究区,以2000年、2004年的landsat影像为数据源,运用辐射传输方程反演地表温度,提取影像12种常见的遥感指数。分析火烧强度与地表温度的关系、不同遥感指数对地表温度的解释效果以及不同尺度下遥感指数与地表温度的空间差异性,建立遥感指数和地表温度的最小二乘拟合模型(OLS)和地理加权回归模型(GWR)。结果表明:(1)火烧迹地的火烧强度对地表温度具有明显的解释效应,重度火烧具有较强的热聚集效应;(2)火烧迹地地表温度的解释因素主要为下垫面状况的因素,从12种宽带波段遥感指数对地表温度的解释模型中,发现差分归一化火烧指数(IDNBR)、归一化不透水面指数(INDIS)、植被归一化水体指数(IVNDW)、归一化植被指数(INDV)、绿度总和指数(ISG)、改进型归一化水体指数(IMNDW)等6种指数对地表温度的解释效应更好;(3)不同尺度下,地表温度与遥感指数具有空间差异性,不同指数空间相关性随尺度增大而减弱。(4)在解释地表温度模型选择上,局部回归GWR模型比全局回归OLS模型的回归结果好。     

基于地理加权和随机森林回归的曹妃甸区土壤有机碳含量研究

应用地理加权回归模型（GWR）和随机森林回归模型（RFR）对河北省唐山市曹妃甸区滨海区域的土壤有机碳含量空间分布进行回归分析,并作出精度评价,揭示该地区土壤有机碳含量的空间分布特征及影响因素。研究表明,GWR模型的R2为0.51,通过训练得到的RFR模型的测试集拟合优度为0.64,机器学习得到的回归结果优于传统的数理统计方法,机器学习的方法能够有效解决非线性相关问题。地表湿润程度与土壤有机碳含量存在关系,具体表现在地表水体指数（LSWI）与土壤有机碳呈显著正相关,地表干度指标（NDBSI）与土壤有机碳呈负相关。湿地内部土壤有机碳分布存在明显的异质性,由于人为干扰程度不同,河流湿地等天然湿地土壤有机碳含量高于养殖池、水库等人工湿地。     

基于GWR模型的渭北黄土旱塬粮食单产空间分异 及其影响因子分析——以陕西彬县为例

【目的】 通过探究渭北黄土旱塬区粮食单产在县域尺度上的空间分异特征及其影响因子,为小尺度粮食单产及其影响因子的空间分异研究、区域粮食单产提高提供科学依据。【方法】 应用空间自相关、最小二乘法和地理加权回归模型（GWR）,研究渭北黄土旱塬区典型粮食主产县陕西彬县粮食单产的空间分布特征及其影响因子的空间分异。【结果】 彬县粮食单产的Moran’s I指数为0.328,显著性检验的Z值为5.51,呈北高南低的局部空间集聚特征。坡度、耕层厚度、土壤有机质、道路密度和施肥成本对彬县粮食单产具有正向影响,土壤类型、侵蚀程度和地下水埋深对彬县粮食单产具有负向影响,各解释变量回归系数的相对极差范围为0.55—14.11。空间上,耕层厚度、土壤类型、侵蚀程度、土壤有机质和道路密度对彬县南部、东南部梁峁丘陵沟壑区粮食单产的影响强于北部黄土旱塬区,而坡度、地下水埋深和施肥成本则表现出相反的空间非平稳性特征。OLS模型回归系数的显著性与GWR模型回归系数的相对极差呈负相关关系。GWR模型的R ²比OLS模型提高了0.04,AIC值减少了11.04。 【结论】 彬县粮食单产之间存在显著的空间正相关关系;土壤有机质、施肥成本和地下水埋深是渭北黄土旱塬区县域粮食单产的最主要影响因子;同一影响因子在县域内的不同空间位置对粮食单产的影响程度存在较大差异,且各影响因子对粮食单产影响程度的空间非平稳性是导致OLS模型回归系数显著性水平较低的主要原因。GWR模型在空间非平稳性数据建模方面的解释能力与估计精度都优于OLS模型,且能够实现模型估计参数的空间可视化。