GIS-Based Local Spatial Statistical Model of Cholera Occurrence: Using Geographically Weighted Regression

Global statistical techniques often assume homogeneity of relationships between dependent variable and predictors across space. This assumption has been criticized by statistical geographers as a fundamental weakness that may yield misleading result when it is applied to dataset with spatial context. To strengthen this weakness, a new method that accounts for heterogeneity in relationships across geographic space has been presented. This is one of the family of local spatial statistical techniques referred to as geographically weighted regression (GWR). The method captures non-stationarity of relationship in spatial data that the ordinary least square (OLS) regression fails to account for. Thus, the paper is designed to explore and analyze the spatial relationships between cholera occurrence and household sources of water supply using GIS-based GWR, also to compare the modeling fitness of OLS and GWR. Vector dataset (spatial) of the study region by state levels and statistical data (non-spatial) on cholera cases, household sources of water supply and population data were used in this exploratory analysis. The result shows that GWR is a significant improvement on the global model. Comparing both models with the AICc value and the R2 value revealed that for the former, the value is reduced from 698.7 (for OLS model) to 691.5 (for GWR model). For the latter, OLS explained 66.4 percent while GWR explained 86.7 percent. This implies that local model’s fitness is higher than global model. In addition, the empirical analysis revealed that cholera occurrence in the study region is significantly associated with household sources of water supply. This relationship, as detected by GWR, largely varies across the region.

Exploration of the spatial pattern of urban residential land use with geographically weighted regression technique: a case study of Nanjing,China

As the traditional methods and technical means cannot meet the quantitative research needs of the urban land use patterns, quantitative research methods for the urban land use pattern are established via the GIS （geographic information system ） technique combined with the related theories and models. Taking the city of Nanjing as an example, a spatial database of urban land use and other environmental and socio-economic data is constructed. A multiple linear regression model is developed to determine the statistically significant factors affecting the residential land use distributions. To explain the spatial variations of urban land use patterns, the geographically weighted regression （GWR） is employed to establish spatial associations between these significant factors and the distribution of urban residential land use. The results demonstrate that the GWR can provide an effective approach to the exploration of the urban land use spatial patterns and also provide useful spatial information for planning residential development and other types of urban land use.

Modeling of Spatial Distributions of Farmland Density and Its Temporal Change Using Geographically Weighted Regression Model

This study used spatial autoregression(SAR)model and geographically weighted regression(GWR)model to model the spatial patterns of farmland density and its temporal change in Gucheng County,Hubei Province,China in 1999 and 2009,and discussed the difference between global and local spatial autocorrelations in terms of spatial heterogeneity and non-stationarity.Results showed that strong spatial positive correlations existed in the spatial distributions of farmland density,its temporal change and the driving factors,and the coefficients of spatial autocorrelations decreased as the spatial lag distance increased.SAR models revealed the global spatial relations between dependent and independent variables,while the GWR model showed the spatially varying fitting degree and local weighting coefficients of driving factors and farmland indices(i.e.,farmland density and temporal change).The GWR model has smooth process when constructing the farmland spatial model.The coefficients of GWR model can show the accurate influence degrees of different driving factors on the farmland at different geographical locations.The performance indices of GWR model showed that GWR model produced more accurate simulation results than other models at different times,and the improvement precision of GWR model was obvious.The global and local farmland models used in this study showed different characteristics in the spatial distributions of farmland indices at different scales,which may provide the theoretical basis for farmland protection from the influence of different driving factors.

基于STIRPAT-GWR模型的重庆市土地利用碳排放动态演进及影响因素

探究重庆市土地利用碳排放时空分异及影响因素,可为进一步优化土地利用结构、落实差异化的降碳减污政策提供参考。基于2000年、2010年、2020年3期土地覆盖数据揭示重庆市碳排放的区域差异及时空动态特征,综合运用STIRPAT模型和地理加权回归(GWR)模型,探究社会经济因素对碳排放的空间异质性影响。结果表明:重庆市净碳排放量在2000—2020年总计增长3723.14×104 t,其时序变化可划分为急剧增加阶段和缓慢增加阶段;土地利用碳汇与碳源仍存在收支不平衡问题。净碳排放总体呈现“中心高、两翼低”的分布格局,净碳排放增量在主城都市区的增长幅度最为剧烈,在渝东南各区县均呈现微度增长态势,渝东北各区县的增长量存在明显的空间差异性。土地利用碳排放各影响因素的空间分布格局差异较大,碳排放强度和人均GDP是关键主导因素,其他依次为城镇人口规模、地方财政一般预算支出、产业结构,碳排放强度在渝东北地区的影响强度较大,城镇人口规模在主城都市区的正向促进作用较大。

An Intelligent Early Warning Method of Press-Assembly Quality Based on Outlier Data Detection and Linear Regression

Focusing on controlling the press-assembly quality of high-precision servo mechanism,an intelligent early warning method based on outlier data detection and linear regression is proposed.Linear regression is used to deal with the relationship between assembly quality and press-assembly process,then the mathematical model of displacement-force in press-assembly process is established and a qualified press-assembly force range is defined for assembly quality control.To preprocess the raw dataset of displacement-force in the press-assembly process,an improved local outlier factor based on area density and P weight(LAOPW)is designed to eliminate the outliers which will result in inaccuracy of the mathematical model.A weighted distance based on information entropy is used to measure distance,and the reachable distance is replaced with P weight.Experiments show that the detection efficiency of the algorithm is improved by 5.6 ms compared with the traditional local outlier factor(LOF)algorithm,and the detection accuracy is improved by about 2%compared with the local outlier factor based on area density(LAOF)algorithm.The application of LAOPW algorithm and the linear regression model shows that it can effectively carry out intelligent early warning of press-assembly quality of high precision servo mechanism.

基于OLS+GWR模型的非粮化利用方式对耕地质量的影响

为探究不同非粮化利用方式对耕地质量的影响,基于最小二乘法线性回归(OLS)模型和地理加权回归(GER)模型对海南省儋州市部分地区非粮化耕地影响空间分布进行分析。结果表明,研究区采用景观苗木种植方式时,对中西部土壤有机质含量、东南和西南土壤pH值、东南地区面积加权形状指数影响较大,景观苗木种植方式是这3项指标的关键影响因素;研究区采用果树种植方式时,对于东部和西部地区土壤有机质含量、西部地区土壤破碎指数、东南和西南部分地区面积加权形状指数影响较大,果树种植方式是这3项指标的关键影响因素;研究区采用草坪种植方式时,对研究区东部地区破碎化指数和种植规模的影响较大,草坪种植是这2项指标的关键影响因素;研究区采用挖塘养殖方式时,对中部、西北和西南地区的土壤pH值、东南部分地区种植规模影响较大,挖塘养殖是这2项指标的关键影响因素。

Determination of the effective utilization coefficient of irrigation water based on geographically weighted regression

This study uses geographically weighted regression to determine the spatial distribution of the effective utilization coefficient of irrigation water in Zhejiang Province,China,owing to the influences of spatial attributes on the irrigation efficiency.The sample set of this study comprised 165 agricultural test sites.A multivariate linear regression model and a geographically weighted regression model were established using the effective utilization coefficient of agricultural irrigation water as the dependent variable in addition to a suite of independent variables,including the actual irrigation area,the percentage of farmland using water-saving irrigation,the type of irrigation area,the net water consumption per mu,the water intake method,the terrain slope,and the soil field capacity.Results revealed a positive spatial correlation and noticeable agglomeration features in the effective utilization coefficient of irrigation water in Zhejiang Province.The geographically weighted regression model performed better in terms of fit and prediction accuracy than the multivariate linear regression model.The obtained findings confirm the suitability of the geographically weighted regression model for determining the spatial distribution of the effective utilization coefficient of irrigation water in Zhejiang,and offer a new approach on a regional scale.

基于MGWR模型的黄河流域GPM卫星降水数据降尺度研究

黄河流域地域广阔,但气象站点分布较少,导致气象资料短缺。卫星降水可以作为气象站点观测的重要补充,但其空间分辨率有限,导致其在区域研究中作用有限。以黄河流域作为研究区域,针对全球降水观测计划(GPM)卫星降水产品,以2002、2012年和2020年降水数据作为干旱年、标准年以及湿润年3个典型气候年份,在综合考虑归一化植被指数(NDVI)、数字高程模型(DEM)、坡度(Slope)、地表温度(LST)和风速(WDS)多种反映降水量空间分布特征的影响因子及其空间非平稳性特征的基础上,采用地理加权回归(GWR)模型、混合地理加权回归(MGWR)模型2种降尺度方法,得到了黄河流域1 km空间分辨率的降尺度降水数据,并进一步通过地面气象站点数据对降尺度结果进行验证。结果表明:(1)GPM年降水数据与地面气象站点观测数据在2002、2012年和2020年的黄河流域地区具有较高的相关性。(2)经MGWR模型降尺度的降水数据空间分辨率得到了显著提高,且在降水变化的空间细节表达方面较GWR模型更优。(3)在3个典型气候年份中,MGWR模型在降水量标准年中相对于GWR模型具有更高的准确性。研究结果能够为相关区域范围的降水降尺度研究提供宏观参考与借鉴,促进区域气候水文研究。

基于GWR的矿产资源开采时空特征及影响因素探究

文章基于2011—2017年矿产资源开采数据,分析长江经济带矿产资源开采时空演变特征,并利用地理加权回归(geographically weighted regression,GWR)模型探究矿产资源开采的影响因素及其作用程度。研究结果表明:2011年以来长江经济带矿产资源开采数量呈增长趋势,且开采以非金属矿产为主;长江经济带矿产资源开采空间差异逐渐增大,主要集聚区分布在上、中游地区,形成以贵州和江西为主要密度核心的连绵状空间分布;研究期内矿产资源开采活动主要在上、中游地区开展,开采重心位于贵州;矿产资源开采受到海拔高度、路网密度、地区生产总值等因素的影响显著,其效应具有明显空间异质性。研究结果可为矿产资源管理与利用提供参考。

基于GWR的建成环境对公共自行车出行模式的影响分析

为分析建成环境对公共自行车出行模式的影响,文章结合公共自行车运营数据和建成环境数据,以公共自行车站点为中心建立缓冲区并提取缓冲区内兴趣点(point of interest,POI),在考虑POI规模的基础上划分站点类型;根据站点类型对出行起讫点(origin-destination,OD)分类,以OD类型确定公共自行车出行模式,使用地理加权回归(geographically weighted regression,GWR)模型,分析建成环境对公共自行车出行模式的影响;以昆明市为例进行实证分析。结果表明:昆明市公共自行车出行模式可划分为16种,OD皆为住宅主导型和公司(企业)主导型站点的出行模式约占69.26%;建成环境对不同出行模式的影响效应存在差异;土地利用混合度是公共自行车出行模式的主要影响因素。研究结果可为公共自行车布局优化及运营管理提供参考。

长三角城市群A级旅游景区时空异质性研究

城市群A级旅游景区演化研究对促进区域旅游业平衡充分发展具有重要价值.基于目的地多尺度、景区多等级及空间非稳定现实,运用多种空间分析方法,对长三角城市群A级旅游景区及影响因素的时空异质性进行研究.结果表明:(1)2001-2021年,3A、4A是长三角城市群A级旅游景区结构主体;上海、杭州、湖州、南京、安庆、金华、温州和台州的各级景区发展均较好.(2)长三角城市群A级旅游景区空间分布集聚性显著,逐渐形成“几”字形高密度景区带结构;各等级景区辐射范围不断扩大,形成东南-西北方向分布格局;城市尺度上,各等级景区都趋于均匀分布.(3)至2019年,影响A级旅游景区空间分布的因素包括旅游资源、旅游需求、旅游地交通及社会经济条件.各个因素的影响程度及其在空间上的异质性均随时间变化而变化.

道路网对美丽乡村建设成效的影响

为使道路网建设有效促进美丽乡村建设水平的提高,对道路网影响美丽乡村建设成效的内在规律进行了系统研究。首先,从人居环境、基础设施、经济条件三个维度解析了道路网对美丽乡村建设的影响作用理论机制;接着,在该机制框架下构建了影响因子体系,并通过集成道路网及其关联的多种地理数据设计了各影响因子的测算方法;最后,应用地理加权回归模型进行了实证研究,分析了各影响因子对西安市美丽乡村建设成效考评结果的实际贡献,并通过诊断贡献强度的空间分异提出了相应的对策建议。研究表明:乡村社会经济系统的复杂性决定了道路网影响美丽乡村建设必然是一个多因素作用的复杂过程,具体来说:与美丽乡村建设成效呈负相关关系的影响因子有水电布设难易度、生态环境扰动度及公共服务稀缺度;与美丽乡村建设成效呈正相关关系的影响因子有生产生活可达度、特色经营适宜度及产业振兴发展度;因乡镇街道级小尺度地方性特征差异,以上6个影响因子各自的局域作用强度会有所不同;借助地理信息系统技术挖掘、整合与道路网相关的各类信息数据,是填补乡村交通研究中常见数据缺口的创新方向。

基于InVEST模型的共和县生境质量时空变化及驱动因素

在新型城镇化背景下,青海省共和县作为兰西城市群建设的关键节点和典型的荒漠生态脆弱区,其经济和生态的协调发展对建设海南州可持续发展议程创新示范区具有重要意义。本研究基于2000年、2010年、2020年三期土地利用数据,利用InVEST模型,对2000—2020年共和县生境质量时空分布及效应变化特征进行探究,进而对生境质量的影响因子及其作用进行地理探测器和局部空间回归。结果表明:(1)2000—2020年共和县生境质量整体呈上升趋势,生境质量均值分别为0.612(2000年)、0.626(2010年)、0.627(2020年),生境质量空间分布存在明显的区域差异,空间格局上呈现北高南低的态势。(2)影响共和县生境质量的主驱动因子为年平均气温(TEM)和归一化植被指数(NDVI),因子间的交互作用对生境质量空间分异的影响大于单一因子,TEM与香农均匀度指数(SHEI)、香农多样性指数(SHDI)交互作用强烈。(3)TEM对生境质量呈负向效应,负向影响区域主要集中在共和北部与东部地区;NDVI呈正向效应,正向影响区域主要集中在共和中部与南部地区;国民生产总值(GDP)对生境质量的正向效应较2000年上升了30%,塔拉滩光伏促进了共和县生态产业协同发展。研究结果可为干旱区推动地方经济建设和生态环境保护提供科学的决策依据。

近30年天山北坡改进型遥感生态指数时空变化及其驱动因素

天山北坡是西北地区重要的生态功能区和重要经济带,受气候变化和人类活动的影响,脆弱的生态环境面临着巨大挑战,但目前对该地区生态环境质量时空变化、特征及驱动力的认识较少。为此,本文利用改进型遥感生态指数(ERSEI)、空间自相关分析、多元线性回归分析和地理加权分析方法揭示天山北坡1990、2000、2010和2020年4个时期生态环境质量时空变化、特征及其驱动因素。结果表明:(1)1990-2020年天山北坡ERSEI先大幅下降后逐渐恢复并持续上升,生态环境质量逐渐改善并趋于稳定,总体呈“东优西劣”的空间格局;(2)天山北坡生态环境对气候变化较为敏感,温度是ERSEI变化的最重要驱动因子;(3)不同驱动因素对ERSEI的影响存在显著的空间异质性,自然因素对局部ERSEI空间分异起主导作用,人为因素则对年际ERSEI变化产生重要影响。这表明气候变化和人类活动显著影响ERSEI变化,未来应科学规划各类经济活动,减缓气候变化效应,提升天山北坡生态安全和环境可持续性。

2001–2020年中国广西及东盟区域1 km分辨率降尺度月度降水数据集

中国广西及东盟区域位于亚洲东南部,同属亚热带季风气候,降水充沛,洪涝灾害频发,直接影响社会经济活动,高分辨率、高精度降水资料可有效支撑区域水资源、农业、灾害及生态等管理和研究。本研究以2001–2020年全球降水观测计划降水数据(GPM IMERG)为因变量,结合中分辨率成像光谱仪(MODIS)增强植被指数(EVI)、地表蒸散发(ET)、地表温度(LST)、先进星载热发射和反射辐射仪(ASTER)海拔(ELV)等解释变量,引入考虑变量随地理环境影响变化的地理加权回归(GWR)模型,构建空间分辨率为10 km的年尺度模型,经过测试选取验证精度良好的指数核函数。通过回代,基于空间分辨率为1 km的解释变量,构建了2001–2020年中国广西及东盟区域1 km年度降水数据集,并进一步采用比例指数法获得研究区2001–2020年1 km月度降水数据集。采用2001–2020年2679个地面观测站点数据对降尺度数据集进行验证,相关系数、均方根误差和偏差分别为0.792、74.610mm、-0.122%。本数据集能够有效反映1 km分辨率下的降水时空分布及其差异性,可广泛应用于水资源、农业、生态环境、灾害模拟等研究领域。

2001—2020年黄土高原气候对植被NDVI空间异质性的影响

选用2001—2020年归一化植被指数(Normalized difference vegetation index,NDVI)和气候数据,通过地理加权法探究黄土高原气候变化对植被及其变化趋势的影响。结果表明,黄土高原NDVI与地表温度在空间上具有非平稳关系,NDVI与温度指标的回归系数主要以负值为主,主要集中在北部的内蒙古高原,空间正相关则集中分布于胡焕庸线以南区域;对比不同气候指标的标准化系数可知,降水量是黄土高原植被变化的主要因素,占黄土高原总面积的30.90%,植被受水分控制作用较为显著的区域主要集中在黄土高原中北部的内蒙古高原及西部祁连山附近;而黄土高原中南部植被活动的主导因素为气温,面积占42.91%,其中最高气温对NDVI的主导区域范围最广,影响区包括甘肃省东部、陕西省中部、山西省南部及河南省,其植被主要以农业和林业为主,降水量充沛,随着温度的升高,植被活动均有所增强。NDVI变率与气候变率的回归结果表明,黄土高原气温增高对植被的生长起到促进作用的区域较广;但黄土高原西北部也存在气温和降水量减少而植被却表现为增长趋势的情况。

基于GWR模型的中国NDVI与气候因子的相关分析

在ArcGIS支撑下,基于1982—2010年8 km分辨率的AVHRR NDVI及气温和降水数据,应用最小二乘法和地理加权回归方法,构建中国NDVI与气候因子的地理加权回归模型,定量分析中国NDVI与气温和降水的相互关系,获取各个回归参数的空间格局,并将模拟结果与全局性回归结果进行对比。结果表明,与线性回归模型相比,地理加权回归模型的拟合效果显著提高,拟合优度从0.3提高到0.6。气候因子对NDVI的影响具有空间异质性:从北到南,气候因子对NDVI的影响逐渐减小;西北内陆等干旱荒漠地带,气候因子对NDVI的影响较大。对中国大部分地区而言,气温对NDVI的影响超过降水。各区NDVI与主导气候因子发生作用的特征尺度不同。

基于GWR的大兴安岭森林立地质量遥感分析

【目的】建立遥感信息模型,估算森林地位级指数,对森林立地质量的空间分布进行系统研究,为森林经营管理和营林造林提供数据支持与理论依据。【方法】以黑龙江省大兴安岭地区为研究区域,基于研究区域的多光谱数据结合地面森林资源清查数据,采用以最小二乘为基础的多元线性模型(全局模型)和以地理加权回归(GWR)为基础局域回归模型提取包括遥感因子土壤修正植被指数(MSVI)、差值植被指数(DVI)和林分因子林分平均胸径(ADBH)、林分郁闭度(FCC)在内的4个因子作为自变量,建立地位级指数全局估算模型和局域估算模型。对比2种方法,最终采用地理加权回归模型来绘制研究区域地位级指数空间分布图,对研究区域的立地质量进行评价与分析,并探索研究区域内森林地位级指数的空间分布状态随地形的变化趋势。采用全局Moran I描述不同空间尺度下模型残差的空间自相关性(以8 km为间隔计算从8 km到80 km)。【结果】大兴安岭地区地位级指数呈现明显的聚集分布,具体表现为东高西低、北高南低,并且最大值出现在北部区域。遥感因子和林分因子影响森林地位级指数的空间分布。地理加权回归模型的拟合和精度明显好于全局模型,其中全局模型的R2adj为0.48、AIC为1 816、RMSE为1.74,地理加权回归模型的R2adj为0.53、AIC为1 784、RMSE为1.29。通过模型模拟结果和实测值的对比分析发现,地理加权回归模型具有更高的验证精度和更好的拟合效果。基于地理加权回归模型残差分析可知,地理加权回归模型能够很好地解决模型残差的空间自相关性,产生更为理想的模型残差。【结论】全局模型和局域地理加权回归模型能够较为有效地估算黑龙江省大兴安岭地区森林地位级指数,加入样地位置信息进行回归分析的地理加权回归模型能够更有效地降低数据的空间自相关性,结果更符合传统统计模型中关于残差间相互独立的基本假设,使得建模过程更加科学合理。

基于GWR模型的中国区域旅行社业效率空间分异及动力机制分析

基于DEA模型对中国31个省域的旅行社业效率空间分异特征进行了分析,首次运用GWR模型探索交通、资本、人才、信息化和经济动力对区域旅行社业效率影响的空间差异。结果表明：旅行社业效率在空间上具有正相关性和集聚特征,空间格局从“川”字型向“山”字型转变。各动力因子的系数均存在空间非平稳性。资本和人才动力的回归系数在空间分布上从南向北依次递减;经济动力的分布趋势为从北向南依次递减;交通动力对中西部地区旅行社效率提升的促进作用显著于东部地区;信息化动力则在东部地区表现出较强的促进作用。

基于GWR模型的中国生产性服务业空间差异的影响因素分析

利用GWR模型并结合相关理论分析我国生产性服务业发展的影响因素。结果发现:人力资本对生产性服务业的发展呈正相关作用,而2011年中西部地区其的贡献相对较低;创新能力对生产性服务业发展的贡献为正,但存在减小的趋势;城市化水平对生产性服务业的影响变化较大,由2005年和2008年的负相关转变为2011年的正相关;工业发展水平对生产性服务业的贡献为正,高值区存在由东向西转移的趋势;对外开放水平与生产性服务业呈明显的负相关;市场规模对生产性服务业发展的贡献为正,且有增强的趋势。