跨区域知识迁移的空间预测:两大类方法的对比分析

跨区域知识迁移是在少样本地区开展空间预测的一种重要手段。目前基于迁移学习技术和基于地理学第三定律的跨区域空间预测分别是计算机领域和地学领域的主流方法。本文对2018年以来国内外基于以上两大类方法开展的相关跨区域空间预测研究进行了文献综述,主要工作包括:(1)对比分析了基于地理相似性和基于迁移学习进行空间预测的基本原理及二者的技术流程异同;(2)总结了2类方法在相似性表征指标及相似性度量方法方面的差异;(3)梳理了2类不同预测方法在常用的辅助数据、空间分析单元、模型方法与评价指标选取方面的差异;(4)探讨了2类跨区域知识迁移的空间预测方法面临的问题及挑战。研究表明,2类方法的技术思想基本一致,但在适用范围、相似性表征与度量、相关辅助变量及参数选择等方面均存在一定局限性。研究可为两类方法优化完善及有效融合、跨区域预测方法的创新、应用领域的扩展等提供有益参考。

地形位指数模型改进及其在植被覆盖评价中的应用

地形作为影响植被覆盖的重要因素,对植被恢复评价以及生态修复规划意义重大。地形位作为测度地形因子综合效应的指标,具有单一地形因子难以比拟的优势。然而,现有地形位指数算法以整个研究区为参照,未考虑空间异质性,难以反映植被生长的局部环境特征。基于地理学第三定律对地理环境相似的强调,融合“空间位置邻近”和“环境特征相似”,对传统地形位模型进行改进:①引入局部窗口算法,以突出局部地形特征;②在不同生境因子组合下测算地形位指数,以排除环境差异对地形位作用的干扰。案例研究表明,新模型有效提升了地形位指数对植被覆盖水平的解释力度;当考虑生境因子组合,且采用最优窗口时,局部窗口地形位指数与植被覆盖度之间的相关性最高。此外,通过观察不同生境组合下的地形位指数发现,在高热少水阴坡和高热少水阳坡条件下,植被覆盖度与局部窗口地形位指数具有更高相关性;可见,越是水资源相对匮乏区域,植被覆盖对局部窗口地形位的响应越敏感。本文有望为植被恢复评价与规划提供新的指标。