基于灰色预测的空间多点残差修正模型研究

在分析灰色单点预测模型不足的基础之上,综合考虑变形点之间的空间相关性,提出将残差修正应用于空间多点模型,引入空间多点残差修正模型。对黄河小浪底水利枢纽工程B断面沉降监测结果的分析表明,该模型整体模拟与预测相对误差绝对值之和(5个周期)为122%,优于空间多点模型的179%与GM(1,1)模型的284%。同时,短周期数据模拟(5个周期内)相对误差能够控制在20%以内,具有最好的数据拟合精度。

空间计量模型的汽车需求量影响因素探析

本文在对2009年各省份汽车内需量进行空间相关性检验之后,认为各省份的汽车需求量存在空间相互影响因素,因此在考虑空间效应的前提下,以各省的汽车需求量为因变量,以影响需求量的各个因素为自变量,建立空间计量模型SLM和SEM。最后证明一个省份的汽车需求量除了受该省经济、收入和道路建设的影响之外,还受邻省的经济、收入和道路建设的影响。

4种遥感数据时空融合模型生成高分辨率归一化植被指数的对比分析

【目的】针对时空融合方法在遥感植被状况调查及动态变化监测中的应用,比对时空自适应反射率融合模型(STARFM)、增强型时空自适应反射率融合模型(ESTARFM)、回归拟合空间滤波和残差补偿模型(Fit-FC)和规则集回归树融合模型(RPRTM)等4种时空融合模型对归一化植被指数(NDVI)的融合效果。【方法】以三江源地区2块具有差异性地表特征的区域为研究样地,采用上述4种时空融合方法,融合空间分辨率30 m的Landsat 8影像和250 m时间步长16 d的MODIS NDVI数据,生成步长为16 d的30 m空间分辨率的NDVI数据。基于Landsat NDVI影像通过定性的目视判别和定量的统计分析来评价不同融合模型结果的空间特征模拟效果,并以真实的MODIS NDVI时间动态为参考,分析了不同融合方法对地表植被动态特征的拟合效果。【结果】(1)关于空间特征的捕捉,在地表覆盖状况较复杂的区域,RPRTM融合效果最佳(R2=0.82);而对于输入影像差异较大的区域,ESTARFM融合效果最佳(R2=0.95)。(2)关于时间动态的捕捉,RPRTM针对不同的植被型均取得了最佳效果(R2为0.97~0.99)。(3)相对于模型输入数据的时空可比性,地表异质性对STARFM和ESTARFM融合效果的影响更大。【结论】4种时空融合模型能有效用于生成高时空分辨率的NDVI数据,不同模型其融合效果各有不同,RPRTM在复杂地表区域与模拟植被生长动态变化中均有较好表现。