基于Bayes网络的多粒度时空对象地理过程演化建模——以新安江模型为例

多粒度时空对象具有多粒度、多类型、多形态、多参照系、多元关联、多维动态、多能自主特点,可用于直接描述从微观到宏观的现实世界。基于时空对象建模理论构建多尺度地理对象耦合演化的集成表达是多粒度时空对象模型支撑地理分析与建模的关键。本文基于多粒度时空对象建模理论,在概率图和条件概率表的基础上发展了一种基于Bayes网络的地理过程演化表达和建模方法。该方法将多粒度时空对象作为Bayes网络节点,根据多粒度时空对象间的关联关系构建Bayes网络,利用Bayes概率表达多粒度时空对象间关联关系的作用强度,并通过更新算子和概率图模型描述要素特征状态的动态变化。基于此方法,选取新安江模型,进行多粒度时空对象地理过程建模和模拟实验。采用呈村1989—1995年水文数据为训练数据,1996年水文数据为模拟数据,通过降水面、蒸发面、产流面和汇流面构造Bayes网络并模拟产流量和汇流量状态;实验结果表明本文方法不仅可以对水文过程进行演化建模,并且可以较好地模拟水文过程中的产流量和汇流量变化,正确率达97.5%和95.9%。