基于地理加权回归克里格模型的帽儿山地区森林碳储量空间分布

森林碳储量对于全球气候变化具有重要影响,以往的模型估算未考虑到模型残差的空间相关性和碳储量数据的非平稳性,影响模型的预测精度.本研究基于东北林业大学帽儿山实验林场的ETM+遥感影像数据和193块固定样地,利用地理加权克里格回归(GWRK)建立森林碳储量与遥感和地形因子的回归模型,同时对比最小二乘模型(OLS)、地理加权回归模型(GWR)的预测精度.结果表明: 对于帽儿山地区的森林碳储量估算,GWRK的平均绝对误差(MAE)、均方根误差(RMSE)低于OLS模型和GWR模型,GWRK模型的平均误差(ME)低于GWR模型,与OLS模型相近.GWRK模型的预测精度为83.2%,较OLS模型(73.7%)和GWR模型(77.3%)分别提高6%和10%,拟合精度明显提高,说明GWRK模型是森林碳储量估算的有效方法.利用GWRK模型预测的研究区森林碳储量平均值为70.31 t·hm^-2,在海拔较高的地区,森林碳储量值相对较高,说明海拔对其有较大影响.     

基于地理加权回归拓展模型的天然次生林碳储量空间分布

为精准获取区域尺度天然次生林的碳储量及其空间分布格局,以吉林省汪清林业局浪溪林场的天然次生林为研究对象,基于165块局级固定样地,以林分因子、地形因子和土壤因子为影响因子,将普通地理加权回归模型(GWR)作为基础,从空间维度、参数异质性特征和残差空间自相关性3个方面进行改进,构建7类拓展模型,即地理海拔加权回归模型(GAWR)、半参数地理加权回归模型(SGWR)、半参数地理海拔加权回归模型(SGAWR)、地理加权回归克里格模型(GWRK)、地理海拔加权回归克里格模型(GAWRK)、半参数地理加权回归克里格模型(SGWRK)和半参数地理海拔加权回归克里格模型(SGAWRK)。运用7类拓展模型对研究区的森林碳储量及其分布情况进行模拟估测,采用决定系数(R²)、均方误差(MSE)和赤池信息准则(AIC)对各种模型的拟合效果进行评价;最后,运用最优回归模型的拟合结果绘制森林碳储量空间分布图,分析研究区森林碳储量的分布规律。结果表明: 林分因子和地形因子对天然次生林碳储量产生了较大的影响,其中林分平均胸径是影响最大的变量,两者呈显著正相关;SGWR和SGAWR模型能够进一步降低GWR模型残差的空间自相关性;地理加权回归拓展模型能进一步提升GWR模型的拟合效果。其中,SGWRK模型具有最高的R²和最低的MSE和AIC。将海拔作为空间权重未能有效提高模型的拟合效果;浪溪林场森林总碳储量为205×10⁴ t,碳密度为8.56～145.74 t·hm^-2,平均值57.98 t·hm^-2,整体上呈现西北高、东南低,边缘高、内部低的分布格局。通过改进地理加权回归基础模型对参数异质性特征和残差空间自相关性的处理,可以更好地揭示研究区森林碳储量与相关变量间的空间关系,提升模型对区域尺度森林碳储量及其空间分布的估测精度。     

降水量和温度对植被覆盖指数影响的空间非平稳性特征——以新疆伊犁河谷地区为例

多变量空间相关分析多基于时间序列数据,对数据时长与统计要求严格,空间非平稳性特征分析可以利用单期数据分析多变量之间的相关性。通过空间变系数回归模型分析了2006年和2011年的新疆伊犁地区降水量和温度对植被覆盖度指数影响的空间变化特征,利用局部线性地理加权回归(GWR)方法估计得到了回归系数曲面,揭示出变量间相互影响的空间异质性,同时利用线性回归最小二乘估计进行了对比。结果表明:(1)空间变系数回归模型可以用于变量间的空间相关分析;(2)局部线性GWR估计方法明显优于线性回归最小二乘估计;(3)拟合结果表明,伊犁地区降水量和温度对植被覆盖指数的影响具有显著的空间非平稳性特征;(4)模型估计误差是降水、气温之外的地形、地貌及人类活动等多种因素造成的,需进一步研究。方法可为具有空间非平稳性特征变量间空间相关性分析以及植被覆盖指数的空间模拟分布提供思路和方法。     

基于地理加权回归模型探究环境异质性对秦岭大熊猫空间利用的影响

环境异质性对野生动物分布的影响具有明显的空间不均匀性。传统分析中多采用经典线性回归模型来量化野生动物分布与环境变量之间的关系,难以准确反映物种-环境关系的空间异质特征。地理加权回归(GWR)是近年来提出的一种新的空间分析方法,通过将空间结构嵌入线性回归模型中,以此来探测空间关系的非均匀性。以秦岭大熊猫为例,应用GWR模型分析大熊猫空间分布与环境异质性特征之间的潜在关系,并同经典的全局最小二乘回归法(OLS)进行比较。结果表明,GWR模型的AIC、R~2和校正R~2均显著优于OLS模型,GWR模型的局部回归系数估计能够更加深刻地揭示大熊猫空间分布与环境变量间的复杂空间关系,且GWR模型能够为物种的科学保护提供更加有效的理论支撑。因此,GWR模型可为探究物种-环境关系的空间异质特征提供一种新的方法,在物种栖息地选择与利用研究中具有一定的应用前景。     

基于不同空间模型的马尾松林生态系统碳密度研究

以江西省马尾松林生态系统为研究对象,基于样地调查及样品碳含量测定结果计算其碳密度,并选取立地、植被及气象等方面的15个因子,采用多元线性逐步回归方法筛选出对生态系统碳密度影响显著的因子,然后分别利用最小二乘模型(OLS)、空间误差模型(SEM)、空间滞后模型(SLM)和地理加权回归模型(GWR)构建生态系统碳密度与其影响因子之间的关系模型,筛选出最优的拟合模型。结果表明:对马尾松林生态系统碳密度影响显著的因子分别为海拔、坡度、土层厚度、胸径、年均温度和年均降水量。4种模型拟合结果均显示碳密度与坡度呈负相关,与海拔、土层厚度、胸径呈正相关。模型的决定系数(R~2)由大到小分别为GWR(0.8043)SEM(0.6371)SLM(0.6364)OLS(0.6321),模型均方误差(MSE)与赤池信息准则(AIC)最大的均为OLS模型,最小的均为GWR模型;残差检验表明GWR模型能有效降低模型残差的空间自相关性。综合分析得出GWR模型的拟合效果最优,更适用于江西省马尾松林生态系统碳密度的估测。     

基于地理加权回归模型的武汉城市圈生态用地时空演变及影响因素

生态用地对城市圈可持续发展至关重要。本研究以武汉城市圈32个研究单元生态用地为对象,采用土地利用转移矩阵、探索性回归分析和地理加权回归模型(GWR),首先利用遥感影像解译成果对2000—2005、2005—2010和2010—2015年各个单元生态用地的时空演变进行统计,然后利用公司企业、生活服务等点位及数量大数据完善传统影响因素指标体系,并进行探索性回归分析,精选最优回归模型,最后基于GWR模型对不同时期影响因素及空间分异规律进行分析。结果表明: 2000—2015年,城市圈内生态用地非生态转化呈现先升后降的倒“U”形变化规律,空间上呈现由点到面的扩张趋势;城市圈内共有8.4%的土地利用类型发生了转化,其中,耕地、林地、草地、水体和未利用地向非生态用地转型量占41.9%;空间格局由武汉中心城区逐渐向市级次中心、县级城镇周边扩展。探索性回归分析3期的通过模型数为326个,对所有模型进行GWR和普通最小二乘法(OLS)回归比较分析,3期最优模型的调整R²分别为0.83、0.91和0.76,前者较后者提高了0.02、0.03和0.02,AICc值分别减小2.88、3.42和0.83。GWR模型结果表明,武汉城市圈内生态用地转化影响因素的空间分异明显,影响模式在空间上以不同方向的逐渐过渡为主,兼有“V”形分布等其他模式。空间因素影响效果显著,空间数据潜在信息增强了城市圈内生态用地演化的解释力度。     

基于GWR模型的东江水质空间分异与水生态功能分区验证

流域水生态功能分区研究是我国正在开展的一项重要工作,如何验证分区结果的合理性,是当前亟待解决的问题。采用地理加权回归(GWR)模型评估流域特征对东江水质的影响,验证水质及流域影响空间差异是否与一二级水生态功能分区结果吻合,并对比了GWR模型与普通最小二乘(OLS)模型性能,讨论了GWR在分区验证方面的应用价值及不足。结果显示:1)水质指标以及GWR模型局部解释率(Local R~2)均在一二级水生态功能分区间存在显著差异;2)相比OLS模型,GWR模型校正R~2更高,残差空间自相关指数Moran′s I更低。研究表明东江水生态功能分区结果能合理反映水陆耦合关系,有效解释水质空间差异。此外建议选择总氮(TN)而非溶解氧(DO)和总磷(TP)作为分区验证指标。GWR模型在分区结果验证中具有广泛应用前景。降低数据空间自相关影响及改善距离测度方法是未来GWR模型研究的难点问题。     

灯盏花挥发性组分结构与保留时间关系研究

通过对有机化合物非氢原子进行分类、参数化染色、建立非氢原子之间的关系得到新的结构描述符。对灯盏花的64种挥发性有机化合物结构进行了参数化表征,运用多元线性回归(MLR)和偏最小二乘回归(PLS)方法构建了化合物结构与色谱保留时间的关系模型。通过“留一法”交互检验对模型的稳定性进行了评价,利用外部样本集对模型的预测能力进行了检验。两模型的相关系数(R²)、交互检验的相关系数(R_CV²)、外部预测的相关系数(R_test²)值均较为理想,表明所建模型具有良好的拟合能力、稳定性和外部预测能力。分析了影响化合物色谱保留时间的结构因素,结果表明化合物的伯、仲碳原子越多,该化合物可能具有较大的色谱保留时间(tR)值。本文对于天然产物中的挥发性有机化合物结构与性质关系研究具有一定的参考价值。     

南乔治亚岛冬季南极磷虾渔场时空分布及其驱动因子

基于中国南极磷虾渔业科学观察员收集的数据,本文通过地理加权回归(GWR)模型分析了月份、海底深度和虾群深度对2013—2016年南乔治亚岛冬季南极磷虾渔业单位捕捞努力量渔获量(CPUE)的影响,揭示各驱动因子的时空差异。结果表明:2013—2016年南乔治亚岛南极磷虾渔业CPUE的较大值主要分布于6个旬别,即7月上旬—8月下旬,2014年的平均CPUE值最多,达到20.5±21.1 t·h~(-1),而最小CPUE平均值出现在2015年(10.4±10.5 t·h~(-1)),各月份的平均CPUE存在显著性差异;渔场主要集中在53°00'S—54°30'S,35°15'W—38°30'W;2015年GWR模型拟合优度最高,2016年模型拟合优度最低;自南向北,虾群深度对南极磷虾渔业CPUE的空间效应(正相关性)呈现逐渐增强的趋势,而海底深度对CPUE的空间效应并不一致;GWR模型各年拟合优度均明显高于最小二乘法(OLS)模型中的拟合优度,说明GWR模型能更好地模拟驱动因子对CPUE影响的空间效应。本文结果可为研究南乔治亚岛南极磷虾渔场形成机制和渔业管理提供有效参考。     

福州市土壤铬含量高光谱预测的GWR模型研究

通过系统分析不同光谱分辨率和光谱变换对土壤铬高光谱预测模型的不确定性影响,筛选出最优的光谱分辨率及光谱变量进行土壤铬含量预测的地理权重回归(GWR)模型构建,利用该模型进行福州市土壤铬含量预测,并将预测结果与普通最小二乘法回归(OLS)结果进行比较分析,探讨GWR模型在土壤铬高光谱预测中的适用性及局限性。结果表明:(1)在10 nm分辨率尺度下,以土壤全铬含量为因变量,反射率的二阶微分和反射率倒数的二阶微分为自变量构建的GWR模型对土壤铬预测的效果最好。GWR模型的R~2和调节R~2分别为0.821和0.716,较OLS模型分别提高了0.529和0.450,而AIC值为720.703,较OLS模型减少了22个单位,残差平方和仅为OLS模型的1/4,说明GWR模型的预测效果较OLS模型有了显著提高。(2)土壤铬预测模型的精度受光谱分辨率影响。对于OLS预测模型来说,3 nm分辨率的模型预测效果最好,而对于GWR预测模型来说,10nm分辨率的模型不仅预测效果最好,其相较于OLS模型的改善作用显著,为土壤铬含量GWR预测的最佳光谱分辨率。(3)光谱的一阶微分变换可以有效增强土壤铬的光谱特征,而其余的光谱变换对土壤铬的光谱特征则未起到增强作用,但可以很好地提高模型的预测效果。(4)研究得出土壤铬GWR模型预测的最佳光谱分辨率为10 nm,为EO-1 Hyperion影像的光谱分辨率,而且随着采样点的增加,GWR模型的预测效果趋于稳定,适合空间异质性大的区域尺度土壤铬预测。故该模型与高光谱影像结合,实现模型从实验室尺度向区域尺度的推广,为格网尺度土壤铬的空间预测提供可能。     

基于遥感影像的城市土地利用生态环境效应研究——以城市热环境和植被指数为例

城市化过程中,农村的土壤、水面以及植被等土地覆被类型逐渐减少,取而代之的是由沥青、水泥以及金属等组成的不透水表面,这个过程导致地表水分蒸腾减少、径流加速、显热的存储和传输增加以及水质降低等一系列生态环境效应,其中最明显的两个特征就是土地覆被的植被减少、城市热岛的出现.而城市土地利用类型及其空间结构的生态环境效应同时又是城市生态学中的关键问题,其研究对优化城市功能分区和城市规划管理以及城市可持续发展等都具有重要意义.以上海市为例,采用Landsat7的ETM＋为基本数据源,首先定量反演了每个像元内的陆地表面温度（LST）和植被指数（NDVI）,然后利用GIS中的空间分析功能,将由于城市土地覆被所形成的生态环境效应综合到土地利用的图斑中来,按照这个思路对城市土地利用的生态环境效应进行研究.分析LST、NDVI在不同土地利用类型之间的差异以及二者之间的定量关系,并引入多样性指数（SHDI）,讨论了不同土地利用的空间组合下,LST和NDVI的空间差异及相互关系.研究结果显示：LST和NDVI具有明显的相关性,LST大的区域对应NDVI一般都较小,反之亦然;中心城市LST表现出热岛效应,而NDVI则为低谷效应.通过Tamhance T2 post-hoc多重比较发现,LST以及NDVI在两两土地利用类型之间的差异不同.从土地利用斑块和类型两种尺度水平上建立了LST和NDVI的定量关系,二者具有明显负相关的线性关系,但在不同土地利用类型上二者关系并不同.其中工业仓储、交通用地与公园绿地、农业用地差异最为显著.它们和SHDI之间的关系揭示,LST与土地利用多样性具有正相关关系,而NDVI则与SHDI呈负相关关系,SHDI越大的地区,LST越大,而NDVI越小.由此,可以将LST、NDVI和SHDI作为三个基本指标,来定量评价城市土地利用类型、结构对生态环境的影响,以此作为城市功能分区中生态环境影响评价的参考.也为高性价比的中等分辨率遥感数据与GIS空间分析方法结合在城市规划中的应用提供了一种新的思路.     

赣江中上游地区土地利用变化空间分异与驱动因素

赣江中上游地区是东南丘陵重要的水土保持功能区,分析不同时空尺度下该区域土地利用变化及其驱动力,对维持与优化本地生态功能具有重要意义。本研究基于1 km空间分辨率的土地利用数据,分析1980—2018年赣江中上游地区的土地利用结构与土地利用动态度;并利用主成分分析法(PCA)、普通最小二乘法(OLS)和地理加权回归(GWR)分析土地利用变化的空间分异驱动力。结果表明: 1980—2018年,研究区主要土地利用类型是林地(面积占比69.4%～71%)和耕地(占比20.8%～20.9%);建设用地、未利用地的土地利用动态度较大,研究区综合土地利用动态度逐渐增加,尤其是2010—2018年明显增加。GWR模型对研究区土地利用变化驱动因素分析的拟合效果更好,在98.6%的区域内都比较理想。在土地利用变化空间分异的影响因素中,自然环境因素对研究区土地利用变化空间分异的影响最明显,起制约作用;社会经济因素的影响居次位,主要起促进作用;自然-社会因素综合影响较弱且复杂。     

基于MODIS数据的天山区域地表温度时空特征

基于2001-2013年MODIS地表温度产品及TM影像遥感解译的土地利用类型数据,对天山区域地表温度时空特征进行分析.结果表明: 2001-2013年,研究区地表平均温度达1.73 ℃,呈东高西低的特点,西北部分地区的地表温度年际变化幅度明显高于其他地区,局部地区在0.55 ℃以上;地表温度呈逐年缓慢增加趋势,增加率为0.147 ℃·a^-1,季节性差异明显,冬季地表温度波动幅度较大,变异系数达12.7%,地表温度的差异白天大于夜晚,夏季明显高于其他季节;不同土地利用类型的地表温度之间存在差异,与对应像元的归一化植被指数之间存在不同的拟合效果.随着植被盖度的增加,林地、草地地表温度下降明显,归一化植被指数每下降0.1时,林地和草地的地表温度降幅为3.74、5.04 ℃;受人为活动影响较多的城镇用地和农地的地表温度与归一化植被指数之间的敏感性高于其他土地利用类型.     

Spatial pattern of non-stationarity and scale-dependent relationships between NDVI and climatic factors—A case study in Qinghai-Tibet Plateau,China

Spatial non-stationarity and scale-dependence are important characteristics of the relationship between NDVI and climatic factors. To improve the reliability of model prediction, it is necessary to find the scales and spatial heterogeneity in which a stationary relationship is reached. In this paper, a geographically weighted regression (GWR) model was developed to define spatial non-stationarity and scale-dependent relationships between NDVI and climatic factors. The results indicate that the spatial scale of the stationary relationship for NDVI and both temperature and precipitation is 156 km over the whole Qinghai-Tibet Plateau. Both modeling performance and the spatial pattern of the GWR model are significantly better than global regression models such as OLS. Significant spatial heterogeneity of regression relationships between NDVI and climatic factors is revealed within the Qinghai-Tibet Plateau. We conclude that the dominant climatic factor influencing NDVI is not the same for all ecoregions within the study area. There are also different key scales of interaction between NDVI and the dominant climatic factor in these various ecoregions. Finally, model performance is different in the each eco-region. Therefore, this finding can provide a scientific basis for choosing a suitable scale and reliable models to solve scale-dependent problems in geography and ecology.     

Assessing uncertainties in land cover projections

Understanding uncertainties in land cover projections is critical to investigating land‐based climate mitigation policies, assessing the potential of climate adaptation strategies and quantifying the impacts of land cover change on the climate system. Here, we identify and quantify uncertainties in global and European land cover projections over a diverse range of model types and scenarios, extending the analysis beyond the agro‐economic models included in previous comparisons. The results from 75 simulations over 18 models are analysed and show a large range in land cover area projections, with the highest variability occurring in future cropland areas. We demonstrate systematic differences in land cover areas associated with the characteristics of the modelling approach, which is at least as great as the differences attributed to the scenario variations. The results lead us to conclude that a higher degree of uncertainty exists in land use projections than currently included in climate or earth system projections. To account for land use uncertainty, it is recommended to use a diverse set of models and approaches when assessing the potential impacts of land cover change on future climate. Additionally, further work is needed to better understand the assumptions driving land use model results and reveal the causes of uncertainty in more depth, to help reduce model uncertainty and improve the projections of land cover.     

Non-stationarity and local approaches to modelling the distributions of wildlife

Despite a growing interest in species distribution modelling, relatively little attention has been paid to spatial autocorrelation and non-stationarity. Both spatial autocorrelation (the tendency for adjacent locations to be more similar than distant ones) and non-stationarity (the variation in modelled relationships over space) are likely to be common properties of ecological systems. This paper focuses on non-stationarity and uses two local techniques, geographically weighted regression (GWR) and varying coefficient modelling (VCM), to assess its impact on model predictions. We extend two published studies, one on the presence–absence of calandra larks in Spain and the other on bird species richness in Britain, to compare GWR and VCM with the more usual global generalized linear modelling (GLM) and generalized additive modelling (GAM). For the calandra lark data, GWR and VCM produced better-fitting models than GLM or GAM. VCM in particular gave significantly reduced spatial autocorrelation in the model residuals. GWR showed that individual predictors became stationary at different spatial scales, indicating that distributions are influenced by ecological processes operating over multiple scales. VCM was able to predict occurrence accurately on independent data from the same geographical area as the training data but not beyond, whereas the GAM produced good results on all areas. Individual predictions from the local methods often differed substantially from the global models. For the species richness data, VCM and GWR produced far better predictions than ordinary regression. Our analyses suggest that modellers interpolating data to produce maps for practical actions (e.g. conservation) should consider local methods, whereas they should not be used for extrapolation to new areas. We argue that local methods are complementary to global methods, revealing details of habitat associations and data properties which global methods average out and miss.     

中国西南地区土地覆盖情景的时空模拟

气候植被类型的空间分布与土地覆盖类型的空间分布在时空层次上具有很好的相关性和一致性。在运用HLZ生态系统模型获得CMIP5的3种气候情景RCP26、RCP45、RCP85情景下西南地区未来90a(2011—2100年)HLZ生态系统时空分布情景数据的基础上,结合2010年土地覆盖现状数据,构建了土地覆盖情景的空间分析模型,并在此基础上,实现了西南地区未来90a土地覆盖情景的时空模拟分析。模拟结果表明:3种气候情景下,西南地区未来90a的落叶针叶林、落叶阔叶林、草地、耕地、冰雪、荒漠及裸岩石砾地等土地覆盖类型面积将呈逐渐减少趋势;常绿针叶林、常绿阔叶林、混交林、灌丛、湿地、建设用地、水体等土地覆盖类型面积则呈逐渐增加趋势。其中,湿地增加速度最快(平均每10a增加5.28%),荒漠及裸岩石砾地减少速度最快(平均每10a减少2.34%)。     

Trees Grow on Money: Urban Tree Canopy Cover and Environmental Justice

This study examines the distributional equity of urban tree canopy (UTC) cover for Baltimore, MD, Los Angeles, CA, New York, NY, Philadelphia, PA, Raleigh, NC, Sacramento, CA, and Washington, D.C. using high spatial resolution land cover data and census data. Data are analyzed at the Census Block Group levels using Spearman’s correlation, ordinary least squares regression (OLS), and a spatial autoregressive model (SAR). Across all cities there is a strong positive correlation between UTC cover and median household income. Negative correlations between race and UTC cover exist in bivariate models for some cities, but they are generally not observed using multivariate regressions that include additional variables on income, education, and housing age. SAR models result in higher r-square values compared to the OLS models across all cities, suggesting that spatial autocorrelation is an important feature of our data. Similarities among cities can be found based on shared characteristics of climate, race/ethnicity, and size. Our findings suggest that a suite of variables, including income, contribute to the distribution of UTC cover. These findings can help target simultaneous strategies for UTC goals and environmental justice concerns.     

宁夏中宁枸杞林地粉壤土阳离子交换量空间分布预测方法对比

土壤阳离子交换量(CEC)是土壤施肥、改良的主要依据和土壤质量的评价指标,研究土壤CEC的空间分布及模型预测可为土壤养分监测、管理及精准农业实施提供科学依据。本研究以中宁枸杞林地粉壤土为对象,在自相关、交互相关等分析基础上,采用协同克里格(CoKriging)、普通最小二乘法(OLS)、地理加权回归(GWR)和随机森林(RF)模型对土壤CEC进行回归分析,比较了制图效果及模型预测精度。结果表明:中宁枸杞林地粉壤土CEC平均值为13.12 cmol·kg^-1,属中等肥力;土壤CEC的空间分布具有自相关性,并与土壤pH、有机质、黏粒和电导率在不同滞后距离上存在不同的空间相互关系;RF模型预测图避免了CoKriging、OLS和GWR模型预测图中土壤CEC图斑边界两侧破碎程度大、突变明显的缺陷,使土壤CEC在空间变化上表现为自然、平缓的过渡;RF模型RMSE值分别比CoKriging、OLS和GWR模型减少33.82%、20.55%和19.81%,R^2分别提高8.84%、51.92%和7.69%。RF模型考虑了样点空间位置,明显提高了插值精度且制图效果更加平缓。