基于空间滤值的土地覆盖驱动力和空间效应研究.pdf

第九届全国地图学与地理信息系统学术大会 基于空间滤值的土地覆盖驱动力和空间效应研究 汇报人：杨家鑫 指导老师：陈玉敏   教授 武汉大学  资源与环境科学学院 2018年11月29日 1.研究背景 空间效应对土地覆盖格局的影响 u传统的土地覆盖及驱动力回归分析研究 ，没有考虑空间自相 ，影响模 型的准确性。 u传统的空间回归模型常用于矢量数据和连续型变量，不适用于离散型栅 格数据且存在计算瓶颈。 uESF(特征向量空间滤值)(Griffith.DA,2000)方法引入空间邻接矩阵的特 征向量作为解释变量，加入回归模型，可以提高精度、降低不确定性。 2.方法 多分类逻辑回归(MultinomialLogisticRegression/Softmax Regression) 多分类逻辑回归是一种将logistic回归推广到多分类问题的回归方法。 对于所有K个可能的分类结果，运行K-1个独立二元逻辑回归模型，把其中一 个类别看成是主类别，将其它K−1个类别和主类别分别进行回归。 2.方法 空间滤值的多分类逻辑回归(ESF-MultinomialLogisticRegression) 特征向量空间过滤(ESF)方法通过构建空间邻接矩阵并计算其特征值和特 征向量 ，作为解释变量加入到回归模型中。 ᵉ = ᵇ ᵳ + ᵳ ᵉ = ᵇ ᵳ + ᵆ ᵳ + ᵳ 主要分为以下4步： a) 构建空间邻接矩阵并对其进行中心化得到矩阵C b) 计算矩阵C的特征值和特征向量； c) 挑选显著的特征向量，加入回归模型； d) 模型对比评价 2.方法 空间滤值的多分类逻辑回归(ESF-MultinomialLogisticRegression) 对于栅格数据，在回归建模过程中面临着计算瓶颈。采用分块的方法，将 大的栅格分割成大小相同的子区域，对于每个子区域，其空间邻接矩阵相 同，只需计算一次特征向量即可，可以提高计算效率。 …… … … … … …… 图1. 栅格数据分割示意图 2.方法 空间滤值的多分类逻辑回归(ESF-MultinomialLogisticRegression) 1 2 3 4 5 6 7 8 9 3×3栅格 空间邻接矩阵 中心化处理 2.方法 空间滤值的多分类逻辑回归(ESF-MultinomialLogisticRegression) b).  计算矩阵C的特征值和特征向量 ； ᵇᵆᵇ = ᵆ ᵲ ᵆ ᵇ 特征向量 特征值 2.方法 空间滤值的多分类逻辑回归(ESF-MultinomialLogisticRegression) c).  挑选显著的特征向量，加入回归模型； d).  模型对比评价 3.研究区域和数据集 研究区域位于我国中部地区，主要覆盖湖北中东部，以及河南、安徽、江西和湖南部 分地区。土地覆盖类型数据来源于ESA的CCI-LC产品，数据截止2015年，空间分辨率 为300m，土地覆盖类型定义基于