基于空间自相关与环境相似性的最优空间模型.pdfVIP

摘 要 作为空间分析的重要工具，空间预测方法被广泛应用于地理学、生态学、环境 科学、土壤学等诸多领域。现有空间预测方法都存在信息利用不足的问题，往往无 法获得满意的空间分布信息。例如，在基于空间自相关的空间预测方法中（如克里 格方法），估计权值的大小一般根据目标变量的空间自相关进行推求，而往往忽略 了利用待估点与样本点所处的环境特征是否相似的信息。一些方法如协同克里格等 虽然也利用了环境因素作为辅助信息，但都往往要求环境因子与目标变量之间的相 关性强于目标变量的自相关性，而且协同克里格方法还需要计算环境因子的变差函 数及其目标变量之间的交叉变差函数，并要求他们满足正定条件，这使得这些方法 在实际应用中受到了一定限制。 针对上述问题，本文提出了一种基于空间自相关和环境相似性的最优空间预测 方法（Optimal Spatial Prediction based on spatial Autocorrelation and environmental Similarity, 记为 SPAS 方法），该方法既考虑了目标变量的空间自相关，而且又充 分利用了环境因素对目标变量的控制作用。该方法的估计权值由空间自相关和环境 相似性两部分组成，并满足与待估点距离越邻近、环境特征越相似的样本点具有更 高的权值，而距离越远、与待估点环境特征差异越大的样本点具有更小的权值，从 而能够更切实际、更准确地预测目标变量的空间分布。空间自相关和环境相似性的 结合通过一个调节参数κ κ 来确定，而 则是通过样本学习时误差函最小条件下来自 动求取的。 本文选取位于黑龙江省黑河市嫩江县鹤山农场老莱河的一个小流域作为实验区 对本文的方法进行验证，实验将土壤表层有机质含量作为目标变量进行空间预测。 根据土壤—景观模型和相关性分析，本文选择了高程和地形湿度指数作为环境因子。 利用平均绝对误差、均方根误差、一致性系数等三个精度指标对预测结果采用 K-fold 交叉验证进行精度评定，将本文提出的四种基于不同空间自相关指标和环境相似性 算法的 SPAS 方法以及反距离加权（IDW ）、普通克里格 （OK ）、协同克里格 （OCK ） 等方法的预测精度进行了比较，最后分析了调节参数κ 的大小对制图精度的敏感性。 本文的结论如下： (1)不同预测方法的精度比较结果表明，利用环境变量可以提高预测精度，与常 规预测方法（IDW 、OK、OCK ）相比，SPAS 方法的制图精度更高(其平均绝对误 差、均方根误差较小，一致性系数也较高) ，能够在保证一致性系数的前提下，明显 降低均方根误差和平均绝对误差，较好地提高空间预测精度； κ (2)利用不同相关性大小的环境数据进行 SPAS 预测时的最优 值的分析结果表 明， SPAS 方法是一种自动化的优化方法，能根据环境变量与目标变量间相关性的 I 大小，自动调节空间自相关系数和环境相似性系数在估计权值中的比例； κ (3)调节参数 的大小与精度之间的关系分析结果表明，对空间自相关和环境相 似性进行最优化综合可以获得比只考虑一种特征（如空间自相关或者环境相似性） 的空间预测方法更高的制图精度。 关键词：空间预测，空间插值，空间自相关，环境相似性，数字土壤制图，地统计， 克里格 II Abstact Abstract As one of the most important tools of spatial analysis, spatial prediction has been applied widely in many fields, such as geography, ecology, soil science, environment science. Exi