地理加权回归及其在土壤和环境科学上的应用前景.pdfVIP

土壤(Soils)，2014，46(1)：15—22

地理加权回归及其在土壤和环境科学上的应用前景①

瞿明凯，李卫东，张传荣2，黄标

(1中国科学院土壤环境与污染修复重点实验室(南京土壤研究所)，南京210008；

2康涅狄格大学地理系，美国康涅狄格州斯托斯市06269)

摘要：地理加权回归(GWR)是近些年来出现的一种新的空间局部回归技术。它是将数据的空间位置嵌入线性

回归模型中，以此来探测空间关系的非平稳性。在运用于空间数据分析方面，相对于传统的普通最小二乘回归法，具

有明显的优势。本文首先介绍了GWR的理论起源并描述了该方法的基本原理、存在的不足以及后来的扩展；然后为

了更准确地了解GWR的应用状况和研究进展，进行了一个文献调查；接着回顾了GWR在土壤和环境科学上的初步

应用情况；最后对该方法在土壤和环境科学上的应用前景作了展望。目的是为我国土壤和环境科学领域的同行了解和

应用GWR提供参考。经过国内外研究者多年的研究和实践，GWR方法已被证明是一个理论上较为成熟，能够应用

到实际研究中的优秀空间统计学方法。因此，GWR在土壤和环境科学上将会有着广泛的应用前景。

关键词：地理加权回归；非稳态；普通最小二乘法；土壤和环境科学；空间数据分析

中图分类号：S15；X5

土壤和环境属性的预测性制图对精准农业生产广泛的应用。该模型成立的前提假设是观测值之间彼

和环境保护治理至关重要。但为提高制图质量而在大此独立。然而在空间上，事物普遍与周围的其他事物

尺度上进行大量高密度田间取样在经济和劳力花费是相互关联的，只是距离近的事物通常比距离远的关

等方面都是不现实的，对于地形复杂和偏远地区尤其联程度更大，这一现象也被称为地理学第一法则…。

如此。所幸许多土壤和环境属性在空间上往往与一些故经典的多元线性回归模型并不非常适用于分析非

环境因子(如地形、景观、气候、地质和人类活动等)平稳性的空间数据。于是局部回归技术应运而生。局

密切相关，其中一些环境因子的数据较为容易获得。部回归技术将数据的空间结构嵌入回归模型中，使回

那么利用目标变量和环境影响因子变量之间的相关归参数变成观测点地理位置的函数。Pelto等[2于

性建立定量回归关系，则可以达到以有限稀疏样本数1968年最早将此类局部回归思想用于处理非等间隔

据进行土壤和环境属性制图的目的。比如土壤有机质分布的高程数据，得到了满意结论。为了寻找一种可

含量，常常与如成土母质、地面高程和土地利用方式以强化从散点图抽取的可视信息的工具，该类方法于

等自然和人文环境因子有关，因此可以利用易获取的1979年被ClevelandE3】引入统计学文献中。由于

环境因子数据推导土壤有机质含量的空间分布。回归Ripley[41和Fedorov[5J的支持，该方法被广泛运用于空

分析是处理变量间相关关系的一种经典统计方法，由间统计学领域。近年来，由Fotheringham和Brunsdon

于其简单、易用、计算效率高和易于理解的特点，已等人。1在局部回归的基础上利用局部光滑技术，提

经被广泛应用于土壤及环境的预测、监测、评价等多出了地理加权回归(6WR)。

个领域。目前，GWR已经发展成为一门完善成熟的空间

基于普通最小二乘法(OLS)的多元线性回归模型统计学技术，同时也有相对成熟的软件，如：GWR3．0

(MLR)是一种总体回归技术，因其具有完备的理论体和ArcGIS9．3地理加权回归模块等。国内关于GWR

系和统计推断方法，常用来确定和分析目标变量和影的理论和应用研究还比较少，且主要在人文地理和统

响因