GBGWR模型在降水量空间分布模拟中的应用

doi:10.13474/j.cnki.11-2246.2018.0071

测绘通报 ›› 2018, Vol. 0 ›› Issue (3): 32-37,42.doi: 10.13474/j.cnki.11-2246.2018.0071

GBGWR模型在降水量空间分布模拟中的应用

邓悦¹, 刘洋², 刘纪平¹, 徐胜华¹, 罗安¹

1. 中国测绘科学研究院, 北京 100830;
2. 中南大学地理信息系, 湖南长沙 410083

收稿日期:2017-07-03 出版日期:2018-03-25 发布日期:2018-04-03
通讯作者: 刘纪平。E-mail:liujp@casm.ac.cn E-mail:liujp@casm.ac.cn
作者简介:邓悦(1994-),女,硕士,主要从事空间数据挖掘、空间分析方面的研究。E-mail:0105110107@csu.edu.cn
基金资助:
国家重点研发计划（2017YFB0503502；2017YFB0503601）

Application of GBGWR Model in Spatial Distribution Simulation of Precipitation

DENG Yue¹, LIU Yang², LIU Jiping¹, XU Shenghua¹, LUO An¹

1. Chinese Academy of Surveying and Mapping, Beijing 100830, China;
2. Department of Geo-informatics, Central South University, Changsha 410083, China

Received:2017-07-03 Online:2018-03-25 Published:2018-04-03

摘要/Abstract

摘要：

近年来，我国大部分地区屡遭洪涝与干旱两种自然灾害侵袭，对重洪涝干旱区域进行空间插值具有重要的意义。针对传统地理加权回归（GWR）模型建模过程中模型识别和参数估计易受观测值异常点影响的问题，本文提出了一种基于吉布斯采样的贝叶斯地理加权回归（GBGWR）方法。运用基于吉布斯采样的马尔可夫链蒙特卡罗贝叶斯方法，估计地理加权回归模型参数，通过平滑函数降低观测值中异常点位数据，最后对湖南省1985-2015年35个观测站点的降水观测数据进行了空间分布模拟。试验结果表明，本文提出的方法相较于GWR模型性能提高了19.8%，相较于BGWR模型性能提高了8.2%，该方法可以有效降低异常值和"弱数据"对回归结果的影响，能够更加真实地模拟湖南省降水量的空间分布。

关键词: 吉布斯采样, 地理加权回归, 贝叶斯地理加权回归, 湖南省, 降水量空间分布模拟

Abstract:

In recent years,most parts of China were repeatedly attacked by natural disasters,such as floods and droughts.Therefore,it is of great significance to carry out spatial modeling of heavy flood and arid areas.Aiming at the problem that the model recognition and parameter estimation of the geographic weighted regression (GWR) model are easy to be affected by the observed anomalies,a Bayesian geographic weighted regression (GBGWR) method based on Gibbs sampling is developed to solve the problem.The Markov Chain Monte Carlo Bayesian method based on Gibbs sampling is used to estimate the parameters of the GWR model,and the anomalous data of the observed values are reduced by the smoothing function.Finally,the precipitation data of 35 observation sites in Hunan province from 1985 to 2015 were simulated.The experimental results show that the performance of this method is 19.8% higher than the GWR model,and is 8.2% higher than the BGWR model.It is proved that the method can effectively reduce the influence of the abnormal value and the "weak data" on the regression result.More realistic simulation of the spatial distribution of precipitation in Hunan Province.

Key words: Gibbs sampling, geographic weighted regression, BGWR, Hunan province, precipitation simulation

中图分类号:

P237

邓悦, 刘洋, 刘纪平, 徐胜华, 罗安. GBGWR模型在降水量空间分布模拟中的应用[J]. 测绘通报, 2018, 0(3): 32-37,42.

DENG Yue, LIU Yang, LIU Jiping, XU Shenghua, LUO An. Application of GBGWR Model in Spatial Distribution Simulation of Precipitation[J]. 测绘通报, 2018, 0(3): 32-37,42.

参考文献

[1] 傅抱璞.地形和海拔高度对降水的影响[J].地理学报,1992(4):302-314.
[2] MARQUÍNEZ J,LASTRA J,GARCÍA P.Estimation Models for Precipitation in Mountainous Regions:The Use of GIS and Multivariate Analysis[J].Journal of Hydrology,2003,270(1-2):1-11.
[3] NAOUM S,TSANIS I K.A Multiple Linear Regression GIS Module Using Spatial Variables to Model Orographic Rainfall[J].Journal of Hydroinformatics,2004,6(1):39-56.
[4] BONI G,PARODI A,SICCARDI F.A New Parsimonious Methodology of Mapping the Spatial Variability of Annual Maximum Rainfall in Mountainous Environments[J].Journal of Hydrometeorology,2007,9(3):492-506.
[5] 彭晓芬,黄甫则,周汝良.云南省年均降雨量空间插值模拟方法比较[J].西南林业大学学报,2010,30(5):25-28.
[6] 张书文,李占甫.时间序列分析在预测年降水量中的应用[J].水资源研究,1996(4):7-11.
[7] 白江涛,白建军,王磊,等.基于GIS的关中——陕南地区降雨量空间插值分析[J].安徽农业科学,2011,39(33):20872-20876.
[8] 何红艳,郭志华,肖文发,等.利用GIS和多变量分析估算青藏高原月降水[J].生态学报,2005,25(11):2933-2938.
[9] DELBARI M,AFRASIAB P,JAHANI S,et al.Spatial Interpolation of Monthly and Annual Rainfall in Northeast of Iran[J].Meteorology & Atmospheric Physics,2013,122(1-2):103-113.
[10] SHEN Z,CHEN L,LIAO Q,et al.Impact of Spatial Rainfall Variability on Hydrology and Nonpoint Source Pollution Modeling[J].Journal of Hydrology,2012,s 472-473(24):205-215.
[11] 覃文忠,王建梅,刘妙龙.地理加权回归分析空间数据的空间非平稳性[J].辽宁师范大学学报(自然科学版),2005,28(4):476-479.
[12] BRUNSDON C.Geographically Weighted Reg Ression:A Method for Exploring Spatial Nonstation Arity[J].Geographical Analysis,1996,28(4):281-298.
[13] 武文娟,徐京华,时进,等.基于GWR的四川省医院床位数时空分布及其影响因素研究[J].测绘通报,2016(4):49-53.
[14] LESAGE J P.A Spatial Econometric Examination of China's Economic Growth[J].Geographic Information Sciences,1999,5(2):143-153.
[15] LESAGE J P.A Family of Geographically Weighted Regression Models[C]//Advances in Spatial Econometrics.Berlin Heidelberg:Springer,2004:241-264.
[16] SUBEDI N.Local Modeling of Tree Crown Area Using Bayesian Geographically Weighted Regression[D].[S.l.]:State University of New York College of Environmental Science and Forestry,2012.
[17] 崔长彬,姜石良,张正河.河北县域经济影响因素的空间差异分析——基于贝叶斯地理加权回归方法[J].经济地理,2012,32(2):39-45.
[18] 丁刚.基于BGWR模型的区域创新能力建设中政府效能测评[J].技术经济,2013,32(4):20-26.
[19] 叶金桃,王俊超,冯光柳,等.降雨型滑坡联合监测及预警预报系统研究[J].测绘通报,2012(2):31-34.

GBGWR模型在降水量空间分布模拟中的应用

Application of GBGWR Model in Spatial Distribution Simulation of Precipitation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

[1]	张瑞, 李朝奎, 姚思妤, 李维贵. 融合地理探测器和地理加权回归的太原市建设用地变化因素研究[J]. 测绘通报, 2022, 0(5): 106-109,119.
[2]	张玉娟, 曲建光, 侯建国. 哈尔滨市景观生态风险时空变化驱动力及分布预测[J]. 测绘通报, 2022, 0(2): 83-89,94.
[3]	张兰兰, 吴启明, 申朝永, 刘芳, 陈砚国. 地理空间要素与贫困分布的关系研究——以赫章县为例[J]. 测绘通报, 2021, 0(12): 120-123,129.
[4]	高照忠, 黄雅君, 魏海霞, 张金兰. 近30年云贵高原水蚀荒漠化遥感监测及影响因子时空分异规律[J]. 测绘通报, 2021, 0(10): 117-122.
[5]	刘振涛, 杨毅, 王东超, 谢晓尧. 一种基于CUDA的大数据量地理加权回归并行加速算法[J]. 测绘通报, 2020, 0(12): 1-5.
[6]	于志英, 张福浩, 仇阿根, 赵阳阳. 基于IGGⅢ的地理加权回归模型研究[J]. 测绘通报, 2019, 0(7): 23-27.
[7]	董明旭, 楚彬, 刘紫平, 郝建明, 匡翠林. 一种基于CORS的GNSS事后精密定位服务平台建设方法[J]. 测绘通报, 2018, 0(8): 18-25.
[8]	肖屹, 何宗宜, 苗静, 潘峰, 杨好. 利用搜索引擎数据模拟疾病空间分布[J]. 测绘通报, 2018, 0(2): 94-98.
[9]	董珍珍, 王亮, 仇阿根. 协同遥感信息与统计信息的人口空间格局分析[J]. 测绘通报, 2017, 0(5): 88-94.
[10]	武文娟, 徐京华, 时进, 任红艳, 王渊博. 基于GWR的四川省医院床位数时空分布及其影响因素研究[J]. 测绘通报, 2016, 0(4): 49-53.