论文部分内容阅读
研究地理现象间相关关系常受空间关联的影响,空间统计学引入空间自相关的概念以度量空间影响,空间滞后模型可以通过在解释变量中引入滞后项来衡量空间自相关的大小和方向.Griffith提出的特征函数空间滤值方法,将空间影响部分滤出以揭示地理现象本质联系.遥感影像数据中大量空间信息有待挖掘,针对遥感数据量大的现实,并行化计算是解决计算机单节点计算能力的有效方法.本文以遥感数据为基础,提出将影像分块的思想,选择特征函数空间滤值方法消除空间自相关影响,利用MATLAB中的并行计算工具箱(PCT)和分布式计算服务(MDCS)搭建的并行环境进行并行计算.本文选择遥感影像年值数据(NDVI、DEM、降水量、空气湿度、土壤有机碳含量、土壤电导率)作为基础数据,研究NDVI和其他5个变量间的相互关系.选择中国南部地区(25°-30°N,110°-115°E)作为研究范围,将分辨率为1km ×1km的像元、128×128栅格大小的数据划分成32×32栅格大小的分块.经过相关性分析、通过显著性水平检验后,将分块的数据放在MATLAB并行计算环境中,分别采用空间滞后模型和特征函数空间滤值回归模型拟合NDVI与其他5个要素间的相互关系,再将分块拟合的结果汇总得到总的拟合评价参数,选取均方根误差(RMSE)、残差平方和(SSE)、拟合优度(R2)等主要参数对比两种模型的结果.空间滞后模型的分块回归结果中,空间自相关系数ρ分布在0.4-0.7之间,表明了NDVI具有较高的空间相关性水平.特征函数空间滤值并行实验结果相较于空间滞后模型能够在各分块回归模型中体现出较好的拟合效果,拟合优度普遍达到0.4以上,而空间滞后模型得到的拟合优度R2则在0.2以下,这表明特征函数空间滤值方法能够有效减小变量空间影响以提高拟合优度.汇总得到的整个研究区域的空间滞后模型和空间滤值回归模型拟合评价参数表明,在基于影像分块的并行化计算环境中,特征函数空间滤值方法能够有效滤去空间自相关的影响,得到更准确的拟合模型,从而从本质上揭示了变量间的相关作用关系,并且提高了特征函数空间滤值回归方法的计算效率.