—— 要投稿,上万维,轻松学术交流

严正声明

本站非期刊官网,非中介代理,
不向作者收取任何费用!
举报微信:13140028228 冯老师

态度公正、信息求实、投稿自助、使用免费
您的位置:学术资讯 » 正文
  • 阅读: 2023/8/31 14:35:35

    以下文章来源于扎克 ,作者扎克

    澳大利亚科廷大学宋泳泽博士发表独立作者论文提出“第二维度空间关系The second-dimension spatial association (SDA)”的概念及系列模型方法。

    第二维度空间关系

    第一维度空间关系(The first-dimension spatial association, FDA) 是指利用样本点位置的数据(包括自变量和因变量)建立空间关系的方法。目前绝大部分线性或非线性统计模型、机器学习模型以及空间模型(例如克里金模型、地理加权回归、空间贝叶斯模型等等)都属于第一维度空间关系模型。

    第二维度空间关系(The second-dimension spatial association, SDA) 是指通过一定的关系(例如特定函数)利用样本点以外位置的数据建立空间关系的方法。如下图。

    第一维度空间关系(The first-dimension spatial association, FDA) 与第二维度空间关系(The second-dimension spatial association, SDA) 的对比

    第二维度空间关系(The second-dimension spatial association, SDA)模型函数:

    空间预测

    相比于随机森林克里金,第二维度空间关系模型预测值的空间分布更加平滑,有效地避免了局域噪音波动;并且可以有效地预测局域较高的值和较低的值;降低空间预测误差,提高5%-15%的预测精度。

    预测值的空间分布对比

    相比于随机森林克里金,第二维度空间关系模型可以在88%-99%的区域显著降低空间预测的不确定性。

    转自:“生态遥感前沿”微信公众号

    如有侵权,请联系本站删除!


    浏览(229)
    点赞(0)
    收藏(0)

上一篇:Nature发文揭示基于遥感的全球湿地丧失程度及其驱动因素

下一篇:南信大姜彤教授团队发布共享社会经济路径(SSPs)人口和经济格点化数据集