地理空间信息扩散技术实证研究——以四川省三台县洪水灾害为例(PDF)
灾害学[ISSN:1000-811X/CN:61-1097/P]
- 期数:
- 2022年02期
- 页码:
- 89-101
- 栏目:
- 预测.防治与对策
- 出版日期:
- 2022-04-20
文章信息/Info
- Title:
- -
- 作者:
- 黄崇福; 张馨文
-
- Author(s):
- -
-
- 关键词:
- 空间插值; 信息扩散; 协同克里金; 地理加权回归; 神经网络; 基准误差; 预测误差; 三台县
- 分类号:
- X43;X915.5;U44
- DOI:
- -
- 文献标识码:
- A
- 摘要:
- 插值,是推测地理空间中空白单元处地表现象的重要途径。协同克里金插值(CK)、地理加权回归(GWR)和回传神经网络(BP-ANN)等,在满足相应条件的情况下,都是很好的插值方法,但不具有普适性。在观测单元不多,数据离散性较大的情况下,信息扩散技术的插值,比这些模型的效果都好。该文以四川省三台县 2018 年和 2020 年发生的两次大洪水,采集的 25 个村的房屋损失、农业损失和庄稼被淹三类水灾灾情数据组成 6 个案例,以村庄与河流的距离、GDP 和坡度等为自变量,以灾情为因变量,实证了地理空间信息扩散技术用于插值的普适性。信息扩散的自学习离散回归模型(SLDR),预测误差较小,且没有明显的预测误差小于基准误差的情况。CK 在所有案例中,均是预测误差小于基准误差,说明插值无效;GWR 在 5 个案例中也出现相同情况。虽然 BP-ANN 的基准误差很小,但预测误差却比基准误差高出近一个数量级,也远高于其他模型,表明能够高度拟合训练样本的回传神经网络模型,并不适用于复杂地表现象的插值。
更新日期/Last Update: 2022-07-15