[发明专利]顾及空间异质性的雪水当量栅格数据建模及分析方法

权利要求书

1.顾及空间异质性的雪水当量栅格数据建模方法，其特征在于，包括：

S1：获取雪水当量的栅格数据，并对获取的栅格数据进行预处理；

S2：基于预处理后的数据，以雪水当量为因变量，雪水当量相关的环境因子为自变量，建立全局最小二乘线性回归模型：

y_g＝β₀+β₁x₁+β₂x₂+…+β_kx_k+ε

式中，y_g表示雪水当量观测值，x₁、x₂、…x_k分别表示雪水当量的第1个、第2个和第k个相关影响因子，β₀、β₁、…β_k分别为x₁、x₂、…x_k的系数，ε为全局最小二乘线性回归模型的拟合值与观测值之差，即残差；

S3：提取全局最小二乘线性回归模型的残差，并划分成大小为N×N的若干个子区域建模单元；

S4：对于划分后的每个子区域建模单元，判断残差是否具有空间自相关性，如果具有空间自相关性，则执行步骤S5，否则将步骤S2中的全局最小二乘线性回归模型的参数作为对应子区域的最终模型参数；

S5：采用空间滤值方法对子区域进行建模，具体包括采用空间邻接矩阵的特征向量对残差进行拟合，得到拟合结果；

S6：将拟合结果作为空间影响加入步骤S2构建的全局最小二乘线性回归模型中，得到最终的空间回归模型。

2.如权利要求1所述的雪水当量栅格数据建模方法，其特征在于，步骤S1中，对获取的栅格数据进行预处理，包括投影变换、掩膜提取、异常值处理、附近缺失栅格填充、数据标准化处理。

3.如权利要求1所述的雪水当量栅格数据建模方法，其特征在于，步骤S4中，通过计算莫兰指数的方式来判断残差是否具有显著空间自相关性，莫兰指数通过概率p值来体现，具体包括：如果p小于阈值，表明具有显著空间自相关性，则进入步骤S5；否则，表明不具显著空间自相关性，则将步骤S2中的全局最小二乘线性回归模型的参数作为对应子区域的最终模型参数。

4.如权利要求1所述的雪水当量栅格数据建模方法，其特征在于，步骤S5包括：

S5.1：按照子区域的栅格单元邻接关系构建空间邻接矩阵W；

S5.2：将构建的空间邻接矩阵进行中心化得到矩阵C，

S5.3：计算矩阵C的特征值和特征向量，并进行初步筛选，得到符合条件的空间特征向量；

S5.4：基于符合条件的空间特征向量，采用前向选择法逐步筛选出目标特征向量；

S5.5：基于筛选出的目标特征向量，对各子区域构建区域特征函数空间滤值回归模型，公式为：

ε_i＝E_iα_i+∈_i(i＝1,2,…m)

其中，ε_i为第i个子区域的全局模型的残差，α_i为第i个子区域的回归系数向量，矩阵E_i包括第i个子区域选取的j个目标特征向量，∈_i为第i个子区域的区域模型误差向量，m为研究区域被划分成若干子区域的总个数。