[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

说明书

针对传统回归模型在雪水当量建模中未考虑空间效应的影响、而空间回归模型在栅格数据中又面临严重的计算瓶颈的问题，提出了一种顾及空间异质性的雪水当量栅格数据建模及分析方法，同时考虑了全局和区域的空间效应。在对遥感影像进行空间建模时，将数据分成相同大小的若干个子区域，对每一子区域建模，达到对整幅遥感影像进行建模计算的目的；利用空间滤值方法，使用空间邻接矩阵的特征向量对残差进行拟合，并将拟合结果作为空间影响加入之前的全局模型当中，得到最终的空间回归模型。本发明可以得到雪水当量和及其相关因子的准确模型，以供后续研究和分析。

技术领域

本发明涉及空间统计分析服务应用技术领域，尤其涉及一种顾及空间异质性的雪水当量栅格数据建模及分析方法。

背景技术

雪水当量(Snow water equivalent,SWE)是重要的积雪参数之一，指当积雪完全融化后，所得到的水形成水层的垂直深度，常用单位为mm。由于积雪对于温度变化的响应十分敏感，雪水当量的监测对于研究气候变化趋势、水资源管理和农业生产规划等具有重要意义。全球积雪区域主要位于中高纬度地区、南北两极以及高山地区，随着地理位置的不同，积雪量的观测结果也不同，例如坡面朝向决定了日照的持续时间和接收到的辐射强度，在阴坡较少的太阳辐射有助于保持土壤水分，减少空气的蒸发能力，相较于阳坡有利于积雪的累积，即积雪的空间异质性较强。这就使得少量的站点很难充分显示大空间尺度上积雪的时空变化特征，存在较大的局限性。遥感技术作为可用于大尺度监测地球表面的新手段，克服了传统站点监测的不足，提供持续长时间、大范围积雪监测数据，是雪水当量的重要数据来源。微波传感器主要接收来自于积雪和其下垫面的辐射能量，传感器以亮温值表示接收到的能量，而积雪的属性信息(如雪水当量)与亮温呈现一定的函数关系，通过这种关系可反演出雪水当量。

雪水当量的变化受到环境因子的影响，如：气温(AT)、地表热通量(GFLUX)、云层含水量(CLDWP)、降水量(PREC)、植被覆盖(NDVI)、风速(WS)等。空间回归模型是考虑空间效应的建模方法，可用于探究雪水当量与相关因子的关系。最小二乘线性回归模型结构与建模过程简易，能够从中进行统计意义下相关关系推断。传统的回归模型的前提假设是(残差)独立同分布，但实际上相互依赖、关联，存在空间自相关，因此传统的模型不适用于空间数据。空间统计分析的变量都具有在空间上相互依赖、相互关联的性质，也被称作空间自相关，变量的空间自相关会影响回归建模的精度，因此需要消除空间自相关的影响。而空间回归模型考虑了空间自相关的影响，从而能够建立准确的模型。Griffith提出了空间滤值方法用来解决空间回归分析中的空间自相关问题，其核心思想是提取空间邻接矩阵的特征向量作为空间影响因素，加入到回归模型当中，即把代表空间效应的特征向量纳入到最终的回归模型中。空间滤值方法计算量较大，通常是在数据量较少的区域进行计算，在整幅遥感影像的建模计算中尚未有成熟的应用。

由此可知，现有方法存在建模效果不佳的技术问题。

发明内容

本发明提出了一种顾及空间异质性的雪水当量栅格数据建模及分析方法，用于解决或者至少部分解决现有方法存在建模效果不佳的技术问题。基于雪水当量的相关影响因子数据，对雪水当量进行空间回归建模，探究雪水当量的影响因子，并通过回归模型来分析雪水当量的变化。发明旨在同时考虑全局尺度特征和空间异质性，减少空间效应的影响，进一步提高雪水当量建模精度和估算效果，并通过分块方法达到对大尺度遥感影像建模计算的目的。

本发明的技术方案为：

第一方面提供了一种顾及空间异质性的雪水当量栅格数据建模方法，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：