地理学时空数据分析方法.pdfVIP

第69 卷第9 期 地 理 学报 Vol.69, No.9 2014 年9 月 ACTA GEOGRAPHICA SINICA September, 2014 地理学时空数据分析方法 1 1 1 2 3 4 5 1 1 1 王劲峰 , 葛 咏 , 李连发 , 孟 斌 , 武继磊 , 柏延臣 , 杜世宏 , 廖一兰 , 胡茂桂 , 徐成东 (1. 中国科学院地理科学与资源研究所, 北京 100101; 2. 北京联合大学应用文理学院, 北京 100191; 3. 北京大学人口研究所, 北京 100871; 4. 北京师范大学遥感与地理学院, 北京 100875; 5. 北京大学地球与空间科学学院, 北京 100871) 摘要：随着地理空间观测数据的多年积累，地球环境、社会和健康数据监测能力的增强，地 理信息系统和计算机网络的发展，时空数据集大量生成，时空数据分析实践呈现快速增长。 本文对此进行了分析和归纳，总结了时空数据分析的7类主要方法，包括：时空数据可视化， 目的是通过视觉启发假设和选择分析模型；空间统计指标的时序分析，反映空间格局随时间 变化；时空变化指标，体现时空变化的综合统计量；时空格局和异常探测，揭示时空过程的 不变和变化部分；时空插值，以获得未抽样点的数值；时空回归，建立因变量和解释变量之 间的统计关系；时空过程建模，建立时空过程的机理数学模型；时空演化树，利用空间数据 重建时空演化路径。通过简述这些方法的基本原理、输入输出、适用条件以及软件实现，为 时空数据分析提供工具和方法手段。 关键字：时空数据；时空格局；时空过程；时空机理；样本；对象总体；大数据 DOI: 10.11821/dlxb201409007 1 引言 随着社会与经济调查与统计、对地观测技术、计算机网络和地理信息系统的快速发展 和普及，具有空间位置的自然环境与社会经济数据近几十年快速增长，形成了海量的时空 数据集[1]和时空大数据。依据文献分析，目前科学研究对时空数据分析的理论方法探讨日 益增多。如以时空分析为题目的专著有Modern Spatiotemporal Geostatistics[2] 、Statistics for Spatio-Temporal Data[3] 和Spatial Statistics and Spatio -Temporal Covariance Function and Directional Properties[4] [5-17] 等，而时空分析实践论文更加广泛 ，涉及各种各样的分析方法。 截止2014 年8 月30 日，以“时空数据分析”为关键词检索google 有161万条、百度918 万 条；以spatiotemporal analysis 为检索词google 有1230 万条，Web of Science 标题719 条、 主题8680 条。专著自成体系，Modern Spatiotemporal Geostatistics[2]核心内容是贝叶斯最大 熵理论 (BME)，在BME框架内可以融合一般知识，例如牛顿定律和传染病SIR 模型，和 专有知识，例如具体数值等硬数据和取值范围等软数据。据此进行时空预测。Statistics for Spatio-Temporal Data[3]一书论述了三类方法：反应扩散方程、Kriging插值和贝叶斯层 次回归模型。其中贝叶斯层次模型由数据模型、过程模型、和参数模型逐级嵌套而成。基 于这些专著和文献，本文试图通过对现有时空分析理论和实践进行梳理和分析，归纳总结 出时空数据分析的方法体系和主要工具。 收稿日期：2014-07-08; 修订日期：2014-07-27 基金项目：国家自然科学基金 ; 973课