土地利用回归模型.pptxVIP

土地利用回归模型主讲人：黄博雯2018 目录概念步骤应用讨论 土地利用回归模型土地利用回归模型（land use regression，LUR ）是基于观测点周围的土地利用和交通信息来预测污染物的模型。以某点的污染物浓度为因变量，该点的土地利用数据为自变量，回归模型是评价交通相关污染物暴露评估的有效方法。概念Briggs等在Small Area Variation in Air Quality and Health （SAVIAH）研究中首次使用土地利用回归模型模拟小尺度变化，用来研究独立个体长期暴露于平均空气污染水平对儿童呼吸疾病的影响。之后，土地利用回归模型被广泛的利用，大多数应用在多城市大区域，也有少数小范围的城区。还有一些研究将其运用的整个国家。APMOSHERE项目模拟了整个欧洲1X1km尺度的污染物浓度。来源及发展 步骤大尺度范围的研究，采用常规监测网点的监测数据。对于多数城市区域研究，常规检测网点较少时，采用目标设计监测方法（被动采样）。2.目标污染物监测数据的获取以监测点为中心建立，设置半径一定的系列缓冲区，利用 ArcGIS 中的空间叠加功能计算不同缓冲区范围内各土地利用类型的面积、人口密度和道路长度。分别计算各个自变量与因变量的关系。3.缓冲区的划分及变量的相关性分析以经过筛选的土地利用变量为自变量，污染物浓度数据为因变量，采用多元线性回归的分析方法构建LUR模型。模型建立后对模型进行检验。4.土地回归利用模型的构建和检验根据研究目的，选取交通道路状况、土地利用情况、人口情况、自然条件和气象因素等，构建地理要素数据库。基于地理要素数据库，借助 ArcGIS 平台的空间分析工具提取相应的基础特征变量。1.土地利用数据收集与基础特征变量的选取 1.土地利用数据收集与基础特征变量的选取1. 对城市规划图进行矢量化处理，按照规划标准，分为耕地、现状居民地及工矿用地、林地、水域和农田。2. 数据来源于中国科学院资源和环境科学数据中心（RESDC），分类采用RESDC 的土地利用覆盖分类体系，分为耕地、林地、水域、城镇用地、农村居民用地和其他建设用地。3. 全球30米地表覆盖遥感数据集（GlobeLand30 Dataset ） 涵盖全球陆域范围，包括耕地、水体、林地等10大类地表覆盖信息。 1. 道路信息来源于 Open Street Map（简称OSM），是一款由网络大众共同打造的免费开源、可编辑的地图服务数据库。OSM道路数据提供了丰富的道路信息，原始数据主要包括道路、建筑物和土地使用等。2. 利用 google earth 对城市交通图进行几何纠正，以 ArcGIS 为平台对城市中心城区的道路分为环线路（内环、中环、外环）、高速公路、快速路和主要路进行矢量化 。1. 人口数据来源于RESDC，分辨率为1km×1km的人口空间格网数据。2. 监测点所在行政区的人口密度作为该点的人口密度。3. 气象：根据气象站观测资料进行气象条件分析，做出风向玫瑰图，进一步根据公式计算各监测点的风向指数。4. 海拔信息数据：来源于ASRTER GDEM。5. 距海距离：对海岸线进行矢量化处理，以 ArcGIS 为平台，计算监测点距离海岸线的最近距离。土地利用类型道路交通数据其他 NO2PM2.5O32.目标污染物监测数据的获取常规监测点汇总常规监测点的检测数据，计算污染物年平均浓度。被动采样常规检测网点较少时，采用目标设计监测方法（被动采样），1~4个采样周期，每个周期7~14天的连续检测。根据研究城市的大小和人口密度来考虑监测点的数量，一般认为40~80个点较为合理。移动采样移动采样数据和被动采样数据不合并处理。 ONETWOTHREE3.缓冲区的划分及变量的相关性分析以监测点为中心建立系列缓冲区。在城市尺度 LUR 建模中，缓冲半径一般为 50m~5km ; 在美国全境和西欧的区域 LUR模型中，最大缓冲半径达到 10km。建立缓冲区构建特定缓冲区用来与目标要素进行叠加，进而来分析缓冲区范围内的目标要素分布情况。利用 ArcGIS 中的空间叠加功能，计算每个缓冲区中每类土地类型的总面积，从而得到代表土地利用类型的自变量。缓冲区分析① 各变量的相关性研究分析在 LUR 模型中是探索土地利用类型变量与研究的目标污染物之间相关性的大小，从众多的自变量中选出与研究的污染物相关性比较强的土地利用类型变量用来构建 LUR 模型。② 一元线性回归分别计算各个自变量对因变量的R2贡献值。相关性分析 4.土地回归利用模型的构建和检验自变量的筛选模型构建① 选择与因变量相关性最强的几个因素为自变量进行多元线性回归 。② 选取每类变量中相关性最强的变量，进行逐步多元线性回归分析。③ 对每个自变量的拟合优度（R2）进行排序并剔除R2贡献＜1%的变量