基于GIS与多元线性回归模型的生态量调整方法

——以生态敏感性为例

2020级上方山第四组
李卓琳 李仕杰 李冰心 胡迪 杨妍

了解更多

基于GIS与多元线性回归模型的生态量调整方法

——以生态敏感性为例

2020级上方山第四组
李卓琳 李仕杰 李冰心 胡迪 杨妍

了解更多

目 录

catalog

回到首页

Back to home

项目概述

Project overview

现状研究

cross-sectional study

模型构建

model building

模型推广

Model extension

总结感悟

Summary

项 目 概 述

研究需求与背景说明

Research needs and background description

在上方山研究区域中，有很多生态评价量可以做到定量分析。
但某些生态评价量（如生态敏感性）往往是由一些实际中难以改变的因素（如高程、坡度）或难以完全定量化表示的因素（如土地利用类型、人类干扰程度），或被二者综合影响。对此评价量做出优化比较困难。

根据实际情况，我们最终选择生态敏感性作为例子，景观指数作为自变量来构建模型。

本研究以多元线性回归的模型去寻求该类评价量与其他定量因子之间的关系。
选取“景观指数”这一系列评价因子，并计算上方山及其周围地区宏观的景观指数X。
通过多元线性回归分析，得到X相对于上方山及其周围地区的生态敏感性Y的回归系数矩阵。
经过一系列误差检验和修正后，达到通过改变景观指数，最终改变生态敏感性的目的。为此我们构建了回归数据生成模型。

变量选取与说明

Variable selection and description

因变量：
1.计算指标难以在现实中轻易做出改变或调整（如坡度、坡向、高程）
2.难以完全定量化的因素（如土地利用类型）
3.反应一定生态情况的观测值。
4.想直接改变影响它的自变量会比较困难。

自变量：
与因变量Y有相关关系，或与Y共同和某些变量间接关联
指标较多，维度较大，避免单一变量
能够定量计算，且对应现实中易于改变

因变量➡生态敏感性
（是生态系统在特定时空尺度相对于外界干扰所具有的敏感反应和自我恢复能力，是生态系统的固有属性。）


自变量➡景观指数
（与因变量Y有相关关系，或与Y共同和某些变量间接关联
指标较多，维度较大，避免单一变量
能够定量计算，且对应现实中易于改变）

现 状 研 究

流程图展示

flow chart

收集连年的用地类型数据、DEM数据、卫星遥感数据；
裁剪合适的范围；
对预处理好的数据进行分类。

研究区卫星图实例

数据处理

通过Fragstats软件，算得上方山及周围区域不同景观类型在景观水平上的景观指数。
结合上方山多年用地类型分类和景观指数结果得到：
①上方山土地利用类型较丰富，破碎化程度较高。
②总景观受少数优势斑块支配，优势斑块形成了不错的连通性。
③最大斑块所占总景观的比例适中。

Fragstats实例

景观格局指数

确定各类因子敏感性分级标准；
在此基础上进行加权分析；
得到研究区的综合因素敏感性分布图。

生态敏感性权重分级示例

生态敏感性

研究部分结果

Results of the study

模 型 构 建

  • 空间建模--数据处理与分析
  • 划分研究区域
    ①将北京市划分为若干大小形状相同、面积为340平方千米的正六边形，获得389个研究区域，并生成独立面图层。
  • 计算生态敏感性
    ②计算北京市整个市区的生态敏感性
    i.计算分级化NDVI
    ii.计算分级化坡度、坡向、高程
    iii.计算北京市全市生态敏感性
  • 土地利用类型和生态敏感性图层划分
    ③用步骤①中的一个研究分区裁剪土地利用数据，获得一个土地利用分类图层
    ④用步骤①中的389个研究分区裁剪北京市的生态敏感性，得到每个研究分区的生态敏感性
  • 提取平均生态敏感性
    ⑤将研究区域中的生态敏感性转为该研究区域的“平均生态敏感性”并提取。
    i.将每个生态敏感性栅格值整数化
    ii.以北京市为边界，进行分区统计分析，得到每个区域的单值整型平均生态敏感性栅格，将获得的单值栅格整数化。
    iii.进行栅格转面操作
    iv.将面要素合并，字段值即为每个研究区域对应的平均生态敏感性。
  • 数学建模--问题的解决
  • 构建多元线性回归方程
    其中，Mi表示第i个研究区域的平均生态平衡指数，Xji表示第i个研究分区的第j个景观指数
  • 模型解算
    利用STATA软件进行标准化回归，可以获得如下结果
  • 得出结论
    由模型结果结果可知：
    在一定误差允许的范围内：
    北京市地区的生态敏感性与当地景观斑块的
    平均形状指数（A）
    平均斑块分维数（B）
    景观丰度（C）
    香浓多样性指数（D）
    香浓均度指数（E）
    聚集度（F）
    之间的显著性较高，均在90%以上
    北京市地区与A、C、E、F成反相关，与B、D呈正相关。
    依据这些显著性较高的景观指数（自变量）公式，可对上方山地区的此生态评价量的改变做出指导
  • 进行联合显著性检验
    对模型的系数进行联合显著性检验, 构造F统计量，求出模型的显著性水品,结果如图：
    如图所示，对 F(12,375) 统计量的建设检验p值远小于0.01，较好的通过了联合显著性检验，说明当地生态敏感性与景观指数间的相关性较强

模 型 推 广

为了提高模型的适用性，特将分区裁剪的部分做成一个Arcgis工具，以方便得到其他区域和其他大小的研究分区。

GetX&Y是核心模型，可以分为两个子模型，以及一个拓展模型。

核心模型：GetX&Y
子模型1：分区矢量裁剪
子模型2：获得分区矢量
工具箱展示
拓展模型

总 结 感 悟

对专业知识有了更加深刻的理解，并得到了学习。
团队配合更加默契，团队的协调性变得更强。
认识到GIS不只是工具，还有更深层次的含义。
感谢各位老师的帮助和支持，才能让这次实习顺利进行，同学们也有了进步。

联系我们

联系地址：中国地质大学（北京）

        超级单页制作