自然地理学和测绘学论文_地理空间信息扩散技术

文章摘要:插值，是推测地理空间中空白单元处地表现象的重要途径。协同克里金插值（CK）、地理加权回归（GWR）和回传神经网络（BP-ANN）等，在满足相应条件的情况下，都是很好的插值方法，但不具有普适性。在观测单元不多，数据离散性较大的情况下，信息扩散技术的插值，比这些模型的效果都好。该文以四川省三台县2018年和2020年发生的两次大洪水，采集的25个村的房屋损失、农业损失和庄稼被淹三类水灾灾情数据组成6个案例，以村庄与河流的距离、GDP和坡度等为自变量，以灾情为因变量，实证了地理空间信息扩散技术用于插值的普适性。信息扩散的自学习离散回归模型（SLDR），预测误差较小，且没有明显的预测误差小于基准误差的情况。CK在所有案例中，均是预测误差小于基准误差，说明插值无效；GWR在5个案例中也出现相同情况。虽然BP-ANN 的基准误差很小，但预测误差却比基准误差高出近一个数量级，也远高于其他模型，表明能够高度拟合训练样本的回传神经网络模型，并不适用于复杂地表现象的插值。

文章关键词:

论文分类号:TV87;P208

文章来源：《地理空间信息》 网址: http://www.dlkjxx.cn/qikandaodu/2022/0411/739.html