融合机理特征的时空统计方法研究——以传染病和土壤水分为例
文献类型：学位论文
| 作者 | 张蝶 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 葛咏 |
| 关键词 | 空间统计 时空统计 传染病 土壤水分 融合机理 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 随着计算能力的提高和数据收集技术的发展，时空数据统计分析方法在地质矿产、土壤、自然资源、农业、气象、生态、环境等领域得到广泛应用，用于分析和预测地球表面上各种现象。然而，目前的时空数据统计分析方法主要是以数据驱动建模为基础，依赖于提取数据的时间和空间属性。虽然可以揭示具有地理时空维度的研究对象之间的相关关系，但解释物理机制和因果联系的能力有限。此外，时空统计方法的建模过程容易受到数据缺失、异常、偏差等因素的影响，导致统计结果的精度和物理一致性受到限制。当原始数据难以全面反映复杂的客观现实世界，未能提供描述地理事物的完整信息时，时空统计方法难以应对地理环境和现象的多样性和异常变化。为了提高地理时空数据分析和建模的精度、稳定性和可靠性，将机理特征融入时空数据统计分析是一条重要的途径。通过融合机理的信息和约束，可以减少时空统计模型因数据缺失或偏差带来的不确定性，更好地应对地理事物的多样性和动态变化。然而，要发展系统且普适的融合机理特征的时空统计方法存在一定的难度。对于复杂的地表系统，不同的现象具有不同的机理，这种差异在时空数据统计分析上可能表现为不同的模型原理、模型形式、变量或参数。因此，针对不同研究对象的特点和需求，需要选择适用的机理特征，并发展多种机理特征的融合方法。本文旨在系统地探索融合机理特征的时空统计方法，并以传染病传播和土壤水分降尺度为案例验证方法的有效性和适用性。针对传染病传播研究中难以提取具有机理性的辅助信息，构建机理性指标来描述传染病传播模式。针对土壤水分降尺度，利用具有机理性的关系来约束统计降尺度模型。核心研究内容包括：（1）发展了以风险人群的流动性指标作为传染病时空传播模型辅助变量的方法。使用基于辅助变量的统计模型时，预先输入机理特征作为辅助信息可以有效提升地理过程预测的精度。以传染病动态识别为例，构建了传染病流动风险指数来描述疾病在时间和空间上的传播风险，并将该指数与自然环境、社会经济等变量一起输入到统计回归和机器学习模型中，建立传染病动态与变量之间的关系。该方法可以快速预测新发疫情早期阶段的空间感染风险，并提高传染病广泛流行下发病率的时空预测精度。（2）提出了利用机理特征约束空间降尺度统计模型参数的方法。该方法可以用于刻画具有时空非平稳特征的地理过程，通过引入机理特征，约束模型参数或构建方式，从而提高模型解释时空变异性的能力。以土壤水分降尺度预测为例，利用不同尺度下土壤水分的物理关系来修正粗尺度下的要素统计关系模型的参数，使得模型更准确地刻画特定尺度上的土壤水分特征。相较于传统的基于空间相关性和变异结构的尺度不变性假设的降尺度方法，该方法不同尺度下使用特定的要素关系模型，提高了土壤水分降尺度预测的精度。（3）构建了基于传染病传播风险指标进行辅助决策的空间采样模型。在需要快速响应和迅速决策的情况下，直接利用机理特征决策的统计方法可以显著提高了解研究对象的效率。以传染病大规模检测资源配置为例，构建的流动性风险指数可以准确反映新发疫情早期疾病传播的动态模式。利用该指数进行空间采样，可以在降低检测量的同时保持较高的病例识别精度，从而优化传染病早期大规模检测的资源配置。通过比较多种类型机理特征在不同统计模型中的融合方法，本文强调了发展和利用具有机理性的指标和关系对地学统计建模的重要性。其中，机理性指标可为地理过程中耦合因素复杂且难以量化的情况提供高精度信息支持，而机理性关系则能充分被用来约束时空变异特征，从而提升模型反映地理特征的能力。本文提出的理论与方法具有迁移应用到各种研究对象的潜力，可用于提高不同地理事物预测的精度和可解释性。 |
| 语种 | 中文 |
| 页码 | 141 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199882]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 张蝶. 融合机理特征的时空统计方法研究——以传染病和土壤水分为例[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。