葛亮

(天津市测绘院，天津 300381)

季节性差分时空地理加权回归在HFRS分析中的应用

葛亮*

(天津市测绘院，天津 300381)

为了更好地利用模型对湖北省肾综合征出血热(Hemorrhagic fever with renal syndrome，HFRS) 发病率数据的时间和空间分布进行拟合和预测，本文基于传统的时空地理加权回归模型(Geographically and Temporally Weighted Regression model，GTWR)，引入时间序列中的季节性差分方法，同时采用空间自相关法优化模型中的带宽参数，构建了季节性差分时空地理加权回归模型(Seasonal Difference-Geographically and Temporally Weighted Regression model，SD-GTWR)。研究结果表明，经过季节性差分优化的GTWR模型拟合精度要优于传统的GTWR模型及最小二乘法模型(OLS)和地理加权模型(GWR)方法。

肾综合征出血热；时空地理加权回归模型；季节性差分；空间分析；季节性差分时空地理加权回归模型

1 引 言

随着地理信息技术以及空间统计分析方法的不断发展和完善，地理信息系统和空间统计学已经广泛应用到各个领域。在空间计量学的基础上，学者们提出众多空间统计分析方法，其中，在1996年，英国学者Fotheringham提出了研究空间关系和空间相关关系的地理加权回归模型(Geographical Weighted Regression，GWR)[1]，这一模型可以直观地探测空间关系的非平稳性，目前该方法已经在人口、土地等多学科领域得以应用[2，3]。

随着应用需求的不断提高，很多行业领域空间数据的时间特性和空间特性(即时空特性)都显得尤为突出。然而，GWR模型只将数据的空间特性纳入到模型里，忽略了时间特性对其的影响[4～6]。因此，香港大学黄波教授于2010年在GWR模型的基础上提出了时空地理加权回归模型(Geographically and Temporally Weighted Regression，GTWR)[7]，并将其用于房价数据的分析。……