石 强，戴吾蛟，晏慧能，刘 宁

1. 中南大学测绘与遥感科学系，湖南 长沙 410083； 2. 江苏海洋大学海洋技术与测绘学院，江苏 连云港 222005； 3. 湖南省精密工程测量与形变灾害监测重点实验室，湖南 长沙 410083

随着传感器网络、GNSS、InSAR等现代变形监测技术的发展，人们获取了大量的变形数据[1-3]，这些变形数据具有较为复杂的时空相关性，传统的空间和时间序列分析方法已无法满足时空变形分析的需求，因此一些学者开始将时空数据处理的理论与方法(例如时空地统计学模型、时空自回归模型、时空地理加权回归模型及时空Kalman滤波等)引入变形分析领域[4]。时空地统计学模型是在传统地统计学的基础上，运用时空插值及随机模拟估算和量化时空变化，动态反映地理空间的变化过程，其代表性的方法是时空克里金，在边坡[5-6]及隧道围岩[7]变形分析中得到了较好的应用。时空克里金模型虽然同时考虑了变形数据的时间和空间相关性，但是它计算量较大，不能满足变形监测大数据时空分析的需求。时空自回归模型是根据空间权矩阵及AR模型描述时空数据的时空相关性，已用于大坝[8-9]、桥梁[10]、地下管线[11]及建筑物[12]时空变形预测，且具有较高的预测精度，但是该模型分别考虑空间和时间上的相关性，并不是真正意义上的时空分析模型。时空地理加权回归模型是在普通地理加权回归模型的基础上进行时空扩展，构建了顾及时空相关性的时空回归模型，它已被用于大坝变形分析[13-14]，但是该模型需要对监测点的位移与影响因素建立多元变系数回归关系，计算量也较大。……