Page 122 - 南京医科大学学报自然科学版

第41卷第11期
·1684 · 南 京 医 科 大 学 学 报 2021年11月

2
1.2 方法 和 σ 分别是层h和全区Y值的方差。SSW和SST分
1.2.1 空间分布预测 别是层内方差之和和全区总方差。q 的取值为［0，
克里金法是 20 世纪 60 年代法国 Matheron 在前 1］，值越大表明因素X对Y空间分布影响越大，反之
人基础上总结并提出来的地统计方法，是在变异函 则越小。
数空间分析的基础上，对有限区域内的区域化变量 地理探测器主要分为因子探测器、风险探测
取值进行无偏最优估计的一种方法，具有插值和估 器、交互探测器和生态探测器4个部分，本研究采用
计的双重特点，它包括普通克里金、简单克里金、泛 其中的因子探测器、交互探测器和生态探测器，而
克里金和经验贝叶斯克里金等 ［9-10］ 。经验贝叶斯克 风险探测器主要探测等级或定性因素，不适用于本
里金法可自动执行构建子集和模拟过程来设置内 研究 ［17］ 。交互探测器是识别不同风险因子之间的
在参数，而不像其他克里金方法需要手动设置，其半 交互作用，即评估不同因子共同作用时是否会增加
或减弱对因变量 Y 的解释力，分别计算两种因子对
变异函数参数使用受限最大似然法估计，而其他克里
因变量的 q 值，并且计算交互时的 q 值，根据 3 个值
金方法通过已知的数据来计算半变异函数 ［11-12］ 。
的大小判断交互作用的类型。生态探测是比较不
1.2.2 空间预测评价
同因子对因变量的空间分布的影响是否有显著差
对模型拟合评价方法交叉分析采用的是留一交
异，用F值来衡量，其表达式为：
叉验证法（leave⁃one⁃out cross validation，LOO⁃CV），是
N (N - 1 )SSW
指假设有个N个采样点，对于第i个训练样本，将其 F = x1 x2 x1
N (N - 1 )SSW
取出，对剩下的N-1个样本进行训练，得到决策函数， x2 x1 x2
L1 L2
2
x2 ∑
x1 ∑
并用其测试第i个训练样本，重复N次得到N个模型， SSW = N σ ，SSW = N σ h 2
h
h
h
h = 1 h = 1
用这N次交叉验证得到的预测误差来进行评价，其评 式中 Nx1和 Nx2分别表示两个因子 x1 和 x2 的样
价指标是预测误差的均值（MAE）、均方根误差 本量；SSWx1和SSWx2分别表示由x1和x2形成的分层
2 ［13］
（RMSE）以及决定系数（R） ，计算公式如下： 的层内方差之和；L1 和 L2 分别表示变量 x1 和 x2 分
n
1 层数目。
MAE = ∑ | f - y
n i | i
i = 1 统计学方法
1.3
2 n
1 ) 2 蚊虫数据和监测点 2 km 范围内土地利用数据
RMSE = ∑ ( f - y
n i i
i = 1 采用Excel 2007进行数据整理和汇总。空间分布及
n
∑ ( f = y i ) 2 预测运用ArcGIS 10.4软件自带地统计学分析模块，
i
2 i = 1 ［18］
R = 1 - 交叉分析采用 R 软件 4.0.3 进行计算。土地利用
n
- ) y 2 驱动因素分析采用地理探测器软件。
∑ (y ˉ i i
i = 1
本研究首先计算各监测点的蚊虫密度，同时利
式中yi是实测值，fi是预测值，yi是实测值的平均
用手持GPS 仪记录各监测点的经纬度，基于国家基
值。
础地理信息中心（http：//www.ngcc.cn/ngcc/）的矢量
1.2.3 驱动因素分析
地理探测器是中科院王劲峰等提出来的空间 地图，绘制南京地区地图以及标记监测点信息，利
用经验贝叶斯克里金插值对蚊虫空间分布进行预
分析模型，其核心思想是如果某个自变量对某个因
测，并对预测结果进行交叉分析；然后根据蚊虫生
变量有影响，那么自变量的空间分布和因变量的空
态学知识，基于蚊虫监测点2 km缓冲区范围内土地
间分布应该趋于一致。那么探测X在多大程度解释
利用方式的构成 ［19-21］ ，利用地理探测器模型进行潜
Y的空间分异可以用q值度量 ［14-17］ ，其表达式为：
在的土地利用驱动因素分析，探索影响蚊虫密度的
L
∑ N σ h 2 土地利用驱动因素的相对重要性、是否存在差异及
h
q = 1 - h = 1 = 1 - SSW 它们之间是否存在交互作用。P < 0.05为差异有统
Nσ 2 SST
计学意义。
L
SSW = ∑ N σ h 2
h
2 结 果
h = 1
SST = Nσ 2
式中 h=1，...，L 为变量 Y 或因子 X 的分层，即分 2.1 蚊虫空间分布预测
2 蚊虫监测结果：2018年96个监测点共捕获蚊虫
类或分区；Nh和 N 分别是层 h 和全区的单元数； σ
h