《表2 AWSI驱动因子的相关矩阵》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《水足迹分析中国耕地水资源短缺时空格局及驱动机制》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：**表示在0.01水平上显著相关；*表示在0.05水平上显著；相对湿度（RH）、平均气温（AT）、降水量（P）、日照时数（SH）、地均化肥（CF）、地均农药（PP）、地均机械总动力（MP）、灌溉率（IR）、灌溉效率（IE）、粮食面积比例（GA）以及人均GDP(GP），下同。

在量化空间格局的基础上，借助偏最小二乘回归（partial least-squares regression，PLSR）来分析AWSI的驱动机制。PLSR在进行因变量对自变量的回归建模中，能够有效地解决多元回归分析中的变量多重共线性问题[25]。采用成分提取的方法，用少数几个综合指标来代表原有的众多因素，综合后的新指标为能综合反映原有众多因素的大部分信息的原有因素主成分。PLSR权重是原始变量所定义分数的线性组合，它们可用来描述预测变量和PLSR主成分之间的定量关系。参数变量投影重要性指标（variable importance for the projection，VIP）可以用来表示自变量对因变量预测的重要程度，该指标值大的因素在解释AWSI时相关性较高。同时，利用回归系数来量化PLSR模型中每个因素对AWSI影响的方向与强度。选择11个因素作为PLSR空间分析的响应变量，在进行建模之前将驱动因素进行初步相关性分析，结果见表2。