《表4 OLS、SLM、SEM和GWR模型比较》

  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

《基于空间回归模型的思茅松林生物量遥感估测及光饱和点确定》

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

借助GeoDa和GWR4.0软件，选择训练样本（500个）分别对OLS、SLM、SEM和GWR模型进行拟合。由表4可知，模型残差的Moran’s I指数不独立，即存在空间自相关性，不符合最小二乘模型的残差独立性要求，因此在构建思茅松林地上生物量遥感模型时，需要考虑以空间自相关为前提的空间回归模型，从而定量探讨遥感因子与思茅松林地上生物量间的关系。选择带宽距离34 600 m，构建SLM、SEM和GWR模型，SLM、SEM和GWR模型残差的Moran’s I指数检验不显著，说明其空间自相关不显著，在一定程度上解决了OLS模型拟合时存在的空间自相关问题；此外，SLM模型的稳健拉格朗日乘数不显著，且SEM模型较OLS和SLM模型的AIC小，R2增大，说明SEM模型可较好拟合数据的全局性结构。根据Fotheringham（2004）的评价标准，只要GWR模型与OLS模型的AIC之差大于3，即使将GWR模型的复杂性考虑在内，GWR模型也比OLS模型执行得更好。本研究AIC从OLS模型的4 628.7下降到4 577.8，差值大于3，R2达到0.373，说明GWR模型的解释能力优于OLS模型，即GWR模型拟合精度显著优于OLS模型，也优于其他全局空间回归模型。