地理空间信息扩散技术实证研究——以四川省三台县洪水灾害为例

插值，是推测地理空间中空白单元处地表现象的重要途径。协同克里金插值(CK)、地理加权回归(GWR)和回传神经网络(BP-ANN)等，在满足相应条件的情况下，都是很好的插值方法，但不具有普适性。在观测单元不多，数据离散性较大的情况下，信息扩散技术的插值，比这些模型的效果都好。该文以四川省三台县2018年和2020年发生的两次大洪水，采集的25个村的房屋损失、农业损失和庄稼被淹三类水灾灾情数据组成6个案例，以村庄与河流的距离、GDP和坡度等为自变量，以灾情为因变量，实证了地理空间信息扩散技术用于插值的普适性。信息扩散的自学习离散回归模型(SLDR),预测误差较小，且没有明显的预测误差小于基准误差的情况。CK在所有案例中，均是预测误差小于基准误差，说明插值无效；GWR在5个案例中也出现相同情况。虽然BP-ANN的基准误差很小，但预测误差却比基准误差高出近一个数量级，也远高于其他模型，表明能够高度拟合训练样本的回传神经网络模型，并不适用于复杂地表现象的插值。