Zastosowanie regresji ważonej geograficznie do modelowania miejskiej wyspy ciepła we Wrocławiu

• Autorzy: Szymanowski M. , Kryza M.

Warianty tytułu

EN

Application of geographically weighted regression for urban heat island modelling in Wrocław

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje zastosowanie regresji ważonej geograficznie (GWR) do interpolacji przestrzennej temperatury powietrza w warunkach wystąpienia miejskiej wyspy ciepła (UHI) we Wrocławiu. Rezultaty interpolacji GWR porównano z uzyskanymi za pomocą innych metod: regresji wieloczynnikowej (MLR) – model globalny, i krigingu resztowego dla obydwu modeli regresyjnych (odpowiednio: RK i GWRK). Dane wejściowe stanowiły pomiary temperatury powietrza w 206 nieregularnie rozmieszczonych punktach oraz warstwy dodatkowych zmiennych objaśniających, utworzone głównie na podstawie mapy pokrycia terenu i zdjęć satelitarnych (Landsat TM). Walidację interpolacji przeprowadzono metodą oceny krzyżowej (CV), analizując miary diagnostyczne (BIAS, MAE, RMSE) i rozkład przestrzenny błędów CV. Porównanie rezultatów modeli regresyjnych wskazało zasadność zastosowania GWR w przypadku niestacjonarnego procesu przestrzennego (UHI). Kalibrację modelu lokalnego przeprowadzono w zmiennej macierzy sąsiedztwa (tzw. kernelu) z uwzględnieniem zachowania możliwości fizycznej interpretacji procesu. Kriging reszt, przeprowadzony dla lokalnego i globalnego modelu regresji poprawił jakość interpolacji. Za optymalną w analizowanych przypadkach UHI metodę interpolacji uznano kriging resztowy dla regresji ważonej geograficznie (GWRK).

EN

Implementation of geographically weighted regression (GWR) for urban heat island (UHI) modelling in Wrocław is presented. The results of spatial interpolation using 4 methods are evaluated and compared. The methods are: multiple linear regression (MLR) – global model, GWR – local model and residual kriging for both regression techniques (RK and GWRK). The analysis was performed based on 2 examples of UHI. Air temperature data were gathered in 206 irregularly distributed points. Additional explanatory variables were developed based mainly on the land-use map and Landsat TM images. The cross-validation (CV) technique was used to compare results obtained with the different algorithms together with the evaluation of errors (BIAS, MAE, RMSE) and their spatial distribution. The results confirmed the usefulness of GWR in the case of non-stationarity of the spatial process. Calibration of the local models was performed using adaptive kernel, taking into account the possibility of physical interpretation of the model. Kriging of MLR and GWR residuals significantly improved the spatial interpolation results in terms of cross-validation errors. The most accurate results of the UHI spatialization were obtained with the GWRK techniquedr.

Słowa kluczowe

PL

regresja ważona geograficznie; interpolacja przestrzenna; GIS; wyspa ciepła; Wrocław

EN

geographically weighted regression; spatial interpolation; GIS; urban heat island; Wrocław

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2009
• Tom: Vol. 20
• Strony: 407--419
• Opis fizyczny: Bibliogr. 13 poz.

Twórcy

autor

Szymanowski M.

• Zakład Kartografii, Instytut Geografii i Rozwoju Regionalnego Uniwersytetu Wrocławskiego

autor

Kryza M.

• Zakład Klimatologii i Ochrony Atmosfery, Instytut Geografii i Rozwoju Regionalnego Uniwersytetu Wrocławskiego

Bibliografia

• 1.Daly C., 2006. Guidelines for assessing the suitability of spatial climate data sets. International Journal of Climatology, 26, s. 707-721.
• 2.Dobesch H., Dumolard P., Dyras I., 2007. Spatial interpolation for climate data, the use of GIS in climatology and meteorology, ISTE, London.
• 3.Fotheringham A.S, Brunsdon C., Charlton C., 2002. Geographically weighted regression. John Wiley & Sons, Chichester.
• 4.Hurvich C.M., Simonoff J.S., Tsai C.L., 1998. Smoothing parameter selection in nonparametric regression using an improved Akaike information criterion. Journal of Royal Statistical Society, 60, s. 271-293.
• 5.Kulczycki M., Ligas M., 2007. Regresja ważona geograficznie jako narzędzie analizy rynku nieruchomości. Geomatics and Environmental Engineering, 1, s. 59-68.
• 6.Lloyd C.D., 2007. Local models for spatial analysis. CRC Press, Boca Raton.
• 7.Oke T.R., 1976. The distinction between canopy and boundary layer urban heat islands. Atmosphere, 14, s. 268–277.
• 8.Oke T.R., 1987. Boundary layer climates, 2nd edn. Methuen, London.
• 9.Szymanowski M., 2004. Miejska wyspa ciepła we Wrocławiu. Studia Geograficzne, 77, Wydawnictwo Uniwersytetu Wrocławskiego, Wrocław.
• 10.Szymanowski M., 2005. Interactions between thermal advection in frontal zones and the urban heat island of Wrocław, Poland. Theoretical and Applied Climatology, 82, s. 207-224.
• 11.Szymanowski M., Kryza M., 2008. GIS application for the spatial interpolation of the urban heat island in Wrocław, Poland, [w:] Kłysik K., Wibig J., Fortuniak K. (red.), Klimat i bioklimat miast, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, s. 21-34.
• 12.Szymanowski M., Kryza M., 2009. GIS-based techniques for urban heat island spatialization. Climate Research, 38, s. 171-187.
• 13.Tveito O.E., Wegehenkel M., van der Wel F., Dobesch H. (red.), 2008. The use of geographic information systems in climatology and meteorology, Final Report, COST Action 719. Office for Official Publications of the European Communities, Luxembourg.