广州大学地理科学与遥感学院吴志峰教授和郑子豪副教授指导硕士研究生郭颖锋在地理信息科学领域权威期刊GIScience & Remote Sensing发表题为“An optimal multivariate-stratification geographical detector model for revealing the impact of multi-factor combinations on the dependent variable”的研究成果。

1.研究背景

地理探测器是常用的影响因素探究的工具，在统计学基础上通过空间分层异质性探讨自变量对因变量的解释力大小。然而，地理探测器探究多因子组合对因变量影响上通常局限于交互探测器，地理探测器的尺度效应研究也通常局限于单因子。为此，研究提出了优化多变量分层地理探测器（Optimal multivariate geographical detector，OMGD）模型，以应对多因子组合影响因素分析与尺度效应研究的问题。

2.研究方法

OMGD模型在地理探测器基础上，增加了因子离散化优化和尺度探测器模块，采用五种单变量分层方法和五种基于聚类的分层方法自动探索最佳的单因子或多因子离散化方案，并可遍历多个空间尺度进行空间尺度寻优。

图1 优化多变量分层地理探测器（OMGD）模型示意图

3.研究成果

OMGD 模型通过因子离散化优化，可以有效地从单个因子和多种因子组合中提取信息。这增强了地理探测模型揭示因变量空间分层异质性的能力。此外，在 OMGD 模型中开发的尺度探测器模块可以准确识别单因素和多因素组合的空间尺度效应，从而更容易确定空间分层异质性分析的最佳空间尺度。OMGD模型还提供了一系列可视化功能，模型代码可在https://github.com/gisgyf/OMGD获取并使用。

图2 基于深圳市地表温度变量的q 值 80% 量化值的尺度探测器结果（a）单因子、（b）双因子组合和（c）三因子组合

图3 （a）单因子的因子离散化优化结果和（b）单因子的风险探测器结果

图4 （a）三因子组合的因子探测器结果和（b）三因子生态探测器结果

4.原文链接

论文由广州大学24848威尼斯(中国)有限公司2023级研究生郭颖锋主导，通讯作者为吴志峰教授和郑子豪副教授，北京联合大学的李晓航为共同合作者。该研究得到了高分辨率对地观测专项[83-Y50G24-9001-22/23]、广东省农村区域系统野外科学观测站项目[2021B1212050026]、国家自然科学基金[42401432]和广州大学研究生创新能力培养项目[JCCX2024-034]等多个基金项目的资助。

原文链接：https://doi.org/10.1080/15481603.2024.2422941。

5.期刊介绍

GIScience & Remote Sensing发表与地理信息系统（GIS）、环境遥感（包括数字图像处理，地理计算、空间数据挖掘和地理环境建模相关的原创、同行评审文章。发表反映基础研究和应用研究的论文。GIScience & Remote Sensing期刊的JCR分区为Q1，中科院分区为2区，2023年发文量104篇，最新期刊影响因子（IF）为6.0，引用分数（CiteScore）为11.2。