[发明专利]一种湖泊面积变化关键驱动因子识别方法

权利要求书

1.一种湖泊面积变化关键驱动因子识别方法，其特征在于，包括以下步骤：

S1：统计长时间湖面面积序列；

S2：获取驱动因子数据；

S3：根据单因素线性分析法，绘出各驱动因子与湖面面积变化的单因素线性回归图，分析各驱动因子的关键程度；

S4：应用pearson相关性分析法分析各驱动因子同湖面面积之间的相关系数；

S5：对步骤S3和S4得出的与湖面面积有显著线性关系的驱动因子采用多元线性回归分析法进行分析，检验拟合程度；

S6：根据步骤S3、S4和S6的分析结果，综合分析得出影响湖面面积变化的关键驱动因子。

2.根据权利要求1所述的一种湖泊面积变化关键驱动因子识别方法，其特征在于，所述步骤S1中长时间湖面面积序列的统计具体为：基于高分辨率遥感数据，利用Arcgis及Matlab软件批量提取湖区范围内的水体覆盖情况，统计得到长时间湖面面积序列。

3.根据权利要求1所述的一种湖泊面积变化关键驱动因子识别方法，其特征在于，所述步骤S2中驱动因子包括自然驱动因子和人为活动驱动因子，所述自然驱动因子包括湖区的降雨量、蒸发量、河流来水量、湖口站的径流量，所述人为活动驱动因子包括生产生活用水量及耗水量。

4.根据权利要求1所述的一种湖泊面积变化关键驱动因子识别方法，其特征在于，所述步骤S3中单因素线性分析法包括如下计算公式：

其中，公式(1)～(3)为线性回归方程，公式(4)为判定系数r²的计算公式，b是线性回归方程的常数项，表示截距；a是样本的回归系数即斜率；r²也称R²称为判定系数，其数值是相关系数的平方，是对估计的回归方程的拟合优度的度量。

5.根据权利要求1所述的一种湖泊面积变化关键驱动因子识别方法，其特征在于，所述步骤S4中pearson相关性分析法是利用皮尔逊相关计算公式来测定两个变量线性关系的方法，其相关系数是衡量线性关联的程度，该系数介于-1和+1之间，Pearson相关性系数体现的是因子之间的线性关系，pearson相关系数的计算公式为公式(5)。

6.根据权利要求5所述的一种湖泊面积变化关键驱动因子识别方法，其特征在于，所述步骤S4中对于求得的相关系数采用T检验进行显著性检验，具体的检验计算公式为公式(6)：

其中，r为相关性系数，t为相关性系数对应的统计量值，n为样本数。

7.根据权利要求1所述的一种湖泊面积变化关键驱动因子识别方法，其特征在于，所述步骤S5中多元线性回归分析法通过多元线性回归模型进行分析，所述多元线性回归模型具体为公式(7)所示：

其中，β₀为常数项；β₁，β₂，β₃为偏回归系数，即在其他自变量保持不变时，x增加或减少一个单位时的平均变化量；x₁,x₂,x₃为自变量，分别对应步骤S3、步骤S4得出的与湖面面积有显著线性关系的驱动因子；为因变量；ε为随机误差。

8.根据权利要求7所述的一种湖泊面积变化关键驱动因子识别方法，其特征在于，所述步骤S5中检验拟合程度具体为：

用MATLAB软件编程得出因变量与自变量间的样本散点图，基于最小二乘法，用MATLAB软件编程运行后得到β₀，β₁，β₂，β₃的估计值及对应的置信区间bint，且置信区间均不包含原点，做出残差点r及置信区间图，统计变量stats表，判断线性相关关系是否显著，利用所得到的线性回归模型做出多元线性回归分析的因变量的估计值拟合图和实际值y的曲线图，检验拟合程度。