Skip to main content

A new spatial-attribute weighting function for geographically weighted regression

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

In recent years, geographically weighted regression (GWR) has become popular for modeling spatial heterogeneity in a regression context. However, the current weighting function used in GWR only considers the geographical distances of trees in a stand, while the attributes (e.g., tree diameter) of the neighboring trees are totally ignored. In this study, we proposed a new weighting function that combines the "geographical space" and "attribute space" between the subject tree and its neighbors, such that (1) neighbors with greater geographical distances from the subject tree are assigned smaller weights, and (2) at a given geographical distance, neighboring trees with sizes that are similar to that of the subject tree are assigned larger weights. The results indicate that the GWR model with the new spatial-attribute weighting function performs better than the one with the spatial weighting function in terms of model residuals and predictions for different spatial patterns of tree locations.

Dans les dernières années, la régression géographiquement pondérée (RGP) a souvent été utilisée pour modéliser l'hétérogénéité spatiale dans un contexte de régression. Toutefois, les fonctions de pondération actuellement disponibles pour la RGP considèrent seulement la distance entre les arbres dans un peuplement, alors que sont totalement ignorés les attributs des arbres voisins comme le diamètre. Dans la présente étude, nous proposons une nouvelle fonction de pondération qui combine l'information spatiale à celle d'attributs de l'arbre étudié et de ses voisins, de telle sorte (1) que les voisins les plus éloignés reçoivent une pondération plus faible et (2) qu'à une distance donnée, les voisins de taille similaire à l'arbre étudié reçoivent une pondération plus élevée. Les résultats montrent qu'une RGP utilisée avec la nouvelle fonction de pondération proposée a une meilleure performance que celle qui utilise un fonction de pondération uniquement spatiale, que ce soit en termes de résidus ou de valeurs prédites pour différents patrons de distribution spatiale des arbres.

[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2006-04-01

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more