结合地理加权距离与PCA的空间聚类方法提升青藏高原东缘山区地理分区精度

《Scientific Reports》：Enhancing demarcation in regionalization in the eastern Qinghai-Xizang Plateau through geographically weighted

本研究针对复杂山区地理分区中空间连续性与属性相似性难以平衡的挑战，提出了一种融合PCA降维与高斯加权属性距离的空间聚类框架。研究人员以康定市为案例，通过集成地形与气候指标，系统优化了地理距离权重，结果表明当聚类数k=5、地理距离权重Wp=0.5时，聚类质量指标（DB指数=1.14, Silhouette指数=0.30）与空间自相关性指标（Moran's I=0.97）均达到最优。该方法较传统K-means算法显著提升类内相似性259%，增强空间连续性44%，为小尺度山地环境管理提供了数据驱动的自动化分区方案。

　　

被称为“世界屋脊”的青藏高原，其东缘作为高原与四川盆地之间的关键过渡带，以崎岖的地形和剧烈的气候梯度著称。这片区域囊括了高原峡谷、丘陵高原和高山峡谷等多种地貌，平均海拔达4002米，年均气温7.1℃，降水约800毫米。植被和土壤呈现明显的垂直分异规律：从低海拔的森林逐渐过渡到高海拔的灌丛草甸，土壤类型也随海拔升高由褐土、棕壤演变为高山草甸土和寒冻土。这种由地形和气候驱动的自然环境垂直分异，是开展地理边界识别和空间分区的重要基础。然而，传统的空间聚类方法（如K-means聚类）主要关注属性相似性，往往忽略空间依赖性，导致在复杂地形中产生碎片化的聚类结果。如何在保证空间连续性的同时维持类内属性相似性，成为山区地理分区面临的核心挑战。

为了攻克这一难题，中国科学院山地灾害与环境研究所的王晓国团队在《Scientific Reports》发表论文，提出了一种新颖的山地地理分区框架。该研究以康定市（面积约11,595 km2）为典型案例，整合6项关键环境指标（高程、坡度、平面曲率、剖面曲率、年降水量、年均温），通过主成分分析（Principal Component Analysis, PCA）降维并依据方差贡献率确定属性权重。创新性地引入高斯加权函数调整属性距离以捕捉空间非平稳性，并系统优化地理距离权重。聚类效果通过聚类质量指标（Davies-Bouldin index, Silhouette index, Calinski-Harabasz index）和空间自相关指标（Moran's I index, Moran's Z-score）联合评估。

研究采用的关键技术方法主要包括：基于SRTM DEM（30米分辨率）提取地形因子，结合国家青藏高原科学数据中心获取的1公里分辨率气候数据；运用PCA对多环境变量降维并确定权重；构建融合地理距离与高斯加权属性距离的空间聚类算法；通过参数敏感性分析确定最优聚类数（k=5）和地理距离权重（W_p=0.5）。

PCA权重分配结果

PCA分析显示前4个主成分累计贡献率达87.30%。PC1（34.07%）主要关联高程与温度，PC2（20.18%）和PC4（13.31%）主导因子为地形曲率，PC3（19.74%）则与降水和坡度密切相关。据此赋予属性距离权重分别为0.39（PC1）、0.23（PC2）、0.22（PC3）、0.15（PC4）。

不同参数下的分区效果

当仅依赖属性距离聚类时，结果呈现高度碎片化；随着地理距离权重W_p增加，空间连续性显著改善。当W_p=0.5时，聚类边界与地形特征高度吻合，且类间属性差异趋于稳定。高程和温度被证实是驱动空间分异的主导因子，这与PCA结果一致。

最优分区方案验证

当k=5、W_p=0.5时，模型取得最佳平衡：DB指数1.14（数值越低越好）、Silhouette指数0.30（数值越高越好）、CH指数25150.91（数值越高越好），Moran's I指数达0.97（接近1表示强空间自相关）。与传统K-means相比，类内相似性提升259%，空间连续性增强44%。

区域化结果解析

最终将康定划分为5个典型区域：Cluster 1代表大渡河谷，具最低海拔（平均3335.0米）和最大高差（标准差781.41米），坡度最陡（34.58°），温度最高（5.69°C）；Cluster 4对应贡嘎山区域，拥有最高海拔（4445.06米）、最低温度（-1.27°C）和最大降水（800.45毫米）；Cluster 3为塔公草原-新都桥片区，地形最平坦（坡度20.15°），降水最少（719.08毫米）。聚类边界精准捕捉了河谷、高山和草原等地理单元的特征。

研究表明，通过高斯加权属性距离与地理约束的协同优化，能够有效协调复杂地形下的空间连续性与属性异质性矛盾。该方法揭示了高程与温度是驱动青藏高原东缘地理分异的核心要素，其分区结果与DEM呈现高度一致性，印证了地形梯度对气候、植被等自然地理要素的控制作用。该框架为小尺度山地环境管理提供了自动化、客观的分区工具，未来可通过贝叶斯优化等算法动态调整参数，进一步提升方法的自适应能力。研究成果对山区生态系统管理和区域地理分析具有重要实践价值。