Assessing spatial variability in soil characteristics with geographically weighted principal components analysis

Kumar, Sandeep; Lal, Rattan; Lloyd, Christopher J.

doi:10.1007/s10596-012-9290-6

Cited by 41 publications

(32 citation statements)

References 35 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Location of monitoring sites, drainage subcatchments, and major land-use units in the Wen-Rui Tang River watershed. 2013) and Geographically Weighted Principal Component Analysis (GWPCA) (Kumar et al, 2012) have been explored with GWR models. Specific to land-use impacts on water quality, the application of multivariate GWR models is rarely utilized.…”

Section: Introductionmentioning

confidence: 99%

Impacts of land use and population density on seasonal surface water quality using a modified geographically weighted regression

Chen

Mei

Dahlgren

et al. 2016

Science of The Total Environment

169

View full text Add to dashboard Cite

• The modified GWR models had higher R 2 and reflected the actual spatial features.• A manual variable excluding-selecting method is explored to avoid multicollinearity.• Influences of the dominant indicator on water quality varied with space and seasons.• Protection policies need consider sitespecific conditions and seasonal variations. G R A P H I C A L A B S T R A C Ta b s t r a c t a r t i c l e i n f o As an important regulator of pollutants in overland flow and interflow, land use has become an essential research component for determining the relationships between surface water quality and pollution sources. This study investigated the use of ordinary least squares (OLS) and geographically weighted regression (GWR) models to identify the impact of land use and population density on surface water quality in the Wen-Rui Tang River watershed of eastern China. A manual variable excluding-selecting method was explored to resolve multicollinearity issues. Standard regression coefficient analysis coupled with cluster analysis was introduced to determine which variable had the greatest influence on water quality. Results showed that: (1) Impact of land use on water quality varied with spatial and seasonal scales. Both positive and negative effects for certain land-use indicators were found in different subcatchments. (2) Urban land was the dominant factor influencing N, P and chemical oxygen demand (COD) in highly urbanized regions, but the relationship was weak as the pollutants were mainly from point sources. Agricultural land was the primary factor influencing N and P in suburban and rural areas; the relationship was strong as the pollutants were mainly from agricultural surface runoff. Subcatchments located in suburban areas were identified with urban land as the primary influencing factor during the wet season while agricultural land was identified as a more prevalent influencing factor during the dry season. (3) Adjusted R 2 values in OLS models using the manual variable excluding-selecting method averaged 14.3% higher than using stepwise multiple linear regressions. However, the corresponding GWR models had adjusted R 2~5 9.2% higher than the optimal OLS models, confirming that GWR models demonstrated better prediction accuracy. Based on our findings, water resource protection policies should consider site-specific land-use Contents lists available at ScienceDirectScience of the Total Environment j o u r n a l h o m e p a g e : w w w . e l s e v i e r . c o m / l o c a t e / s c i t o t e n v conditions within each watershed to optimize mitigation strategies for contrasting land-use characteristics and seasonal variations.

show abstract

Section: Introductionmentioning

confidence: 99%

Impacts of land use and population density on seasonal surface water quality using a modified geographically weighted regression

Chen

Mei

Dahlgren

et al. 2016

Science of The Total Environment

169

View full text Add to dashboard Cite

show abstract

“…Класичні статистичні підходи, які спрямовані на характеристику зв'язку між явищами або процесами, базуються на припущенні стаціонарності, тобто незалежності від місця розташування у просторі цього зв'язку [KUMAR et al, 2012]. Аналіз головних компонент застосовується для зниження розмірності простору ознак та для ідентифікації комбінації характеристик, які описують багатовимірний масив даних [LLOYD, 2010].…”

Section: методика проведення дослідженьunclassified

“…GWPCA враховує просторову гетерогенність і надає можливості оцінки просторових характеристик даних [KUMAR et al, 2012]. Географічно зважений аналіз головних компонент володіє можливістю виявити сховані просторові структури та забезпечує необхідною інформацією, що вказує на те, що локальні кореляційні структури є результатом невипадкових процесів [CHARLTON et al, 2010].…”

Section: методика проведення дослідженьunclassified

Ability of the geographically weighted principal components analysis for assessing of the maize (Zea mays L.) spatial non-stationarity morphometrics traits interrelation

Жуков¹,

Andrusevich²

2015

CBJ

View full text Add to dashboard Cite

Можливості географічно зваженого метода головних компонент для аналізу просторової нестаціонарності взаємозв'язку морфометричних характеристик кукурудзи (Zea mays L.) 397 Методика проведення дослідженьМожливості географічно зваженого метода головних компонент для аналізу просторової нестаціонарності взаємозв'язку морфометричних характеристик кукурудзи (Zea mays L.) (2015). Ability of the geographically weighted principal components analysis for assessing of the maize (Zea mays L.) spatial nonstationarity morphometrics traits interrelation. Chornomors'k. bot. z., 11 (3): 397-406. doi:10.14255/2308-9628/15.113/13. Spatial patterns of maize morphometrics traits interrelation variability with geographically weighted principal components analysis at large-scale level have been revealed. Spatial variability of covariation structures which describes interrelation between morphometrics indicators and density of standing of maize have been established. The global pattern of interrelation obtained by means of the classical principal component analysis have been shown as not to be identical to local covariation structures. Local covariation structures which found with geographically weighted principal components analysis within an optimum kernel bandwidth are characterised by much higher level of nonrandom variability which is described by first three principal components. The part of a dispersion which specifies in a coordination of morphological structures, is characterised by natural spatial trends of a variation. Local covariation structures form spatially natural patterns of the placing. Feature of these structures is quantitative redistribution of those values or other signs within the limits of enough invariant configurations. The continuity covariation structures in a qualitative sense at various scale levels (global and local) but with local quantitative specificity is shown. This specificity is shown in prevalence of this or that indicator as basic marker main components at local level. Revealing of spatial patterns covariation structures puts a problem of understanding of the nature of this spatial regularity. Keywords: principal components analysis, morphometric traits, spatial variabilityЖУКОВ О.В., АНДРУСЕВИЧ К.В. (2015). Можливості географічно зваженого метода головних компонент для аналізу просторової нестаціонарності взаємозв'язку морфометричних характеристик кукурудзи (Zea mays L.). Чорноморськ. бот. ж., 11 (3): 397-406. doi:10.14255/2308-9628/15.113/13. Виявлені просторові патерни мінливості взаємозв'язку морфометричних характеристик кукурудзи методами географічно зваженого аналізу головних компонент на великомасштабному рівні. Установлено просторову варіабельність коваріаційної структури, що описує взаємозв'язок між морфометричними показниками та густотою стояння кукурудзи. Показано, що глобальний патерн взаємозв'язку, отриманий засобами класичного аналізу головних компонент, не ідентичний локальним коваріаційним структурам. Локальні коваріаційні структури, які розкриваються за допомогою аналізу...

show abstract

“…Классические статистические подходы, которые направлены на характеристику связи между явлениями либо процессами, исходят из предположения о стационарности, т.е. независимости от местоположения в пространстве этой связи (Kumar et al, 2012). Анализ главных компонент применяется для снижения размерности признакового пространства и для идентификации комбинации характеристик, которые описывают многомерный массив данных (Lloyd, 2010).…”

unclassified

“…Анализ главных компонент может быть расширен с помощью применения географически взвешенных корреляционных коэффициентов, у которых веса определяются в отношении каждой точки наблюдения, что позволяет провести отдельные анализы главных компонент для каждой точки отбора проб -географически взвешенный анализ главных компонент, geographically weighted PCA -GWPCA (Lloyd, 2010). GWPCA учитывает пространственную гетерогенность и дает возможность оценки пространственных характеристик данных (Kumar et al, 2012). Географически взвешенный анализ главных компонент обладает возможность выявить скрытые пространственные структуры и обеспечивает необходимой информацией, которая указывает на то, что локальные корреляционные структуры являются результатом неслучайных процессов (Charlton et al, 2010).…”

unclassified

EVALUATION OF SPATIAL DEPENDENCE OF CORN (Zea mays L.) MORPHOMETRIC CHARACTERISTICS ON EDAPHIC PROPERTIES

Жуков¹,

Andrusevich²

2015

abs

View full text Add to dashboard Cite

Assessing spatial variability in soil characteristics with geographically weighted principal components analysis

Cited by 41 publications

References 35 publications

Impacts of land use and population density on seasonal surface water quality using a modified geographically weighted regression

Impacts of land use and population density on seasonal surface water quality using a modified geographically weighted regression

Ability of the geographically weighted principal components analysis for assessing of the maize (Zea mays L.) spatial non-stationarity morphometrics traits interrelation

EVALUATION OF SPATIAL DEPENDENCE OF CORN (Zea mays L.) MORPHOMETRIC CHARACTERISTICS ON EDAPHIC PROPERTIES

Contact Info

Product

Resources

About