林峰田臺灣大學:建築與城鄉研究所于嘉元Yu, Chia-YuanChia-YuanYu2010-05-052018-06-292010-05-052018-06-292009U0001-2007200910090100http://ntur.lib.ntu.edu.tw//handle/246246/179340由於空間特性的資料並非獨立，而是相互影響，因而使得於模型的殘差（error term）特性不符合模型的基本假設。因而近年來研究於以空間相鄰權重為基礎的空間自相關量測與空間迴歸模型的應用上日漸增加。於在空間資料型態上多採用網格的方式，故在量測空間自相關時，皆假設各個網格之間是獨立的。然而，在土地使用開發時，其真實的開發情況並不符合獨立的性質。因此，本研究即針對真實發展情形來調整網格的定義，並比較假設獨立的網格與調整網格定義後所衡量出來的空間自相關情形有何異同。空間相鄰權重的概念中，除了考量距離此一因素外，也認為各網格屬性的不同也會影響空間相鄰權重，故本研究參考重力模型（gravity model）的概念，將空間相鄰權重加入屬性的概念，並比較各個模型之間的配適度以及估計能力，來得知何種模型對於土地使用變遷的估計能力較佳。研究成果發現，在比較假設獨立的網格與調整網格定義後所衡量出來的空間自相關方面，網格定義的不同會影響到空間自相關量測的最終結果。在各模型估計能力的比較上，在此實例地區的應用上，當模型於空間相鄰權重內的中心網格屬性置入建物覆蓋率且周邊網格屬性置入坡度時，能獲得較其他模型較佳的估計能力，且將空間影響加入模型中皆可有效提高模型配適度。Land use change models often involve substantial amounts of data with spatial characteristics. The problem is that these methods assume the data to be statistically independent and identically distributed (iid). But, spatial data have the tendency to be dependent, and the error term in a regression model tends to be spatially correlated. Therefore, models that explicitly deal with spatial autocorrelation are widely available and applicable.patial data are usually organized as polygons or grid cells. Through spatial autocorrelation analysis, the relationship between cells is always assumed to be independent. However, considering the real development situation, it does not obey the presumption of independent. As a result, a purpose of the study is to compare the results of spatial autocorrelation with the different definitions of cells.n the aspect of spatial weights, assuming that cells with the same distance, the different quantity may also result in different values of spatial weight. This paper use the concept of gravity model to acknowledge that cells are related to each other not only by the distance between them but also the quantity, namely ratio of coverage of land uses in each cell, and further compare the goodness-of-fit and evaluation between every model. The result is also compared with those of conventional regression model and data mining to find out which type of model has the best evaluation power.he results show that the definition of cell has an impact on the results of spatial autocorrelation. Comparing the evaluation of every model, models that deal explicitly with spatial effects are better than conventional regression models in the goodness-of-fit. The comparative analysis shows that the model which considering built-up area coverage and surrounding slope has advantages over the other models for our specific application. This finding shows that spatial proximity is essential in obtaining a better fit.目 錄一章 緒論 1一節 研究動機與目的 1二節 研究範圍 3三節 研究流程 4二章 文獻回顧 5一節 土地使用變遷相關研究 5二節 空間的相依性與異質性 11三節 空間自相關及空間迴歸模型 13三章 研究架構設計 18一節 研究架構 18二節 網格分派與土地使用分類原則 20三節 空間自相關的量測 23四節 模式建構 28五節 空間相鄰權重 31六節 檢測方法 35四章 實例分析 39一節 傳統迴歸分析 39二節 空間自相關測試 45三節 空間自迴歸模型分析 61四節 各模型比較分析 83五章 結論與建議 86一節 結論 86二節 後續研究建議 89考文獻 90 目 錄1-1 新店地區都市及非都市計畫區範圍示意圖 31-2 研究流程圖 42-1 土地使用與變遷研究計畫架構圖 52-2 空間相依性與量測 123-1 研究架構圖 183-2 空間自相關量測示意圖 263-3 距離─空間相鄰權重的關係圖 323-4 空間相鄰權重Wij圖 333-5 近鄰定義示意圖 343-6 周邊網格影響範圍示意圖 343-7 指標說明示意圖 384-1 建物覆蓋率有無改變的相鄰結構圖 464-2 建物覆蓋率變化量-10%的相鄰結構圖 474-3 建物覆蓋率變化量10%的相鄰結構圖 484-4 建物覆蓋率變化量35%的相鄰結構圖 494-5 建物覆蓋率變化量65%的相鄰結構圖 504-6 建物覆蓋率變化量90%的相鄰結構圖 524-7 網格調整示意圖 534-8 mi與mj關係示意圖 61 目 錄3-1 建物覆蓋率判釋分類表 213-2 農作地、林地、草生地、濕地、裸露地、魚塭覆蓋率判釋分類表 213-3 水體覆蓋率判釋分類表 213-4 判釋項目與經建版地形圖圖例項目的對應表 223-5　 joint count計算表（網格獨立） 263-6　 joint count計算表（網格調整） 273-7　空間相鄰權重Wij表 333-8 建成區估計模型結構分析表 353-9 建成區估計模型指標 374-1　各個類別使用不同時期的網格數目 404-2 新店安坑地區1976至1987年建物網格數量變化 414-3 新店安坑地區1976至1987年林地網格數量變化 414-4　自變數相關係數表 434-5　傳統迴歸模型之參數校估表 434-6 建成區實際有變化與傳統迴歸模型估計建物有變化之比較表 444-7　建成區於實際建物變化量之傳統迴歸模型估計能力 444-8　建物覆蓋率有無改變之joint count計算表（網格獨立） 464-9　建物覆蓋率變化量-10%之joint count計算表（網格獨立） 484-10 建物覆蓋率變化量10%之joint count計算表（網格獨立） 494-11 建物覆蓋率變化量35%之joint count計算表（網格獨立） 504-12 建物覆蓋率變化量65%之joint count計算表（網格獨立） 514-13 建物覆蓋率變化量90%之joint count計算表（網格獨立） 524-14 建物覆蓋率有無改變之joint count計算表（網格調整） 544-15 建物覆蓋率變化量-10%之joint count計算表（網格調整） 554-16 建物覆蓋率變化量10%之joint count計算表（網格調整） 564-17 建物覆蓋率變化量35%之joint count計算表（網格調整） 574-18 建物覆蓋率變化量65%之joint count計算表（網格調整） 584-19 建物覆蓋率變化量90%之joint count計算表（網格調整） 594-20 空間自相關綜合分析表 604-21 各模型參數組成表 634-22 SSAR模型之參數校估表 644-23 建成區實際有變化與SSAR模型估計建物有變化之比較表 654-24 建成區於實際建物變化量之SSAR模型估計能力 664-25 建建內模型之參數校估表 664-26 建成區實際有變化與建建內模型估計建物有變化之比較表 674-27 建成區於實際建物變化量之建建內模型估計能力 684-28 建建外模型之參數校估表 694-29 建成區實際有變化與建建外模型估計建物有變化之比較表 704-30 建成區於實際建物變化量之建建外模型估計能力 714-31 建林內模型之參數校估表 714-32 建成區實際有變化與建林內模型估計建物有變化之比較表 724-33 建成區於實際建物變化量之建林內模型估計能力 734-34 建林外模型之參數校估表 744-35 建成區實際有變化與建林外模型估計建物有變化之比較表 754-36 建成區於實際建物變化量之建林外模型估計能力 764-37 建坡內模型之參數校估表 774-38 建成區實際有變化與建坡內模型估計建物有變化之比較表 784-39 建成區於實際建物變化量之建坡內模型估計能力 794-40 建坡外模型之參數校估表 804-41 建成區實際有變化與建坡外模型估計建物有變化之比較表 814-42 建成區於實際建物變化量之建坡外模型估計能力 824-43 各模型最佳者之參數校估表 834-44 各模型最佳者之估計能力 85application/pdf2552278 bytesapplication/pdfen-US土地使用變遷空間自迴歸模型空間相鄰權重重力模型Land Use ChangeSpatial Autoregressive ModelSpatial Weights MatrixGravity model[SDGs]SDG15thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/179340/1/ntu-98-R96544001-1.pdf