Zhao F-H, Zhu A-X, Qin C-Z*. Spatial distribution pattern analysis using variograms over geographic and feature space. Geo-spatial Information Science, 2024. https://doi.org/10.1080/10095020.2024.2439371

这篇文章是赵芳鹤博士论文工作的一部分，我个人觉得是我们组近期的一个很基础性、创新性的工作，她现在继续做博士后研究，下一步结合我们组智能化地理建模和地理要素空间推测这两个交叉的研究方向，还有很多方法性拓展工作的想象空间。

这篇文章前两天刚在《Geo-spatial Information Science》在线发表出来，我还没来得及在这里写博文推介，昨天学生转给我一篇公众号文章《一种表达空间结构特征的新方法：考虑地理相似度的变异函数》——一位读者“Geodetector”（后来得知还是我们重点实验室毕业的学生）就我们这篇文章写的中文介绍，我读后觉得写得清晰、准确、又流畅，我直接引用如下就好了，感谢他的撰文推介，特此致谢！

============================

“一种表达空间结构特征的新方法：考虑地理相似度的变异函数

Geodetector2024年12月19日 13:58 北京

研究背景

半变异函数（Semivariogram）是地统计学和空间统计分析中用于刻画空间随机场数据（如土壤性质、矿产品位、气象参数等）在空间尺度上随距离变化特征的一种函数。简言之，半变异函数描述了在给定空间间距下，样本点观测值差异程度的期望值。

现有的半变异函数构造和分析多以空间距离（如欧氏距离）为基础来刻画样点之间的关系。然而，地理空间中不仅存在纯粹的几何距离，还包含自然环境条件、地形特征及人类活动模式等多重因素。当研究目标关注的重点不再只是位置间的几何距离，而是特定的环境因子（如土壤类型、植被覆盖、气候类型、土地利用方式等）对目标变量的影响时，将“距离”替换为体现综合环境因素的“地理相似度”（Geographic Similarity）可能更符合实际需求。

。。。

”