从时空数据到时序网络：一种野火分析应用

网络理论已成为复杂系统分析与模式识别的合适工具。在时空数据分析背景下，绝大多数工作使用相关网络。然而，Pearson 相关系数仅捕捉线性关系，不能正确捕捉 recurrent 事件。这些遗漏的信息对于时间模式识别至关重要。本工作中，我们提出一种能够捕捉多种事件的时序网络构建过程。与先前方法类似，我们将研究区域划分为网格单元并以节点表示。在我们的方法中，若两个连续事件发生在两个不同节点上，则建立连边。我们的方法计算高效，可适应不同时间窗，并可应用于任意时空数据集。作为概念验证，我们利用 MODIS 数据集中亚马逊流域火灾事件构建时序网络来评估所提方法。我们探索了两种数据分析途径：一种静态的，另一种时间的。结果显示了火灾事件的一些活动模式以及一年中的位移现象。该应用中分析的有效性表明，我们的数据建模方法对时空数据挖掘极具前景。