共查询到10条相似文献，搜索用时 31 毫秒
1.
以江苏省及周边39个常规气象站点1957—2001年的月平均气温数据和90 m空间分辨率的DEM数据为基础,采用基于DEM的多元线性回归插值方法,分析多年平均气温与海拔、坡度和坡向等地形因子的相关关系,建立适合该区域的多元回归空间插值模型.同时与反距离权重法(IDW)和克里格(Kriging)插值法等传统方法的计算结果进行对比,并用交叉验证方法比较5种插值方法的精度.结果表明:该研究区各月气温递减率在 0.5~0.9 ℃/(100 m) 左右;基于DEM的多元线性回归空间插值方法(MLR)无论从插值效果还是误差精度上,均优于其他传统插值方法.插值结果客观地表达了气温与各地形要素的相关性,反映了气温的空间变异性. 相似文献
2.
为研究新疆地区气温的空间变异性,以新疆66个国家气象台站1981—2010年月平均气温和30 m空间分辨率DEM数据为基础,采用传统插值法、基于DEM多元线性回归插值和基于DEM修正的空间插值方法对新疆区域气温数据进行栅格化,并分析年平均气温与海拔的相关关系。通过采用反距离权重法(IDW),普通克里格法(Kriging),样条函数法(Spline)和趋势面分析法(Trend)4种空间插值方法对气象要素进行直接插值、气温多元回归模型残差结果插值、基于DEM修正插值对比分析。通过针对插值方法进行基于MAE和RMSIE的交叉验证,结果表明传统插值方法、基于多元线性回归和基于DEM修正4种空间插值精度均为IDWKrigingSplineTrend。反距离权重(IDW)空间插值方法最优,基于DEM修正IDW插值、基于多元线性回归IDW插值与传统IDW插值精度分别是0.039、0.477、1.038,插值结果客观的表达了新疆区域气温随空间梯度的变化趋势。 相似文献
3.
文中基于数字高程模型,建立了多元线性回归插值模型(MLR)和PRISM空间插值方法,并与传统的反距离权重法(IDW)和普通克里金插值法(OK)进行比较.结果表明:1)江西省5月、7—10月降水量与海拔高度存在显著的相关性,与坡度、坡向无明显相关.2)从插值精度来看,3—9月PRISM和MLR空间插值精度明显优于IDW和OK,冬半年IDW和OK插值精度略高于MLR和PRISM;4种插值方法的年降水量插值精度排序为PRISM>MLR>OK>IDW;PRISM和MLR在高海拔地区的插值精度远高于IDW和OK.3)从插值效果来看,4种插值方法的降水空间分布具有一致性,MLR和PRISM优于IDW和OK. 相似文献
4.
《干旱气象》2020,(3)
基于2007—2016年新疆105个气象观测站月平均气温数据,利用GIS技术提取数字高程模型(DEM)中的经度、纬度、坡度、坡向和高程,分析气温与各地形要素之间的关系,选取普通克里金、协同克里金、多元线性回归3种空间插值方法,分别对天山以北和天山以南的气温进行插值,并通过误差分析和相关性分析对插值精度进行对比检验。结果表明:无论是天山以北还是天山以南区域,普通克里金方法更适用于夏季,协同克里金方法则更适用于冬季,多元线性回归法的整体插值精度最低。因天山南北气候差异因素,普通克里金法和协同克里金法在天山以北的插值精度优于天山以南。同时受季节特征影响,天山以北4—9月普通克里金法最优,10月至次年3月协同克里金法最优;天山以南3—9月普通克里金法最优,10月至次年2月协同克里金法最优。 相似文献
5.
基于DEM的气温插值方法研究 总被引：2，自引：0，他引：2
以甘肃河东为研究区,利用河东及周边的82个气象站点1971~2004年的月平均气温数据,结合数字高程模型(DEM),在分析平均气温与经度、纬度、海拔高度、坡度、坡向地形要素相关关系基础上,提出了一种基于DEM的多元线性回归空间插值方法(MLR),并与传统的反距离平方法(IDS)、样条函数法(SPLINE)和普通克里金法(OK)进行了精度比较.精度验证结果显示:无论从误差大小还是从插值效果上,考虑了地形要素的MLR方法均优于传统的插值方法.最后,基于MLR插值方法生成84 m×84 m甘肃河东地区月平均气温栅格数据集.平均气温结果表明:河东各月平均气温大致呈现由东南向西北逐渐降低的空间格局,且平均气温的季节内波动差异较大.其中,夏季气温的波动幅度最小,波动幅度自西向东减弱;冬季次之,有自北向南减弱的趋势;春季和秋季较大,有自西南向东北降低的趋势. 相似文献
6.
以四川省为例开展复杂地形下气温插值方法的研究,结合遥感数据、DEM数据与气象站点数据,基于符号回归分别构建多因子气温插值模型、少因子气温插值模型,并与多元线性回归模型和传统插值方法(反距离权重法、普通克里金法、协同克里金法)进行对比。结果表明：基于符号回归的两种模型与多元线性回归模型在四季插值精度均显著优于传统插值方法,其中多因子气温插值模型在四季精度皆为最高;评估基于符号回归的两种模型与多元线性回归模型在简单与复杂地形区域下的气温插值精度,多元线性回归模型在夏季整体精度最差,少因子气温插值模型在冬季的复杂地形区域插值精度最低,而多因子气温插值模型在两种地形区域的全年插值精度皆最优;多因子气温插值模型的气温空间分布特征与遥感气温产品最相近,整体误差较小,可精准反映气温空间分布特征。基于符号回归的多因子气温插值模型可以提升复杂地形区域气温插值精度。 相似文献
7.
以1965—1999年河北省逐月平均气温为研究对象,采用一元线性回归法和IDW(Inverse Distance Weighted)相结合的方法,将温度插值到河北省整个区域,绘制河北省温度空间分布图,实现河北省年内各月平均气温空间填图;同时,分析了河北省冬季和夏季各月的月平均温度的误差精度。结果表明：插值的结果与观测值的相关系数(R)在12个月均大于0.82,显示插值方法具有较好的模拟精度,可用于气温的空间插值和特征分析。 相似文献
8.
9.
掌握近地表气温的空间分布对于科学理解生态环境变化和陆地-大气热力学相互作用机理等至关重要,然而气象观测站在地理空间上分布不均,为区域的气温插值带来了挑战。本文以全国711个气象站点的月平均气温为基础数据,分析了气温与经度、纬度和高程的相关性,利用随机森林、支持向量机、高斯过程回归三种机器学习方法,对中国陆地区域的气温进行了空间插值,并与反距离权重、普通克里金以及ANUSPLIN等传统的插值方法以及全球土地数据同化系统（Global Land Data Assimilation System,GLDAS）气温数据产品进行对比。结果表明：（1）在整个中国陆地区域,利用机器学习进行气温插值的精度明显高于传统的反距离权重和普通克里金插值,并且机器学习方法明显提高了夏季的气温插值精度（R2）;(2)在三种机器学习方法中,高斯过程回归表现最好,支持向量机次之,然后是随机森林,ANUSPLIN具有较高的插值精度,但是整体低于高斯过程回归模型;（3）在气象站点稀少且分布不均匀的青藏高原地区,三种机器学习方法插值精度明显高于反距离权重和普通克里金方法,且整体优于ANUSPLIN的结果,尤其是在夏季,机器... 相似文献