共查询到17条相似文献，搜索用时 187 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.
利用江西省87个国家气象观测站点1987—2016年月平均气温资料,结合数字高程模型(DEM),建立了一个基于江西省DEM的多元线性回归空间插值模型,并与传统的反距离权重法(IDW)、普通克里金插值法(OK)和协同克里金插值法(CK)进行空间插值精度和效果对比。研究表明:基于DEM的多元线性回归空间插值方法(MLR)的误差精度和插值效果均优于其他3种传统插值方法。江西省月(年)平均气温与纬度和海拔高度呈负相关,与经度呈正相关,与坡度、坡向无明显相关性;江西省月平均气温垂直递减率约为0.35—0.65℃/(100 m),年平均气温垂直递减率约为0.49℃/(100 m)。 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.
基于GIS技术的甘肃省气温空间分布特征 总被引：1，自引：0，他引：1
利用40 a气象站气温观测数据,结合GIS技术,建立甘肃省气温空间化模型,以高分辨率的DEM作为模型的输入参数实现气温数据的空间化,同时与传统的气温内插方法 (反距离加权法(IDW)、克里格(Kriging)、协同克里格(Co-Kriging))的插值结果进行比较分析,结果反映利用多元回归分析+克里格方法建立的气温数据栅格化结果较好,比传统的气温内插方法插值精度高,插值结果很好的再现了原始测量结果。 相似文献
5.
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
6.
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
7.
气温数据栅格化中的几个具体问题 总被引：22，自引：3，他引：22
用地理信息系统软件ARC／INFO及4种空间插值方法，对中国617个气象站30年平均气温数据和1961年平均气温数据的栅格化试验发现，克立格插值方法的精度最高，反距离权重法次之，样条插值法的精度第三，趋势面插值方法的精度最低。利用多年平均气温数据和年平均气温的距平值进行气温数据的栅格化，虽然可以减少分析和计算量，但栅格化结果的精度比利用年平均气温数据直接进行栅格化的精度要低。气象站的实际高程与气象站经纬度对应的数字高程(DEM)上的高程不完全一致，但气温数据的栅格化完全依赖于DEM，用气象站实际高程建模进行气温数据栅格化的精度比用与气象站经纬度对应的DEM上的高程建模进行气温数据栅格化的精度要高。 相似文献
8.
为解决气温观测记录缺测的问题,选择反距离权重插值(Inverse Distance Weighted,IDW)、普通克里金插值(Ordinary Kriging,OK)和多元线性回归(Multiple Linear Regression,MLR)三种方法,以湖北省2020年为例,对全省逐日平均气温(T)、最高气温(Tmax)和最低气温(Tmin)进行空间插补,并采用平均绝对误差(Mean Absolute Error,MAE)对3种方法的插补结果进行检验。结果表明:用MLR插补得到的Tmax、Tmin、T的MAE最小,分别为0.41℃、0.31℃和0.20℃,其中T的插补误差在1℃以内的站点比例高达100%;相比IDW和OK,MLR插补结果的MAE空间分布均匀,其不仅随海拔高度变化较小,随季节变化也相对较小。单站试验结果表明,当用于MLR模型的样本数量越多、时间离散度越大时,MLR对气温的插补效果越好。总体上,对日气温缺测数据的插补效果,MLR最优,IDW次之,OK最差;对于建立气象站点长时间连续气温数据集而言,MLR更适合解决区域自动气象站... 相似文献
9.
《干旱气象》2020,(4)
利用1988—2017年浙江省68个国家气象观测站气温和降水数据,分别采用ANUSPLIN、反距离加权(IDW)和普通克里格(O-kriging)3种方法,估算夏季平均气温和降水量空间插值。同时,应用交叉验证方法评价3种方法的精度差异,并进行空间误差分析,探讨符合浙江复杂地形条件和气候背景下的气象要素空间插值最优方法。结果表明:(1)3种方法对气温和降水的插值精度总体接近,空间分布较为一致,但对于要素空间异质性大的区域,ANUSPLIN在细节上的表现明显优于IDW和O-kriging方法。(2)ANUSPLIN对气温和降水的插值精度均高于IDW和O-kriging,气温的平均绝对误差(MAE)和均方根误差(RMSE)均小于0.5℃,其中气温RMSE表现为:ANUSPLIN(0.381℃)O-kriging(0.459℃)IDW(0.463℃)。降水RMSE表现为:ANUSPLIN(37.8 mm)O-kriging(42.2 mm)IDW(49.1 mm)。(3)平原地区的平均气温插值误差低于山区;降水误差空间分布沿海地区误差最大,出现明显低估值。总体来说,ANUSPLIN更适合浙江复杂地形条件和气候背景下的气象要素空间插值处理。 相似文献
10.
《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
11.
新疆地区平均气温空间插值方法研究 总被引：4，自引：0，他引：4
基于1981—2008年新疆地区53个测站和甘肃青海邻近10个测站的多年月(年)平均气温进行探索性分析和试验性插值的基础上,以"多元回归+残差内插+地形调节"和"海拔订正+零海拔插值+地形调节"两种混合性气温空间插值方法对该地区的多年月(年)平均气温进行了空间分布插值、交叉验证和对比分析。结果表明,单一的任何一种确定性函数或地统计方法都不能对新疆地区的气温进行较准确的插值,缺乏对影响因子的考虑,与实际情况相差较远;两种混合性插值方法都可以得到较精确的气温空间插值结果,空间分布一致,精度都随月份有所差异,对夏、秋季的插值结果较冬、春季的稳定、精度高;两种方法对夏、秋季各月的插值结果并无显著差异,而在冬、春季后者的误差大于前者。整体而言,"多元回归+残差内插+地形调节"的方法较"海拔订正+零海拔插值+地形调节"法更准确、稳定,但两种方法各有优缺点,应根据实际应用情况进行选择。 相似文献
12.
Modeling and mapping temperature and precipitation climate data in Greece using topographical and geographical parameters 总被引：2，自引：1，他引：1
Haralambos Feidas Athanasios Karagiannidis Stavros Keppas Michail Vaitis Themistoklis Kontos Prodromos Zanis Dimitrios Melas Emmanouil Anadranistakis 《Theoretical and Applied Climatology》2014,118(1-2):133-146
This study presents a methodology for modeling and mapping the seasonal and annual air temperature and precipitation climate normals over Greece using several topographical and geographical parameters. Data series of air temperature and precipitation from 84 weather stations distributed evenly over Greece are used along with a set of topographical and geographical parameters extracted with Geographic Information System methods from a digital elevation model (DEM). Normalized difference vegetation index (NDVI) obtained from MODIS Aqua satellite data is also used as a geographical parameter. First, the relation of the two climate elements to the topographical and geographical parameters was investigated based on the Pearson’s correlation coefficient to identify the parameters that mostly affect the spatial variability of air temperature and precipitation over Greece. Then a backward stepwise multiple regression was applied to add topographical and geographical parameters as independent variables into a regression equation and develop linear estimation models for both climate parameters. These models are subjected to residual correction using different local interpolation methods, in an attempt to refine the estimated values. The validity of these models is checked through cross-validation error statistics against an independent test subset of station data. The topographical and geographical parameters used as independent variables in the multiple regression models are mostly those found to be strongly correlated with both climatic variables. Models perform best for annual and spring temperatures and effectively for winter and autumn temperatures. Summer temperature spatial variability is rather poorly simulated by the multiple regression model. On the contrary, best performance is obtained for summer and autumn precipitation while the multiple regression model is not able to simulate effectively the spatial distribution of spring precipitation. Results revealed also a relatively weaker model performance for precipitation than that for air temperature probably due to the highly variable nature of precipitation compared to the relatively low spatial variability of air temperature field. The correction of the developed regression models using residuals improved though not significantly the interpolation accuracy. 相似文献
13.
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
14.
利用重庆地区1999年和2018年气象数据, 分别采用薄盘光滑样条、协同克里金、普通克里金、反距离加权4种方法, 从年和月两种尺度对气温、降水、太阳总辐射三个要素进行空间插值; 采取交叉验证方法, 用MAE、MRE、RMSE评估插值精度, 确定各要素最优插值方法。结果表明: 气温和太阳总辐射最优插值方法为薄盘光滑样条, 降水为反距离加权; 插值精度上气温、太阳总辐射高值月份优于低值月份, 降水则相反, 但三个要素均表现出年尺度优于月尺度。MRE检验表明, 插值精度为气温>太阳总辐射>降水, 1999年年尺度插值精度分别为1.86%、4.60%、6.87%, 月尺度插值精度分别为2.79%、5.82%、17.42%;2018年太阳总辐射年、月尺度插值精度分别为3.03%、4.88%, 区域站加密后气温、降水年尺度插值精度分别为2.03%、11.20%, 月尺度对应插值精度分别为3.20%、23.14%。 相似文献
15.
将B样条拟合算法引入到地面气温资料的质量控制当中,在分析地面气温资料空间相关性的基础上,提出一种基于空间回归的B样条拟合地面气温资料质量控制方法(SRT_BSF方法)。为了检验SRT_BSF方法的有效性及适应性,利用SRT_BSF方法对多个场景地面气温资料进行质量控制,并与反距离加权方法(IDW方法)和空间回归方法(SRT方法)进行比较分析。试验结果表明,SRT_BSF方法相对于IDW方法和SRT方法更能有效地标记出地面气温资料中的存疑数据,同时多组独立案例的分析结果说明SRT_BSF方法具有更好的稳定性和适用性。 相似文献
16.
为了提高气象要素空间化的精度,本文提出通过预先对气象数据进行处理,然后再进行空间化,以比较直接插值与原始数据处理之后再插值的精度的变化。文中采用数据为全国743个常规气象站40 a(1961—2000年)整编气象资料及2005年的常规气象资料;插值方法有反距离加权法(IDW)、克立格法(Kriging)和样条函数法(Spline);数据预处理方法采用距平处理。结果发现:使用IDW、Kriging和spline对平均温度距平进行插值精度比较,发现IDW方法最优;温度距平精度的提高比降水和相对湿度要好;降水距平误差呈现由东向西递增的趋势。由此可见,对气象要素做距平处理可以有效提高插值精度。 相似文献
17.
以西南地区1996～2000年93个气象台站观测的月均降雨量为基础,对各月降雨量进行空间自相关性,变异特征等空间分析后,采用反距离加权法(IDW)和以不同变异函数模型(指数模型、球面模型、高斯模型)为基础的普通克里金(O-Kriging)两种方法进行空间插值,通过交叉验证结果对两种方法进行分析比对。结果表明:(1)西南地区月均降雨量存在明显的空间集聚现象,并具有显著的空间自相关性和变异特征,可对该研究区域降雨量进行空间插值研究。(2)在O-Kriging插值时,变异函数选用指数模型的效果最好,球面模型次之,高斯模型最差。(3)两种方法对月均降雨量及其极大值和极小值插值时,O-Kriging的插值误差均小于IDW,插值误差整体上与降雨量呈正相关关系。在剔除各月降雨量极大值较为集中的两个站点后进行插值,插值结果的误差均明显降低。(4)对研究区域整体来说,O-Kriging的插值效果优于IDW,但就单个站点来看,结果并非如此。在降雨量的空间插值中,由于研究区域和时间尺度的不同,并不存在绝对的最优方法,应根据实际应用效果选择最适方法。 相似文献