共查询到10条相似文献，搜索用时 207 毫秒
1.
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
2.
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
3.
基于台站降水资料对不同空间内插方法的比较 总被引：46，自引：3，他引：43
如何把离散的气象台站资料通过合适的空间内插方法转变成规则的网格数据,对于气候变化分析和模拟研究具有重要的意义.作者利用中国区域160个常用台站10年降水观测资料为例,分别采用克里格(Kriging)插值、反距离加权、Delaunay三角剖分线性插值、双谐样条(Biharmonic Spline)插值和Cressman客观分析等几种常见的空间内插方法,较为系统地分析和比较了这几种内插方法插值结果之间的异同,对其优缺点和适用范围进行了适当讨论,并采用不同的网格分辨率和影响半径对Cressman客观分析方法做了进一步分析比较.结果表明:在台站分布密集的区域不同空间内插方法之间差异较小,在台站分布稀疏的区域则差异较大;与更加密集的台站观测资料的比较显示,自动调节影响半径的Cressman客观分析方法与双谐样条插值方法误差相对较小. 相似文献
4.
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
5.
为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集（0.01°×0.01°）,并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数（Corr）、平均绝对误差（MAE）、平均相对误差（MRE）等作为评估指标来检验插值精度。结果表明：1）ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征;2）4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1 ℃之内占比为90.59%,MAE为0.46 ℃,MRE为1.81%;3）插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。 相似文献
6.
复杂地形区域平均气温空间插值方法研究 总被引：1，自引：0，他引：1
采用反距离权重、克立格、径向基函数法、三维二次趋势面和地理加权回归5种方法,对云南125个站1月、4月、7月、10月和年的30年平均气温进行空间插值并比较分析发现:反距离权重、克立格、径向基函数法3种常规插值方法对地形复杂的云南气温空间分布模拟精度不高;三维二次趋势面和地理加权回归模型对云南气温空间分布模拟较好,交叉检验结果显示前者的平均绝对误差(MAE)为0.43~1.02℃,均方根误差(RMSE)为0.67~1.77℃,其推算的云南气温栅格数据能较好地反映出云南各地气温的分布和差异;GWR模型对气温的交叉验证在5种插值方法中误差最小,插值结果 MAE在0.65℃以下,RMSE在0.8℃以下;进而使用"地理加权回归模型插值+反距离权重残差内插"叠加法对抽取的10个检验站平均气温进行插值检验,64%的插值结果绝对误差在0.5℃以内,74%的插值结果相对误差在5%以内,且实测值与插值估算值回归关系决定系数R2在0.9以上。 相似文献
7.
高山区多时间尺度Anusplin气温插值精度对比分析 总被引：1，自引：0，他引：1
以中国地形起伏较大的横断山区为研究区,利用研究区内51个国家气象站点1960-2014年气温数据,以高程为协变量,采用Anusplin对不同时间分辨率(年代、年均、季节、月、日)的气温数据分布进行空间插值。通过气象站点交叉验证,结合绝对误差(平均绝对误差和均方根误差)和相对误差(平均相对误差)等量化指标,对比分析各个时间尺度气温数据的插值精度。结果表明:(1)夏季插值的绝对精度和相对精度最优,年代、年均和秋季气温插值的绝对精度水平相近,春季次之,冬季气温插值的绝对精度和相对精度最差。(2)在区域气候变化趋势方面,各个时间尺度气温插值数据的变化趋势和变化率与观测值结果一致。(3)年内各月均温和各月内日均温插值结果的相对精度和绝对精度在夏季月份精度最佳,在冬季月份精度最差,且各月内日均温插值结果在绝对精度和相对精度方面均低于各月均温插值结果的精度水平。分析显示,利用Anusplin的山区气温插值,气温海拔梯度性的优劣是造成不同时间尺度气温插值精度水平不一致的主要原因。 相似文献
8.
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
9.
10.
《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