秦岭主脊区年降水量空间插值最优方法研究北大核心CSCD

利用ARCGIS软件,以研究区多年平均年降水量为数据源,开展以下研究:(1)采用反距离权重法、普通(泛)克里金法、样条函数法和趋势面法进行直接内插。(2)利用降水量随海拔递增率,再次利用以上方法进行插值。(3)分析站点数量的变化对插值精度的影响。(4)分析插值空间尺度变化对插值精度的影响。针对插值结果,使用交叉验证法来评估插值方法的优劣,旨在找出研究区年降水量空间插值的最优方法。结果表明:(1)研究区多年降水量与纬度呈现出很好的负相关,与其他各地理环境因子相关性很差或无相关性。(2)考虑降水随海拔的递增率后,研究区南坡西段和研究区海拔<600 m和>800 m的大部分观测站的空间内插精度得到有效提高,其它区域以及其它海拔区间的插值精度反而降低,因此使用单一线性数据作为整个研究区降水随海拔的变化率不够科学和严谨。(3)在缺少研究区不同剖面降水观测资料的情况下,权重为0.001的正规则样条函数法是最优插值方法。(4)像元尺度在50~1 000 m间的变化对降水插值的不确定影响甚微;插值精度与选取的插值点个数无明显相关性,当站点个数为20个时,插值精度最高。     

秦岭主脊区年降水量空间插值最优方法研究

利用ARCGIS软件,以研究区多年平均年降水量为数据源,开展以下研究：（1）采用反距离权重法、普通（泛）克里金法、样条函数法和趋势面法进行直接内插。（2）利用降水量随海拔递增率,再次利用以上方法进行插值。（3）分析站点数量的变化对插值精度的影响。（4）分析插值空间尺度变化对插值精度的影响。针对插值结果,使用交叉验证法来评估插值方法的优劣,旨在找出研究区年降水量空间插值的最优方法。结果表明：（1）研究区多年降水量与纬度呈现出很好的负相关,与其他各地理环境因子相关性很差或无相关性。（2）考虑降水随海拔的递增率后,研究区南坡西段和研究区海拔<600 m和>800 m的大部分观测站的空间内插精度得到有效提高,其它区域以及其它海拔区间的插值精度反而降低,因此使用单一线性数据作为整个研究区降水随海拔的变化率不够科学和严谨。（3）在缺少研究区不同剖面降水观测资料的情况下,权重为0.001 的正规则样条函数法是最优插值方法。（4）像元尺度在50～1 000 m间的变化对降水插值的不确定影响甚微;插值精度与选取的插值点个数无明显相关性,当站点个数为20个时,插值精度最高。     

降雨量地面观测数据空间探索与插值方法探讨

空间插值方法广泛应用于气象数据产品的制作,其精度与气象要素的空间变异特征、气象观测站分布和插值方法选择有关。选择美国得州599个地面观测站30年平均降雨量记录,设计了27个观测站样本方案,选择全年、1月和8月数据,利用空间统计、空间自相关、半变异函数等方法探索降雨量的空间变异特征,并采用5种常规方法进行空间插值,比较和解释插值结果,在此基础上讨论基于知识的气象要素空间插值方法。案例研究发现:①降雨量地面观测数据通常具有明显的空间趋势、较强的空间自相关特征和较稳定的空间变异规律,但针对不同时段或采样方案,其空间自相关强度和半变异函数模型会有一定的差异。②增加气象观测站数,空间插值误差有减小的趋势;但观测站数目达到一定数值后,增加观测站数,插值精度提高并不明显。③在观测站较少时,不同插值方法间的精度差异较大,而在观测站充足的情况下,其差异有减小的趋势。④探讨气象要素与地理环境要素之间的关系,获得定量化的先验知识,开发基于知识的空间插值模型,是高精度气象要素插值的关键;线性加权回归和地理加权回归方法的初步试验验证了这一思路的有效性。     

基于地形高程的云南省降雨量空间插值方法研究

以云南省1961-2010年多年平均降雨量和云南省数字高程模型为基础数据源,通过对降雨数据的分析,将数字高程模型作为影响降雨强度的主要因素,引入到降雨量空间预测的多元地理统计中,并利用协同克里格算法构建降雨强度与地形高程之间的数学关系模型,对云南省年平均降雨数据进行空间插值模拟。插值结果与距离权重法、一阶局部多项式法、二阶局部多项式法、样条函数法、普通克里格法等其他5种空间数据插值方法进行对比与分析,并通过分析各个交叉检验统计量来验证评估数据的误差,从而选取出最优的空间插值方法。结果显示,普通克里格法和协同克里格法对降雨量空间插值的效果和精度高于反距离法、局部多项式法和样条函数法,而协同克里格法由于考虑了地形高程对降雨量的影响,具有更好的插值效果,因而更适合山地降雨数据的空间插值。     

梅江河流域年均降雨量空间插值方法研究

分析了降雨空间分布的影响要素及降雨空间插值的主要方法,并在此基础上,利用地理信息系统(GIS)的空间分析功能,综合考虑高程、坡度、坡向等影响降雨空间分布的多种要素,应用协克里金方法,探讨流域降雨量的空间插值问题及其应用,并与反距离权重法、克里金方法等单要素方法进行了降雨空间插值的效果比较.结果表明:应用协克里金方法,在综合考虑高程、坡度、坡向等影响要素的条件下,对降雨进行空间插值,其结果具有比较好的精度.     

梅江河流域年均降雨量空间插值方法研究

分析了降雨空间分布的影响要素及降雨空间插值的主要方法,并在此基础上,利用地理信息系统(GIS)的空间分析功能,综合考虑高程、坡度、坡向等影响降雨空间分布的多种要素,应用协克里金方法,探讨流域降雨量的空间插值问题及其应用,并与反距离权重法、克里金方法等单要素方法进行了降雨空间插值的效果比较.结果表明:应用协克里金方法,在综合考虑高程、坡度、坡向等影响要素的条件下,对降雨进行空间插值,其结果具有比较好的精度.     

基于GIS的新疆气温数据栅格化方法研究

以新疆99个气象台站1971-2010年年平均气温为数据源,采用多元回归结合空间插值的方法对新疆区域气温数据进行栅格化研究。建立了年平均气温与台站经纬度和海拔高度的多元回归模型,对于残差数据的插值采用了反距离权重法(IDW) 、普通克立格法 (Kriging)和样条函数法(Spline)3种目前应用广泛的空间插值方法,针对于这3种方法进行了基于MAE和RMSIE的交叉验证和对比分析,结果表明在新疆的年平均气温的GIS插值方案中,IDW方法精度总体要高于其他两种插值方法。     

城市人口分布的空间自相关分析——以沈阳市为例

为探测经典城市人口密度模型在微观层面上的适用性,本文通过计算基于格网的沈阳市人口景观密度,利用地统计学的理论与方法来分析其空间自相关性和变异性。研究发现:在10种不同采样粒度上人口密度半变异函数都符合球状模型,表征着城市人口分布具有较强的空间自相关性和变异性;但由于粒度不同,人口密度的空间自相关尺度不同,块金值不同,基台值不同,块金值与基台值的比值差异较大,证明人口分布的空间自相关具有较强的尺度依赖性;对于700m粒度而言,通过计算不同方向的半变异函数曲线可以发现,沈阳市人口密度呈现典型的带状异向性,反映出人口分布在不同方向上具有不同的结构特征。因此,研究城市人口分布时,可以城市人口分布的自相关性和变异性分析为基础,并须充分注意适宜尺度的选择和结构特征的识别。     

不同时间尺度、季节的气温数据空间平稳特征及其对插值结果的影响

不同时间尺度、季节的气温数据表现出不同的空间平稳特征。为探讨分析空间平稳性对气温插值的影响规律,采用趋势线法对气温数据进行空间平稳性探索,并对比分析不同空间平稳性条件下,普通线性回归、普通克里格、回归克里格的气温插值精度及插值结果的空间分布特点。结果显示：冬季日均、月均气温与年均气温呈现空间非平稳,插值精度随时间序列的增长而提高,随着气温数据逐渐趋于稳定,精度提高的幅度逐渐下降;夏季日均、月均气温呈现空间平稳,随时间序列的增长,插值精度的提高并不显著;夏季日均气温各插值方法的插值精度普遍高于冬季日均气温。与普通克里格相比,回归克里格能有效提高空间非平稳数据的插值精度。时间序列的增长削弱了不同插值算法之间的插值精度差异和插值结果空间分布差异。     

单沟泥石流危险性评价模型相关问题研究

基于云南地区、黄河积石峡水库区、四川省的北川县和都江堰龙池地区等地的泥石流数据，以具有代表性的灰色关联分析（Grey Relation Analysis, GRA）和支持向量机（Support Vector Machine, SVM）泥石流评价模型为例，探讨了单沟泥石流危险性评价模型在参数选取、样本数据的不均衡、泛化能力和泥石流系统的空间变异性等方面存在的问题。结果表明：寻优算法能够提高模型参数选取的效率和预测精度；样本扩充在一定程度上能够处理样本数据不均衡问题；泛化能力为模型固有属性，难以通过样本扩充得到提升；空间变异性通过控制指标的重要程度进而影响模型的精度。研究过程为单沟泥石流危险性评价模型相关问题的研究提供了新的思路，所得结论将为今后各类泥石流危险性评价模型运用提供指导。     

降雨信息空间插值的不确定性分析

文章以潮白河流域为样区,根据58个雨量站1990年的降雨观测数据,采用反距离权重法、克立格法、样条函数法、趋势面法等插值方法,分析了站点数量变化、时间尺度变化、栅格像元的尺度变化、插值方法的差异对降雨数据空间插值结果的影响,剖析降雨插值中的不确定性。结果表明：（1）插值站点数量越大,区域降雨插值的不确定性越小;（2）像元尺度在50m~1000m间变化对降雨插值的不确定性只有微弱的影响;（3）对应于时间尺度由年到月到日的变化,降雨插值的不确定性随时间尺度的减小而显著增大;（4）不同插值方法影响到降雨空间插值的不确定性水平。为了减少降雨信息空间插值的不确定性,根本途径是要引入第三方相关变量,并将其整合到现有的插值算法中。高相关性变量的选取及其与插值模型的整合方式将成为降雨插值研究的主导方向。     

Climate spatial variability and data resolution in a semi-arid watershed, south-eastern Arizona

In the 10,000 km² San Pedro River watershed area in south-eastern Arizona, high-resolution spatial patterns of long-term precipitation and temperature were better reproduced by kriging climate data with elevation as external drift (KED) than by multiple linear regression on station location and elevation as judged by the spatial distribution of interpolation error. Mean errors were similar overall, and interpolation accuracy for both methods increased with increasing correlation between climate variables and elevation. Uncertainty in station locations had negligible effect on mean estimation error, although error for individual stations varied as much as 27%. Our future ability to examine spatial aspects of climate change at high spatial resolution will be severely limited by continuing closures of climate stations in this part of the United States.     

Incorporating Spatial Dependence in Predictive Vegetation Models: Residual Interpolation Methods*

Predictive vegetation modeling can be used statistically to relate the distribution of vegetation across a landscape as a function of important environmental variables. Often these models are developed without considering the spatial pattern that is inherent in biogeographical data, resulting from either biotic processes or missing or misspecified environmental variables. Including spatial dependence explicitly in a predictive model can be an efficient way to improve model accuracy with the available data. In this study, model residuals were interpolated and added to model predictions, and the resulting prediction accuracies were assessed. Adding kriged residuals improved model accuracy more often than adding simulated residuals, although some alliances showed no improvement or worse accuracy when residuals were added. In general, the prediction accuracies that were not increased by adding kriged residuals were either rare in the sample or had high nonspatial model accuracy. Regression interpolation methods can be an important addition to current tools used in predictive vegetation models as they allow observations that are predicted well by environmental variables to be left alone, while adjusting over‐ and underpredicted observations based on local factors.     

空间软数据及其插值方法研究进展

由于对地观测技术的迅速发展,空间数据的种类和数量增长迅猛,由空间数据反演得到的各种信息日趋膨胀,这些反演结果中的信息不少以软数据的形式出现。在实际应用中,这些软数据往往与空间插值的目标变量具有一定的相关性,甚至成为控制目标变量空间分布特征的重要因素。然而,由于这些数据通常表示为非数值形式,在计算和处理上存在着一定困难,以致被传统的插值方法所忽视,从而造成信息浪费。近来出现的空间软插值方法是一种利用空间软数据作为辅助信息并以改善插值效果的方法,能够较好的处理并利用软数据所隐含的信息,具有较好的应用发展前景。本文根据空间软数据的特点及其分类,系统综述了空间软插值方法及其应用领域。首先分析了空间数据软硬性质的根本区别,论述了软数据的分类和“硬化”方法,然后介绍空间插值模型中对空间软数据的集成方法和原理,最后对空间软插值方法及其应用研究领域进行了展望。     

Leveraging correlation across space and time to interpolate geophysical data via CoKriging

Managing geophysical data generated by emerging spatiotemporal data sources (e.g. geosensor networks) presents a growing challenge to Geographic Information System science. The presence of correlation poses difficulties with respect to traditional spatial data analysis. This paper describes a novel spatiotemporal analytical scheme that allows us to yield a characterization of correlation in geophysical data along the spatial and temporal dimensions. We resort to a multivariate statistical model, namely CoKriging, in order to derive accurate spatiotemporal interpolation models. These predict unknown data by utilizing not only their own geosensor values at the same time, but also information from near past data. We use a window-based computation methodology that leverages the power of temporal correlation in a spatial modeling phase. This is done by also fitting the computed interpolation model to data which may change over time. In an assessment, using various geophysical data sets, we show that the presented algorithm is often able to deal with both spatial and temporal correlations. This helps to gain accuracy during the interpolation phase, compared to spatial and spatiotemporal competitors. Specifically, we evaluate the efficacy of the interpolation phase by using established machine-learning metrics (i.e. root mean squared error, Akaike information criterion and computation time).     

A treatise on the use of geostatistics for the characterization of nonrenewable resources

Five decades of geostatistical development are reviewed to summarize the state of the art for spatial interpolation vis-à-vis kriging or a form thereof. Although a search of the literature reveals a variety of kriging methods, there are but two infrastructures for geostatistical interpolation: simple cokriging, for estimating a single variable using two variables, and generalized cokriging, for estimating one or more variables using the same number of variables that are estimated. The many forms of kriging are varieties of these two interpolation infrastructures. This notion is emphasized to aid the selection of an appropriate interpolation model for a nonrenewable resource. These models are discussed, and literature for the models and for applicable software is cited. Additionally, all aspects of spatial interpolation are discussed, including the adequacy of spatial sampling, distribution characteristics of spatial samples, semivariograms, search parameters, and selection of interpolation models in conformance with spatial data characteristics. Finally, the relationship between interpolation and raster-based geographic information systems is emphasized.     

土壤粒径空间预测方法研究综述

土壤粒径（砂粒、粉粒和黏粒）是各种陆表过程和生态系统服务评估等模型的关键参数。作为一种土壤成分数据,土壤粒径的空间预测方法有和为1（或100%）等特殊要求,其空间分布精度受预测方法影响较大。本文针对土壤粒径相较于其他土壤属性的特殊性,提出了土壤粒径空间预测方法框架,综述了土壤粒径数据变换、空间插值和精度验证等系列方法,总结了提升土壤粒径空间预测精度的各种途径,包括通过有效的数据变换改善数据分布、结合数据分布特点选择合适的预测方法、结合辅助变量提升制图精度和分布合理性、使用混合模型提升插值精度、使用多成分联合模拟模型提升预测的系统性等。最后,提出了今后土壤粒径空间预测方法研究的未来方向,包括从考虑数据变换原理和机制角度改善数据分布、发展多成分联合模拟模型和高精度曲面建模方法,以及引入土壤粒径函数曲线并与随机模拟结合等。     

喀斯特地区春季土壤水分空间插值方法对比

以杨眉河小流域为研究区,通过土壤水分采样,选取辅助变量,采用普通克里金、协同克里金、回归克里金3种地统计学方法对土壤水分数据进行空间插值。结果表明：1）回归克里金对研究区土壤水分估算误差最小,其次为协克里金,普通克里金的误差最大;2）普通克里金生成的土壤水分表面最为平滑,而回归克里金最大程度反映了研究区实际的土壤水分空间变化;3）对于协同克里金,以湿度指数（WI）样点数据作为辅助变量的估算误差小于将WI栅格数据作为辅助变量的估算误差。总之,在可获得有效辅助变量的条件下,回归克里金对研究区土壤水分估算的效果优于协同克里金与普通克里金。