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。     

薄盘光滑样条插值中三种协变量方法的降水量插值精度比较

在薄盘光滑样条插值中,高相关协变量的选取决定了插值结果的精确性。以2001-2009年全国728个气象站点日降水为数据源,提取年降水量数据,在分析多年平均降水量与两协变量高程（DEM）和距海岸线距离（DCL）的空间相关性基础上,利用ANUSPLIN软件,比较不同协变量下降水量插值结果精度在全国尺度以及区域尺度上的差异。以DEM、DCL及DEM-DCL分别为协变量对降水量数据进行空间插值发现：①在全国尺度上,DEM法的平均绝对误差（MAE）为47.79,略低于DEM-DCL法（48.90）,但显著低于DCL法（55.54）;且DEM法的平均相对误差和均方根误差也明显低于其它两种方法。②在区域尺度上,除西藏地区外的其他7个区域,3种方法的插值误差与全国尺度上相一致。西藏地区降水插值结果以DCL法的精度最高,而DEM法则较差。研究建议除在西藏地区的降水量插值研究中采用DCL法,在全国其他大部分区域采用DEM法。     

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。     

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。     

顾及风向和风速的气温空间插值方法

当前气温插值方法多将高程、经纬度等作为影响因素,无法解决风向、风速对气温空间分布的影响问题。该文提出一种顾及风向和风速的气温空间插值方法:1)根据气象观测站点的风向、风速数据进行插值,生成连续的风场表面;2)基于该风场数据利用高斯扩散模型构建成本表面;3)利用Dijkstra最短路径算法计算观测点与待求点的累计移动成本最短路径(SPOCMC);4)将SPOCMC作为协变量进行薄盘光滑样条插值以实现气温插值。为验证该方法的有效性和可靠性,选取山东省109个气象观测点样本数据,以SPOCMC、DEM和SPOCMC-DEM分别作为协变量对气温数据进行薄盘光滑样条插值,结果显示:SPOCMC-DEM法的MAE和RMSE均值(分别为0.517、0.779)略低于SPOCMC法(0.583、1.016),显著低于DEM法(0.809、1.231),表明添加SPOCMC作为协变量可有效提高气温空间插值的准确性。在江苏省与贵州省的插值实验结果证明了该方法的普适性。     

基于贝叶斯最大熵的甘肃省多年平均降水空间化研究

 贝叶斯最大熵方法可以对具有一定不确定性的“软数据”和认为没有误差的“硬数据”进行插值。对甘肃省1961—1990年52个气象站点的多年平均降水数据进行空间化研究。通过比较普通克里格、共协克里格、三元回归建模后残差插值以及基于贝叶斯最大熵的3种不同软硬数据参与情况下的插值结果,发现考虑降水30 a时间序列不完整性以及辅助变量经验模型不确定性的插值结果的MAE和RMSE,比直接使用多年平均降水数据直接插值的MAE和RMSE小,表明贝叶斯最大熵方法通过对不确定性的考虑可以有效降低预测结果的绝对误差。从降水的空间分布来看,考虑辅助变量DEM的插值结果能相对较好的体现高程对降水的地形影响,尤其分区将辅助变量转换为软数据可以有效体现不同区域高程对降水的不同影响问题。综合误差评价以及降水插值结果的空间分布,认为BME插值过程中可以考虑数据本身以及辅助数据利用的不确定性,使降水空间化的结果更加真实客观,同时为合理利用辅助信息提供了一个新思路。     

SWH双源蒸散模型模拟效果验证及不确定性分析

SWH模型是在经典Shuttleworth-Wallace双源蒸散模型的基础上发展起来的蒸散模型。过去的研究结果表明在站点尺度上SWH模型表现出较高模拟精度,但有关模型对主要参数及驱动变量的敏感性以及模型模拟的不确定性来源等缺乏深入理解与认识。本文通过与51个陆地生态系统站点多年的蒸散观测数据对比,在季尺度、年尺度上验证了全国范围内SWH模型的模拟效果,并分析了关键参数和驱动变量对模型不确定性的贡献大小。结果表明：SWH模型在区域尺度上取得了较好的模拟效果,模拟蒸散与实测值R²均在0.75以上。模型各参数中,冠层导度估算涉及的两个参数对蒸散模拟不确定性影响较大;驱动数据中,归一化植被指数对蒸散模拟不确定性影响较大。尽管部分数据（如降水）因插补存在较大的误差,但总体上气候驱动数据对蒸散模拟的不确定性的贡献仍低于NDVI。     

近50年珠江流域降雨多尺度时空变化特征及其影响

利用珠江流域38个站点54 a日降水资料,采用Kendall非参数检验法、线性回归及空间克里格插值,对多种降雨指数时空变化及影响进行了研究。结果表明:1珠江流域西部年降雨有减少趋势,流域大部分的降雨日数则有增加趋势;2流域降雨具有季度、月份集中性,其中,季度集中性趋于空间均匀化,月份集中性趋向空间极端化;3极端降雨阈值东高西低,全区极端降雨在20世纪60、80年代末有突变现象,P0.01%设计值在21世纪达到最高。综合多尺度降雨时空变化结果进行分析,将珠江流域划分为广东(包括江西)、广西中北部(包括湖南)、广西西南及云贵4个降雨特征区,广东尤其是珠三角地区及广西中北部地区应注重防洪安全,广西西南与云贵地区应注重保障用水安全。     

东江流域枯水期最长连续无降水日数的变化特征

利用1956-2008年东江流域各降雨站点逐日降雨资料,建立枯水期最长连续无降水日数时间序列（LCDD）,采用经验模态分解（EMD）方法分析该序列的多尺度振荡变化及趋势变化,应用Mann-Kendall法识别突变点,采用R／S分析方法探讨变化趋势的持续性特征,并初步分析LCDD变化的可能原因。结果表明：近53年来,最长...     

大样本降水空间插值研究--以2009年中国年降水为例

以2009年全国2203个气象台站累积降水数据为例,采取逐步抽稀方法,定量分析大样本的数据样本量、样本空间分布、以及不同空间插值方法对插值结果的影响。研究表明：①在随机抽样中,总体而言,平均绝对误差（MAE）、均方根误差（RMSE）随着插值样本量的减小而增加、相关系数递减,特别当抽样比〈20%时,MAE、RMSE显著增加,R2显著减少;②以Thiessen多边形剖分的方式检验随机抽样、等间隔抽样、分区单站点控制面积约束抽样分布的均匀性,经交叉验证后知,样本空间分布对降水空间插值的结果影响比较复杂,并非越均匀越好;③对随机组中抽样比4%的数据和等间隔组,采用Kriging方法插值,插值结果优于IDW方法。以等间隔分布的（50%,50%）（、20%,80%）数据为例,采用IDW、Kriging方法,得到2009年全国降水空间分布图,降水空间分布规律与中国2009年实际降水量分布吻合。     

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。     

An ensemble approach to space–time interpolation

The availability of spatial data on an unprecedented scale as well as advancements in analytical and visualization techniques gives researchers the opportunity to study complex problems over large urban and regional areas. Nevertheless, few individual data sets exist that provide both the requisite spatial and/or temporal observational frequency to truly facilitate detailed investigations. Some data are collected frequently over time but only at a few geographic locations (e.g., weather stations). Similarly, other data are collected with a high level of spatial resolution but not at regular or frequent time intervals (e.g., satellite data). The purpose of this article is to present an interpolation approach that leverages the relative temporal richness of one data set with the relative spatial richness of another to fill in the gaps. Because different interpolation techniques are more appropriate than others for specific types of data, we propose a space–time interpolation approach whereby two interpolation methods – one for the temporal and one for the spatial dimension – are used in tandem to increase the accuracy results.

We call our ensemble approach the space–time interpolation environment (STIE). The primary steps within this environment include a spatial interpolation processor, a temporal interpolation processor, and a calibration processor, which enforces phenomenon-related behavioral constraints. The specific interpolation techniques used within the STIE can be chosen on the basis of suitability for the data and application at hand. In this article, we first describe STIE conceptually including the data input requirements, output structure, details of the primary steps, and the mechanism for coordinating the data within those steps. We then describe a case study focusing on urban land cover in Phoenix, Arizona, using our working implementation. Our empirical results show that our approach increased the accuracy for estimating urban land cover better than a single interpolation technique.     

Enhancing spatial accuracy of mobile phone data using multi-temporal dasymetric interpolation

Novel digital data sources allow us to attain enhanced knowledge about locations and mobilities of people in space and time. Already a fast-growing body of literature demonstrates the applicability and feasibility of mobile phone-based data in social sciences for considering mobile devices as proxies for people. However, the implementation of such data imposes many theoretical and methodological challenges. One major issue is the uneven spatial resolution of mobile phone data due to the spatial configuration of mobile network base stations and its spatial interpolation. To date, different interpolation techniques are applied to transform mobile phone data into other spatial divisions. However, these do not consider the temporality and societal context that shapes the human presence and mobility in space and time. The paper aims, first, to contribute to mobile phone-based research by addressing the need to give more attention to the spatial interpolation of given data, and further by proposing a dasymetric interpolation approach to enhance the spatial accuracy of mobile phone data. Second, it contributes to population modelling research by combining spatial, temporal and volumetric dasymetric mapping and integrating it with mobile phone data. In doing so, the paper presents a generic conceptual framework of a multi-temporal function-based dasymetric (MFD) interpolation method for mobile phone data. Empirical results demonstrate how the proposed interpolation method can improve the spatial accuracy of both night-time and daytime population distributions derived from different mobile phone data sets by taking advantage of ancillary data sources. The proposed interpolation method can be applied for both location- and person-based research, and is a fruitful starting point for improving the spatial interpolation methods for mobile phone data. We share the implementation of our method in GitHub as open access Python code.     

自然地理要素空间插值的几个问题

资源管理、灾害管理、生态环境治理以及全球变化研究的需要强化了部分自然地理要素空间插值研究的重要性。这些要素空间插值的核心是建立充分逼近要素空间分布特征的函数方程。对于给定的区域与要素样本值 ,插值函数可以有多种模型形式。各类模型的精度受其理论基础、模型算法、时空尺度效应、样本数据属性等因素的综合影响。通过对国际主要插值研究成果进行分析 ,文章认为各类模型插值精度的差异缘于模型对插值要素空间变异性与空间相关性的反映 ,具体应用中 ,只有对已知样本数据进行变异性与相关性分析才能选出适当的插值方法。     

基于CLDAS融合降水的中国降雨侵蚀力研究

气象站和卫星降雨资料估算降雨侵蚀力时存在无法反映空间异质性且精度差的问题,基于CLDAS多源融合降水,利用EI₆₀模型从不同的时空尺度对中国的降雨侵蚀力进行评估,并结合降雨量、侵蚀性降雨次数、侵蚀密度等指标,探讨降雨对土壤侵蚀的潜在作用。结果表明：（1） CLDAS降雨侵蚀力与地面实测数据在不同的时间尺度均有良好的回归关系,相关系数达到0.8以上,与CMORPH降雨侵蚀力相比,其相对误差显著降低,可以准确反映全国范围的降雨侵蚀力季节性变异。（2） 在2001—2020年,不同雨量区的降雨侵蚀力、降雨量和侵蚀性降雨次数的变化趋势基本一致,高雨量区的年际变化波动剧烈,侵蚀性降雨次数和暴雨过程协同影响降雨侵蚀力的大小。（3） 空间上,中国的降雨侵蚀力值的特点为东南沿海地区高、西北内陆地区低。时间上,侵蚀性降雨集中在5—8月,夏、秋两季对土壤造成的侵蚀影响更大。（4） 通过对年降雨量、年侵蚀密度和年暴雨量进行分区定量分析,结果表明暴雨量与侵蚀密度成正相关关系,即年降雨量一定,暴雨事件越多,降雨侵蚀密度越大。     

长江中上游降水空间分析的SIA方法

1 IntroductionW ith the developm ent of geoscience and interdisciplinary sciences, the precipitation data ofhigher resolution are dem anded by m any studies, especially by the study on the interactionbetw een terrestrial biosphere and atm osphere,and hydr…