稀疏格网样点的国家尺度土壤属性制图方法与应用

 国家尺度土壤属性数据是地球生物化学循环及水循环等领域研究的重要数据,目前,该尺度土壤属性数据的获取方法主要有两类:土壤属性-空间数据连接法和空间插值。为了确定哪一类方法更适合稀疏样点的国家尺度土壤属性制图,本文以中国吉林省的土壤有机质含量制图为例,采用8~32km格网样点和1∶100万土壤图,对这两类方法进行对比分析。独立样本验证结果表明,土壤属性-空间数据连接法的平均误差(ME)大于距离反比加权(IDW)插值,而平均绝对误差(MAE)和均方根误差(RMSE)都小于IDW插值。IDW插值获得的土壤属性图虽然能大致反映土壤属性空间分布的基本规律,但出现了类似"牛眼睛"的空间结构,且存在无样点区估计值不准确等问题;土壤属性-空间数据连接法尽管忽略了同种土壤类型内部的差异,保留了不同土壤类型边界处的属性值突变,但获得的土壤属性图更能反映土壤属性分布的基本规律,也具有比较详细的土壤属性空间结构。因此,在基于稀疏样点的国家尺度土壤属性制图中,土壤属性-空间数据连接法的制图效果要优于IDW空间插值法。     

结合TRMM数据的区域降水高精度曲面建模研究

高精度曲面建模方法（High Accuracy Surface Modeling, HASM）,从理论上解决了传统方法在插值过程中峰值削平和边界震荡等问题。其模拟精度相对于经典插值方法有很大提高,已成功应用于人口密度、土壤属性,以及气候要素等领域的空间制图。然而,由于地面气象站点数量和分布的限制,使得HASM仅依靠站点数据难以得到高精度的空间降水估计数据,因此,本文以地貌与气候类型复杂多样的我国中西部地区2010年年降水量空间分布模拟为例,采用混合插值法进行HASM区域降水模拟。结果表明,TRMM作为背景场的HASM模拟的年降水量精度,在全局和局部明显优于IDW、Spline和Kriging等经典插值方法的结果,作为背景场的HASM模拟精度,MAE和RMSE分别为125.15 mm和155.80 mm,其他方法最好的模拟结果比其误差值分别高出53.6%和54.5%;其模拟误差在不同子区域都较小;各种方法在平原的精度都高于山区的精度。     

面向稀疏散布数据集的时空Kriging优化

时空Kriging法通过将变异函数向时空域进行扩展得到时空变异函数,有效地利用时空邻近的采样点综合进行插值,由于时空稀疏散布数据集具有单一时刻下样本点数量少以及时空分布不规律的特点,难以满足使用时空Kriging插值法的基本条件,导致插值精度不高,据此本文提出了优化方法：通过多时段叠置拟合空间变异函数的方法,综合利用时空邻域内的采样点以解决单一时刻下空间邻域内数量不足情况;控制时间变异对空间变异函数拟合的误差影响;采用积合式模型构建时空变异函数进行插值。最后使用Argo海温数据进行插值实验,在相同条件下与时空Kriging法以及时空权重法的交叉验证结果对比得出,该方法在保证拟合所需采样点数量要求的同时,有效削减了一般时空Kriging法中时间变异对空间变异函数拟合结果的干扰,插值结果的绝对误差均值从0.5降低至0.2以内,稳定性进一步增强,改善了时空Kriging法在稀疏散布数据条件下精度上的不足。     

克里格法的土壤水分遥感尺度转换

 尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。     

多年平均气温数据空间化误差的尺度效应

属性数据空间化是利用矢量数据生成栅格数据产品的有效方法,它有助于不同来源、不同格式之间的数据的综合分析。空间化是一种必然有误差伴随的过程,为探讨空间化误差与数据源密度、空间化模型方法,以及空间化分辨率之间的关系,本文利用7种水平的气象站点密度、5种空间化模型方法和19种栅格分辨率分析多年平均气温数据空间化误差与这3类影响因子之间的关系。分析发现：（1）气象站点密度的降低导致多年平均气温数据的空间化误差增加;（2）在IDW、Kriging、Adjusted IDW、Regression和Anusplin 5种空间化模型方法中,Adjusted IDW、Regression、Anusplin比IDW、Kriging的精度高;（3）随着栅格分辨率的变粗,多年平均气温数据空间化误差增大;（4）在影响空间化精度的3类因子中,空间化模型方法对空间化精度的影响最大,栅格分辨率次之,气象站点密度的影响最小。通过多元回归分析,建立了多年平均气温数据空间化误差与这3类影响因子之间的定量模型,可为空间化技术方案的制定提供参考和依据。     

基于稀疏样点的蒙古国产草量估算方法研究

产草量是衡量草原生产力和诊断草原健康状况的指标,是草地资源管理的重要依据。近年来,遥感数据结合地面实测数据建模已成为产草量估算的重要手段。充足的实测样点信息是产草量遥感建模估算的基础。受境外采样多重因素的制约,蒙古国产草量估算研究中无法获取足够且分布均匀的实测样点,估产模型的精度受到影响,这一问题目前尚未发现有好的解决方法。本研究选取中蒙铁路沿线（蒙古段）两侧200 km缓冲区作为研究区,针对产草量遥感估算中野外样点稀少且分布不均的问题,引入P-BSHADE方法,基于多年NDVI数据和获取的少量地面实测样点数据,考虑草地分布的非均匀性以及样点之间的相关性,对均匀分布的模拟样点处的产草量数据进行插值实验。结果显示,P-BSHADE法的插值效果优于Kriging法,可得到均匀分布于研究区的样点。基于以上实测样点和插值样点,结合NDVI、EVI、PsnNet 3种植被指数进行遥感建模,最优模型精度达到80%,精度优于已有相关研究。选取其中最优的基于NDVI的指数模型对研究区2000—2019年产草量进行反演,获得的产草量空间格局与年际变化与已有研究结果趋势吻合,进一步印证了结果的可靠性和插值方法的可行性。本研究通过插值的方式改善数据源从而提高估算模型精度是一种全新的思路与尝试,对于“一带一路”等境外区域资源环境监测具有借鉴意义。     

机载LiDAR点云密度和插值方法对DEM及地表粗糙度精度影响分析

机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model, DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging, OK),径向基函数(Radial Basis Function, RBF),不规则三角网(Triangulated Irregular Network, TIN),自然邻域(Natural Neighbor, NN)和反距离加权(Inverse Distance Weighting, IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明:(1) DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30%后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;(2) DEM误差与...     

基于HASM方法的黑河流域潜在蒸发量的模拟

潜在蒸发作为研究蒸发及区域水循环的重要因素之一,其模拟结果对相关领域的研究应用具有重要影响。利用 2000-2009年“黑河流域每日四次常规气象观测数据集”所提供的12个气象站点的潜在蒸发数据,对黑河流域潜在蒸发量进行模拟。首先针对潜在蒸发的特点,分析影响研究区域潜在蒸发的气象因素、地理及地形因素,使用多项式回归和逐步回归的方法对研究区域潜在蒸发进行了背景趋势模拟,选出影响潜在蒸发的最优影响因素组合,在此基础上采用高精度曲面建模（HASM）方法,结合站点实测数据,对去掉趋势后的残差进行精度修正。本文使用kriging法、IDW法和Spline法插值所得潜在蒸发数据,以及“黑河流域1980-2010年3 km 6 h模拟气象强迫数据”作为对照,比较验证模拟精度。模拟结果表明：HASM方法模拟精度最高,模拟结果分布合理,表明该方法在潜在蒸发模拟中具有应用前景。该方法所得到的潜在蒸发数据可作为基础地理数据供相关研究应用。     

利用半自由点质量模型拟合局部（似）大地水准面

为提高GPS/水准法拟合（似）大地水准面的精度,基于重力场等效逼近理论,建立一种半自由点质量模型。顾及相邻点之间的关系并结合高程异常与扰动位之间解析式的特殊性,提出确定模型参数（埋深和大小）的迭代算法,通过拟合点下方多个不同埋深质点实现重力场元的多频段拟合,并利用不同条件的实验数据进行拟合实验。结果表明,利用该模型进行（似）大地水准面拟合是可行的,其精度较传统的Kriging/Co-Kriging法高。     

海河流域降水空间插值方法的选取

在水资源承载力模型的研究中,空间插值可以提供每个计算栅格的气象要素资料。在众多的气象要素空间插值方法中,并没有一种适合每一个气象要素的最佳插值方法,因此在不同的区域进行气象插值时,宜采用不同的方法进行比较,从而得到最佳的插值方法。本文以京津冀地区43个站1961-2000年降水资料为数据源,选用了距离平方反比法(IDS)、梯度距离平方比和普通克里格法。交叉验证结果表明:在海河流域进行降水插值分析时由于各月份降水与高程之间的相关系数较弱,不宜采用GIDS方法;在本研究区内大部分月份降水数据进行对数变换后进行插值,插值精度得到了提升;对于月降水的插值Kriging方法比IDW方法更加优越。     

线性加权回归模型的高原山地区域降水空间插值研究

在山地和高原区域,地形对降水影响比较显著。常规空间插值方法通常不考虑地形要素,插值精度有限。考虑到降水量与高程存在较强的相关关系,采用局部线性加权回归模型预测山地和高原区域的降水分布。推导了回归计算公式,并在ArcGIS 9.0中编程实现算法。选取美国德克萨斯州西北部地区进行局部线性加权回归空间插值,并与普通Kriging、倒距离加权法比较。误差分析表明:在地形复杂的地区,线性加权回归模型比传统方法有优势。     

局部SVT算法的遥感反演场数据恢复实验分析

 遥感反演场数据会由于云雾、地物的遮挡,传感器性能等原因造成部分区域数据的缺失而影响遥感反演场数据的应用。矩阵填充理论针对低秩矩阵,利用矩阵的低秩性,即数据的高相关性,可以高精度地对低秩矩阵中的缺值数值进行恢复,其中矩阵填充理论中的SVT(Singular Value Thresholding)算法可以对矩阵中缺失数值进行快速、高精度的估计,应用广泛。本文应用矩阵填充理论的SVT算法,以缺值点为中心,方差最小作为窗口尺度选择的标准,这样可以保证区域数据的高相关性,建立局部窗口,对窗口进行SVT算法填充。本文也针对相同缺值区域进行了距离反比加权插值、Kriging插值法插值和整体SVT算法插值,整体SVT算法插值即并未对缺值点进行相关性窗口判断,而是直接对整个区域进行SVT填充。并对这几种方法的精度进行比较,得到局部SVT算法的精度相比整体SVT算法和距离反比加权插值算法的精度要高,与Kriging算法相比,其精度变化趋势相似,在锋面区域局部SVT算法精度比Kriging方法要高。     

气温插值中不同空间插值方法的适用性分析——以江苏省为例

气温是最重要的气象因子之一,空间插值为台站气象数据降尺度提供了有效方法.本文利用江苏省67个气象台站2003年的逐日气温资料计算逐月平均气温和年平均气温,结合空间分辨率为30mX 30m的DEM数据,分别利用反距离权重法、张力样条插值法、普通克里格插值法和协同克里格插值法,对月和年平均气温进行插值,并利用交叉验证法对插...     

Kriging插值和序贯高斯条件模拟算法的对比分析

本文对Kriging插值与序贯高斯条件模拟值的算法联系进行了推导,并将两种计算结果和原始数据的统计参数作了对比。结果表明,Monto-carlo方法求得的序贯高斯条件模拟值经数学变换后等同于已知数据和此前模拟数据共同参与的Kriging插值结果与一个随机偏差的和,该随机偏差的均值为0,方差为Kriging误差方差。最优性条件导致Kriging插值结果的方差较原始数据降低了1个Kriging误差方差,造成Kriging平滑效应,其空间变异函数值降低,但自协方差函数值不变。序贯高斯条件模拟避免了平滑效应,其方差、变异函数和自协方差函数均不变,而其模拟值的误差方差较Kriging误差方差增加了1倍,表明1次随机模拟值的误差比Kriging插值大。然而,多次随机模拟值的平均值与Kriging插值的地理制图效果近似,可以弥补局部估值误差大的不足。因此,在应用中,Kriging插值是提供局部最优估计的方法,但却低估了全局的空间变异。而序贯高斯条件模拟的优点,在于提供若干等可能概率的模拟结果以进行估值的不确定性评价,并再现全局的空间可变性。     

水稻土有机碳密度的空间预测分析——以浙江省长兴县为例

准确预测未采样区域SOC密度,是研究SOC演变趋势和探索土壤固碳作用对缓解全球气候变化的基础。采用泛克里格法(Universal Kriging,UK)和土壤类型法(pedological professional knowledge-based method,PKB),分别对长兴县水稻土有机碳密度进行了预测,其中,UK直接以长兴水稻土剖面资料为源数据、PKB以长兴水稻土剖面数据和长兴1∶5万数字土壤图为源数据进行预测。根据平均绝对误差(MAE)及均方根误差(RMSE)大小,评价了两种方法在县域尺度土壤有机碳密度空间预测效果。结果表明:UK的MAE(31.2)、RMSE(52.5)均大于PKB的MAE(24.7)、RMSE(43.1),说明PKB法的预测效果较好,UK法相对较差。研究表明,对土壤类型、土壤母质,以及剖面点位置等信息的综合考虑能使PKB法更好地表达土壤属性的空间特征,也更适于县域尺度土壤有机碳密度的空间预测。     

基于DEM修正的MODIS地表温度产品空间插值

地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km²时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km²,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km²时,插值误差<0.55 ℃,云覆盖区域<10.4 km²,插值误差<1℃;当云覆盖为1.1~2.7 km²时,DEM+SPLINE方法的插值精度高于DEM+OK方法。