基于ANUSPLIN 的降水空间插值方法研究

【目的】对黄淮海平原点状降水数据进行空间插值,筛选最优模型,分析插值精度,为该区域水分供给状况分析、农业干旱研究等提供科学依据与技术支撑。【方法】采用基于样条函数插值理论的专业气象插值软件ANUSPLIN,根据黄淮海平原内457个气象站点1981—2010年连续30年的降水数据,分别以分辨率为90 m、1 km的高程数据作为第三变量,对降水数据进行空间插值,根据误差统计选出最优插值模型,分析不同分辨率的数字高程模型与插值精度的关系;为比较ANUSPLIN插值结果,随机选取29个点的降水数据作为验证集,同时将其与克里金插值方法进行比较。【结果】(1)对所选气象站点数据进行交叉验证发现,相比较克里金插值,ANUSPLIN得到的结果精度更高。冬季降水量较少时的插值精度比降水集中的6—8月份的插值精度高,利用ANUSPLIN对冬季的降水数据插值的均方根误差为0.38 mm,夏季为4.19 mm,克里金方法对冬季降水数据插值后对应的RMSE为0.45 mm、夏季为4.31 mm;(2)DEM分辨率越高,对应的插值精度会有所提升,对夏季降水插值较明显,利用90 m分辨率的DEM对夏季降水插值,RMSE为4.19 mm,1 km分辨率的DEM插值后对应的RMSE为4.24 mm。【结论】通过ANUSPLIN对黄淮海平原的降水插值方法研究,探讨插值精度与DEM分辨率的关系,发现提高协变量数据DEM的分辨率可以获得更高精度的降水栅格数据,相比较克里金方法,AUNSPLIN获得的结果更加细致地描绘出地形因素对降雨空间分布的影响,为黄淮海平原干旱分析、指导当地农作物灌溉生产提供重要的决策支持信息。     

基于GIS的东北地区气象要素空间插值方法

[目的]研究东北地区气象要素的最佳空间插值方法。[方法]利用ArcInfo GIS软件的地统计分析工具,采用反距离加权插值、径向基函数法和克里格插值等多种空间插值方法,对东北地区年降雨量和月平均气温等气象要素进行空间插值研究,从而确定最适宜某个气象因子的插值方法。[结果]对于月平均气温,克里格方法的空间插值效果较好;对于年降水量,利用径向基函数法效果较好。[结论]东北地区月平均气温和年降水量存在明显地区差异,月平均气温南高北低,年降水量西北少、东南多。     

基于GIS海南岛气象要素空间插值法比较分析

应用普通克里格插值法(OK)、反距离权重插值法(IDW)、样条插值法(Spline)以及混合插值法(MLR)对海南岛18个长期气象观测站1979～2008年年均气温、年降水量、年日照时数以及年积温进行空间栅格化,并进行结果对比分析。结果表明:通过交叉检验的MAE和RMSIE的误差分析表明,MLR插值精度最高,样条插值法插值精度最低,普通克里格与反距离权重插值法插值精度接近。总体来看,混合插值法(MLR)是海南岛气象要素最优空间插值法。     

时间序列季节调整方法在气象要素预测中的应用分析

采用时间序列方法,对临汾市气象要素时间序列进行了季节调整,结果表明该方法不仅对要素表现出不同的特征,对地域也有区别;通过与线性回归比较,发现该方法也能达到较好的精度,但在实际应用中要结合专业知识,根据使用目的与具体情况考虑是否使用。     

丹寨国家一般气象站30a气象要素序列对比分析

该文对丹寨气象站1971-2000年和1981-2010年两个序列30a的气象要素进行对比分析,结果表明：1981～2010年30a气温和极端气温、地面温度序列呈升高变化趋势快,空气湿度变小趋势快,气压变化平稳,降雨量增多趋势大但局部分布不均,日照增多趋势快,风速减少趋势快但风向变化不大。     

基于时间序列的黑龙江省粮食产量预测

应用时间序列分析方法,建立粮食生产动态模型,利用黑龙江省1980～2006年粮食总产量的数据进行了粮食产量的预测。将预测数据实际数据对比,结果表明：抛物线型趋势线平均百分误差为9.60,平均绝对误差为215.80,平均偏差平方和为70 281.90是准确度最高的。而指数型趋势线预测值在最近4年内最接近实际产量,其精度分别达到98.32%、97.31%、96.35%和94.02%。     

基于地质统计学的DTM空间插值技术研究

本文针对数字地面模型（Digital Terrain Model）的建模问题,将高程看作区域化变量,应用地质统计学（GS）中普通克立格（简写OK法）研究了1个山区高程空间变异分析及其插值.结果表明：OK法可以进行DTM的最优空间插值,而且可提供插值结果的精度,能满足DTM对高程的精度要求,其插值结果表明OK法可以直接用于DTM的建模.     

基于BP神经网络的土壤养分空间插值

以广东省增城市为研究对象,采集全市内200个土壤样点,利用BP神经网络插值方法对研究区土壤的氮和磷进行空间插值预测,将插值结果与土壤样点实测值进行对比,得到预测数据的误差均方根.结果表明,BP神经网络的插值精度比克里格高,在样点较少的情况下,BP神经网络的插值结果克服了克里格插值方法的平滑效应.BP神经网络对插值的样本数据的分布类型没有要求,比传统插值方法有更强的泛化能力,是一种可替代的插值方法.     

不同插值方法对土壤养分空间插值结果的影响——以寿西湖农场为例

土壤养分具有空间变异性规律,养分插值的结果直接关系到耕地地理评价的精度与可用性。国内多位学者已经对不同插值方法进行了对比研究,但多数是基于单一养分插值结果的分析。该研究选取安徽省寿县寿西湖农场平原区为研究区,对比分析不同插值方法得到的插值结果,探讨其对养分插值结果精度的差异,发现最佳插值方法,用来指导更加合理的养分空间管理。     

基于GIS的山西永定河流域降水空间插值方法分析

以山西省永定河流域20个国家基本气象站点43年平均降水数据为基础,运用ArcGIS软件地统计学模块进行空间降水插值试验,分别采用了反距离加权法(IDW)、径向基函数法(RBF)和克里格法(KRIG-ING)3种常见的空间内插方法,探讨了山西永定河降水的空间分布。分析发现,3种插值方法在分析区域降水空间分布方面各有优缺点,其均方根预测误差(RMS)的排列顺序为KRIGING相似文献   

水稻抽穗扬花期极端高温发生时空特征及热害风险区识别——以南充市为例

以2000—2018年南充市水稻抽穗扬花期（7—8月）气象站点逐日最高气温数据为基础,通过年距平法、累计距平法提取南充市极端高温发生的时间特征;计算包括市域范围内及周边地区17个站点的多年水稻高温热害累积指数,并借助ANUSPLIN软件进行插值以获得南充市极端高温发生的空间特征;最终结合水稻种植范围、人口数量分布数据以及高温热害风险性分析模型识别南充市各等级水稻高温热害风险区。结果表明： 2006年为研究时段极端高温发生最严重的年份,其次是2017年,极端高温发生日数较常年明显偏多。2010年为南充市气温变化的转折点,2010—2018年平均日最高气温明显高于2000—2010年,预计未来极端高温天气出现的频率和强度持续增大。蓬安县、营山县为遭受极端高温天气最频繁的两个县,其次是高坪区、南部县和西充县。水稻高温热害高风险区在高坪区、营山县分布最多,中风险区在各县均有较广泛分布,而低风险区则集中分布在南部县西北部、阆中市北部和营山县东北部的山地、丘陵。水稻高温热害风险区的识别能为人们更好地安排农业生产和政府更科学地进行城市规划与改造等提供参考依据。