期刊文献+

基于协同克里格插值法的年均温空间插值的参数选择研究 被引量:22

Study on Parameters Setting of Ordinary Cokriging Interpretation to Average Annual Temperature
下载PDF
导出
摘要 为了确定可能的参数设定对协同克里格插值结果的影响,本文以福建省66个气象站点的2007年平均气温为例,在ArcGIS软件地统计模块的支持下,采用交叉检验方法对插值过程中半变异函数的最优理论模型、最佳分割距离、基台和块金以及空间数据变异方向性等参数和模型的选择进行了影响分析.结果表明,考虑高程影响因素的协同克里格(Cokriging)插值结果可以较真实的模拟气象的空间分布特征,而在插值时选用什么样的模型和参数对插值结果影响较大,为此,应综合数据和研究区的特征,对相关模型和参数进行合理的选择,进而获得最小的拟合误差和最优的插值结果. In order to explore the effect of possible parameters setting on the kriging interpolation results,this paper took the average temperature in 2007 of 66 Fujian meteorological station as example,under the support of ArcGIS software,we did the impact analysis of the selection of models and some parameters such as the variogram’s optimal theoretical model in the process of interpolation,the best partition distance,base station and the nugget variance,the spatial data variation directivity,with the cross-validation.The results show that the ordinary cokriging interpolation results considing the impact of elevation can simulate the meteorological characteristics truly,However,choosing what models and parameters in the processing of interpolation has great impact on the interpolation results,therefore,considering the characteristics of comprehensive data and the study area,chosen the relevant models and parameters reasonably,so that to acquire the smallest fitting error and the optimal interpolation results.
作者 季青 余明
出处 《首都师范大学学报(自然科学版)》 2010年第4期81-87,共7页 Journal of Capital Normal University:Natural Science Edition
基金 教育部重点实验室课题(LGISEM0810) 福建省科技计划重点项目(2006Y0008)
关键词 协同克里格插值 ESDA 参数选择 年均温 福建省 Cokriging ESDA Parameter setting Average temperature Fujian province.
  • 相关文献

参考文献12

二级参考文献57

  • 1廖顺宝,李泽辉.气温数据栅格化中的几个具体问题[J].气象科技,2004,32(5):352-356. 被引量:64
  • 2周锁铨,缪启龙,吴战平,于俊伟.山区平均气温细网格插值方法的比较[J].南京气象学院学报,1994,17(4):488-492. 被引量:15
  • 3刘登伟,封志明,杨艳昭.海河流域降水空间插值方法的选取[J].地球信息科学,2006,8(4):75-79. 被引量:57
  • 4周允华 中国科学院北京农业生态系统试验站.中国地区光合有效辐射能量和光量子通量的时空分布.农田作物环境实验研究[M].北京:气象出版社,1990.15-39.
  • 5Holdaway M R. Spatial modeling and interpolation of monthly temperature using Kriging. Clim. Res., 1996, 24:1835-1845.
  • 6[13]Bardossy A, et al. A geostatistical model of reservoir deposition. Water Resources Research, 1987,23:510~514.
  • 7[14]Laslett G M, et al. Comparison of several spatial prediction methods for soil pH. Journal of Soil Science, 1987,38:325~341.
  • 8[15]Phillips D L, et al. A comparison of geostatistical procedures for spatial analysis of precipitation in mountainous terrain. Agricultural and Forest Meterology, 1992,58:119~141.
  • 9[16]Myers R H. Classical and Modern Regression with Applications. PWS-Kent Publishing, Boston, MA, 1990. 488~495.
  • 10[17]Legates D R, et al. Mean seasonal and spatial variability in global surface air temperature. Theor. Appl. Climatol. , 1990,41:11~21.

共引文献1116

同被引文献287

引证文献22

二级引证文献163

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部