时空克里金评估河套灌区土壤盐分时空格局

区域土壤盐分时空变异性大,采用经典统计和地统计方法无法准确判断取样时间不规则、空间位置不一致的土壤盐分的时空变化趋势。本文以内蒙古河套灌区隆胜研究区68个监测点0~1.8 m土壤剖面4582个土壤盐分数据为基础,利用时空地统计方法分析区域土壤盐分时空变化特征,比较时空克里金较传统空间克里金插值的精度提升效果,并验证时空地统计方法在监测点减少50%情况下预测区域盐分时空动态的能力。结果表明:(1)该研究区土壤盐分空间变异系数的变化范围是0.43~1.14,为中强变异,0~0.6 m根系层生育期积盐、非生育期脱盐,0.6~1.8 m土壤剖面生育期脱盐、非生育期积盐、农田土壤盐分有明显的季节性规律。(2)和度量模型能较好拟合盐分时空经验半方差,各层土壤盐分预测值和观测值间的均方根误差RMSE均小于0.21 dS·m^(-1),较传统空间克里金的RMSE小0.02~0.09 d S·m^(-1)。(3)采用该方法在减少50%监测点情况下确定的土壤盐渍化分布与所有取样点确定的结果一致性较高,0~0.6 m和0.6~1.2 m土壤盐分面积间的相对误差MRE分别为-13.20%和-8.35%,RMSE为466.67hm2和494.43 hm2,决定系数R2为0.79和0.72。时空克里金同时利用了土壤盐分时间和空间上的更多信息,实现了稀疏盐分监测点数据集土壤盐分时空动态的精确估计,可极大提高区域土壤盐分时空格局监测的效率。

利用时空协同克里金方法时空估算中国新疆降水量（英文）

在对地观测中,所研究的地学变量不仅具有时间、空间特征,还受其它变量的影响,采用多元时空相关数据,可以提高时空估值的精度。以新疆区域为试验区,利用1960—2013年气象站的降水量观测数据的月平均值,采用时空克里金和时空协同克里金插值方法,估计试验区2013年1—12月降水量的时空分布情况。在使用时空协同克里金插值过程中,建立时空直接变异函数和协变异函数是时空CoKriging插值的关键一步。以该地区1960—2013年月平均降水量为主变量,引入同时间同位置的月平均空气相对湿度作为协变量,对降水量和空气相对湿度进行时空直接变异函数和时空交叉协变异函数建模。实验结果表明,引入空气相对湿度作为协变量的时空协同克里金的插值方法比时空普通克里金的插值方法的均方根误差降低了31.46%;引入空气相对湿度作为协变量的时空协同克里金的插值方法的估计值与观测值的相关系数比时空普通克里金的插值方法的相关系数提高了5.07%。因此,引入空气湿度作为协变量的时空协同克里金插值方法提高了插值精度。

基于时空模型的PM(2.5)预测与插值

PM_（2.5）已对我国的空气质量构成了严重威胁,对其预警、预报具有重要的意义.由于PM_（2.5）数据同时具有时间与空间属性,而目前的研究缺少对其时空属性的探索与挖掘.以2015年10~12月华北地区58个城市的日均PM_（2.5）浓度数据作为实验数据,利用时空自回归移动平均（STARMA）模型及只考虑时间属性的自回归移动平均（ARMA）模型对PM_（2.5）进行预测,并利用时空克里金插值与只考虑空间属性的普通克里金插值对PM_（2.5）进行插值.结果表明,STARMA模型与ARMA模型的预测相比,时空克里金与普通克里金的插值相比,PM_（2.5）预测及插值精度均有所提升,且具有时空灵活性.

海面风场数据时空融合方法研究

为满足HY-2A卫星全球海面风场业务化的需求,解决单星数据覆盖范围不足的问题,提出利用时空Kriging算法实现多源星载微波散射计海面风场融合的方法。从散射计海面风场数据的特征和规律出发,将空间Kriging插值算法拓展到时空域,构建了新的时空变异函数,实现了多源散射计海面风场数据的时空融合。以中国东部的部分海域作为研究区,选取了SCAT/HY-2A和ASCAT/Met Op-A海面风场数据进行实验,并采用NCEP风场数据进行对比验证。结果表明,时空Kriging海面风场融合算法能够获得时空连续的海面风场信息,精度优于基于空间Kriging插值的算法。

基于空间插值的室内湿度场模拟方法比较分析

空间插值是研究空间因子区域分布特征的重要方法,可实现空间因子可视化展示。不同的空间因子受影响不同,导致空间插值方法的可靠性和适用性存在差异。为了确定室内区域湿度场动态实时化模拟的最佳方法,以Inter实验室内54个温湿度传感器的一个月采集数据为研究案例。综合分析了反距离权重插值、径向基函数插值、普通克里金插值、协同克里金插值、时空克里金插值和时空协同克里金插值6种空间插值方法,并采用交叉验证的方法对插值结果进行比较。结果表明,时空协同克里金插值方法在模拟准确度、可信度和反应极值等能力都要优于其余几种插值方法。

基于GTWRK的PM_(2.5)浓度空间插值方法

针对常规PM_(2.5)浓度预测方法难以同时处理PM_(2.5)浓度分布的时空非平稳性和空间自相关性的问题,构建了顾及多因子影响的时空地理加权回归克里金(Geographically and Temporally Weighted Regression Kriging,GTWRK)模型进行广西地区PM_(2.5)浓度预测,并与地理加权回归(Geographically Weighted Regression,GWR)、地理加权回归克里金和时空地理加权回归模型的预测结果进行对比。结果表明,GTWRK模型较其他模型具有更高的精度,决定系数(R^(2))、平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Square Error,RMSE)分别为0.81,4.69μg/m^(3),6.44μg/m^(3);对GTWRK模型的预测结果进行空间化表达,得到2015—2019年广西PM_(2.5)浓度空间分布,结果显示,空间上,高浓度PM_(2.5)分布于柳州和桂林,低浓度PM_(2.5)分布于防城港和北海;时间上,高浓度的PM_(2.5)分布面积逐年递减。

结合地基PM_(2.5)观测资料构建京津冀MODIS AOD完整数据集

针对遥感气溶胶光学厚度(AOD)产品普遍存在的非随机性缺失问题,本文选取2020年京津冀地区10km×10km的MODIS_MYDMOD04_L2日值数据和地基PM_(2.5)浓度观测日值数据,经过MODIS AOD单星两种算法产品的逆方差加权及双星算术平均融合、PM_(2.5)浓度数据的嵌套式时空混合效应模型转换融合和基于上述两种融合产品的时空克里金插值融合等方法集成,建立了研究区完整的AOD日值数据集.结果显示:经AERONET AOD数据验证,双星MODIS AOD融合结果R^(2)为0.87,RMSE为0.27;混合效应模型转换融合结果R^(2)为0.82,RMSE为0.31;时空克里金插值融合结果R^(2)为0.83,RMSE为0.28.AOD数据年平均每日空间覆盖率从MODIS原始数据的58.36%提高到时空克里金插值融合后的98.00%.MODIS AOD多算法多星数据融合的作用是增强与PM_(2.5)浓度日均值数据在时间尺度上的匹配度.地基PM_(2.5)浓度转换融合的作用一是补充区域内分布较均匀的局域AOD相对高值数据,保障了后续时空克里金插值的整体精度;二是能改善大片区域原始AOD数据缺失问题,可明显提高插值的时空覆盖率.所设计的数据融合方法体系,具有方法较简便、精度较高、数据集完整性好的特点.