将高程加入降雨量的空间插值中的地理统计方法.docVIP

将高程加入降雨量的空间插值中的地理统计方法 文章摘要： 本文介绍了3种将数字高程模型引入降雨量空间预测的多元地理统计算法：含变化的局部均值的简单克吕格方法（KED）、含外在漂移的克吕格、协同克吕格。实验数据是位于Portugal的5000平方千米区域内的36个气象站观测获取的年及月降雨量的记录。最终通过交叉验证的的方法来将3种地理统计插值算法同降雨量和高程的直接线性回归及3种单一变量方法即泰森多变形、反距离平方加权、普通克吕格的预测结果进行比较。 反距离平方加权、泰森多边形算法因忽略了周围站点的高程和降雨量记录而产生较大的预测误差。3种多元地理统计算法优于其他插值，尤其是线性回归，它强调用于解释降雨空间依赖的协同高程数据。最终，当降雨和高程间的相关性适中时，普通克吕格比线性回归产生更加精确的预测结果。 研究现状及本文选材 研究必要性：精确的空间降雨量的估计需要较高密度的采样，这就会耗费很多的设施和操作费用，因此，基于周围已知采样点对未采样点的降雨估计就很必要。 研究现状：目前已经提出了许多关于降雨量插值的方法。归纳起来主要有以下几种： 泰森多边形（最邻近法） （插值后的图如下所示： 存在的缺点是呈斑块状，不平滑，与实际情况不符合，且只考虑了未知采样点与其最近的采样点的联系儿忽略了与