点源时间序列数据缺失值的估值不确定性分析——以小流域气象和水文数据为例.pdfVIP

2019 年2 月 灌溉排水学报 第38 卷 第2 期 Feb. 2019 Journal of Irrigation and Drainage No.2 Vol.38 文章编号：1672 - 3317（2019 ）02 - 0084 - 09 点源时间序列数据缺失值的估值不确定性分析 ——以小流域气象和水文数据为例 1,2 2 1* 2, 3 2 2 2 2 石 锦 ，周脚根 ，王 辉 ，甘 蕾 ，沈健林 ，李 希 ，李裕元 ，吴金水 （1. 湖南农业大学 工学院，长沙410128 ；2. 中国科学院 亚热带农业生态研究所 亚热带农业生态过程重点实验室，长沙410125 ；3. 湖南师范大学 资源与环境科学学院，长沙410081 ） 摘 要：【目的】对普遍存在的时间序列缺失值进行有效估值，进而改善时间序列数据的质量。【方法】以亚热带典型 小流域长期定位观测的气象（最低气温、最高气温、太阳辐射）及水文（降水量、地表径流量）数据为样本并利用计算 机模拟的方法，比较了线性内插法、K- 最近邻插值法、多项式插值法、样条插值法和核密度估值法5 种估值方法的性 能差异，分析了不同取样时间步长（日和月）及不同数据缺失量（1% 、5% 、10% 、15% 、20%）条件下对缺失值进行估值 的不确定性。均方根误差（RMSE ）、绝对值平均误差（MAE ）和Pearson 相关系数（r ）3 个交叉验证指标用于评估5 种 估值方法的性能优劣。【结果】①5 种方法估值性能较好，Pearson 相关系数为0.62~0.99（P0.05），且以核密度估值法 和多项式插值法的估值性能为优；②数据缺失量和取样步长增加降低了5 种估值方法的估值精度；③数据集的变异 系数（CV）与估值评估指标（RMSE 、MAE 及r ）显著相关（P0.05）。【结论】核密度估值法和多项式插值法的估值结果 相对更可靠，变异系数是影响估值不确定性的重要因素。 关 键 词：缺失值；估值方法；变异系数；不确定性；时间序列 中图分类号：O171 文献标志码：A doi ：10.13522/ki.ggps.2017.0421 石锦，周脚根，王辉，等．点源时间序列数据缺失值的估值不确定性分析——以小流域气象和水文数据为例[J] ． 灌溉排水学报，2019 ，38（2 ）：84-92 ． 0 引 言 时间序列数据是生态环境、水文及气象等研究领域必不可少的基础数据。环境参数需要进行长期定位 监测，但是由于仪器设备故障、恶劣环境或者人为操作失误等不同原因，采集的时间序列数据难免会出现数 [1] 据缺失的问题 ，从而影响观测数据质量。有效估算时间序列数据的缺失值或者未观测值，可以完善时间序 [2] 列数据的质量，提升数据使用效率，是空间分析与统计领域的研究热点之一 。时间序列的估值问题，目前 主要涉及3 个方面研究内容：①面源尺度上对未观测位点环境参数属性值的估算；②点源尺度上对观测参数 缺失值的估算；③观测参数估值的不确定性。 由于人力和物力的有限性，面源尺度上环境参数通常只是部署一定量具有代表性的点源观测单元，再 通过这些点源观测数据实现观测数据的面源拓展。简单而言，这是一个用一定量点源观测数据估算面源上 未观测单元参数值的过程。空间插值方法或统计插值方法常用于解决该问题。例如，国外有学者利用协同 [3] [4] 克里格法 有效地实现了降雨的空间插值且估值效果优于普通克里格法；