基于地统计学的山区气象要素空间化方法探索——以广西年均降雨量为例

采用地统计学的克里格插值方法对广西多年平均降雨量进行空间化处理,具体探索了普通克里格、泛克里格与协同克里格插值方法。与普通克里格法、泛克里格法相比,协同克里格法增加了相关因素（纬度、离海岸线的距离、DEM）对降雨量的影响,在应用中更具潜力。地统计插值可以通过交叉验证和验证对话框中的4个指标,以及实测值与预测值的比较评定精度。三种方法综合比较,协同克里格方法最适合广西多年平均降雨量的空间化。     

3种空间插值方法在道路尘中Pb监测数据统计处理中的应用比较

以福建省龙岩市道路扬尘监测分析中的Pb元素质量浓度为例, 选取地统计学中具有代表性的反距离权重法、 径向基函数法、 普通克里格法3种空间插值方法, 进行污染物浓度的空间插值, 通过对插值结果进行交叉验证和评价, 对这3种插值方法进行对比研究. 道路扬尘样本共56个, 其中44个样本用于空间插值, 其余12个样本用于结果验证. 结果表明, 普通克里格法的平均预测误差为-0.129 6, 均方根预测误差为24.19, 与其他两种方法相比, 在检验标准上有明显优势, 故普通克里格法对于描述污染物质量浓度的空间分布趋势效果最佳, 而其他两种方法对Pb元素的空间分布插值精度较差.     

县域土壤养分协同克里格和普通克里格空间插值预测比较——以陕西省蓝田县为例

运用地理信息系统和地统计学相结合的方法研究蓝田县土壤有机质、碱解氮、有效磷、速效钾4种养分的空间插值精度,根据交叉检验参数及相对误差指标探讨和比较普通克里格法(Ordinary Kriging)和协同克里格法(Cokriging)的空间预测效果.研究表明:土壤养分存在中等强度变异性,在土壤养分间存在显著相关性条件下,利用Cokriging方法能缩小极值误差范围、减小均方根误差,提高实测值与预测值的拟合精度;利用土壤多种养分属性进行Cokriging插值可提高中等区域土壤养分估值精度.     

基于空间插值方法的路面结构设计湿度指标精度研究

目的选取最优的空间插值方法求取年降水量,为沥青路面结构组合设计提供湿度参数,进而达到依据区域湿度特点规范设计道路结构参数的目的.方法采用4种半变异函数模型的普通克里格法等3种常见的空间插值方法对辽宁省年降水量空间要素进行插值研究,采用交叉验证法评价各方法的插值效果.结果就辽宁省年降水量而言,4种半变异函数模型中的环形模型精度最高.利用CM半变异模型的普通克里格法和其他两种插值方法计算所得平均绝对误差、平均相对误差和均方根误差具有一致性,其中OK法精度最高.结论选取CM半变异模型的OK法求取年降水量可满足计算要求,进而为道路结构设计的湿度参数选取提供参考.     

降水空间插值方法应用研究——以黄河源区为例

使用反距离加权法、张力样条函数法和普通克里格法对黄河源及其周围地区65个气象站点1990～2001年12年间月平均降水数据进行空间插值,并对模拟结果进行了交叉检验和站点检验.3个检验标准的检验结果表明:3种插值方法的结果都基本能反映黄河源区降水的大体空间分布规律,而普通克里格法略优于其他两种方法.研究结果表明:样本本身的空间分布在很大程度上影响插值精度,台站的密度对插值效果的影响也非常显著.给出了黄河源区年平均降水空间分布图.     

基于GIS的毕节烟地土壤厚度空间插值方法比较研究

基于地理信息系统软件ArcMap的统计分析模块,分别采用反距离权重法、样条函数法和普通克里格法,对毕节市492个烟地样本点进行空间插值,并利用交叉验证方法对插值精度进行评估。结果表明:普通克里格法对耕深、犁底层、可耕层均具有最好的插值精度。对于耕深和可耕层,样条函数法的插值精度优于反距离权重法;而对于犁底层,反距离权重法的插值精度优于样条函数法。普通克里格法插值结果表明:赫章县、威宁县烟地各项土壤厚度均较大;七星关区、大方县、黔西县和大方县交界处各项土壤厚度均较小。     

DEM数据对气温插值精度的影响分析

分析不同数量高程点参与气温空间插值,探索DEM对气温要素空间插值精度的影响,以期寻找提高气温要素空间插值精度的方法。使用四川省52个气象站点的2000—2009年平均气温数据,采用协同克里格方法对年平均气温进行空间插值。其中考虑到年平均气温与高程的相关性,以地形高程因素作为协同变量,并通过交叉验证的方法对插值结果进行对比分析。发现协同克里格插值效果优于普通克里格插值效果,但随着高程点的数量增加,插值精度随之降低,当高程点再增加时,插值精度保持相对稳定。考虑高程因素影响的协同克里格插值结果可以较真实地模拟气温的空间分布。     

降雨空间插值方法及在清江流域的应用

将普通克里格法、协同克里格法和反距离加权法3种空间插值方法应用于清江流域的降雨空间插值,比较了它们的应用效果,并分析了它们插值效果不同的原因.其中协同克里格法在应用时考虑了海拔高度对降雨量插值结果的影响.结果表明,两种克里格方法的插值结果的误差要远远小于反距离加权法,并且插值所得到的等雨量线更光滑.对于两种克里格方法,协同克里格法要优于普通克里格法,前者比后者的MAE值要小10%.反距离加权法明显不如两种克里格法的原因是该方法不能准确反映相邻站点的空间依赖关系.而协同克里格法优于普通克里格法是因为协同克里格插值法考虑到了地形对降雨量的影响,因而更适用于清江流域这样的山地流域.     

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

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.     

天津降水数据的空间插值分析

采用反距离加权法(IDW)、梯度距离平方反比法(GIDW)、普通克里格法(OK)、协同克里格法(COKRING)插值方法,对天津市及周边地区四种频率年平均最大一日暴雨量数据的空间插值精度进行对比研究.交叉验证表明:四种频率降水量的插值平均绝对误差(MAE)为:15.77mm、18.42 mm、11.71mm、11.72mm;平均均方根误差(RMISE)为:22.02 mm、33.29 mm、19.43mm、19.71 mm;插值精度排序为OK>COKING>IDW>GIDW;OK与COKRING差别并不明显,GIDW精度远低于IDW;降水频率的高低影响插值的误差,二者呈显著负相关关系.天津一日最大暴雨量的空间分布特征为:由北部山地和东南部沿海向中部地区逐渐减少.     

普通Kriging法在空间内插中的运用

用克里格法进行插值不仅能获得预测结果，而且能够获得预测误差．克里格法也是求线性最优、无偏内插的一种方法．该方法优于最近距离插值、距离反平方插值等任何一种线性插值方法．普通克里格法在克里格法中是使用较广泛的一种方法．     

基于多维尺度变换和自适应增强回归进行插值——以三维地质属性体为例

为了探索地质属性分布特征，求得三维地质体中未知点的属性值，实现自动化插值，提出了利用多维尺度变换（Multidimemsional Scaling，MDS）和自适应增强回归(Adaptive Boosting Regressor，ABR)进行三维地质属性体的空间插值。在空间插值中，未知点的属性值与其最近的几个样本点的属性值、距离以及各向异性特征紧密相关。MDS可以把这些因素进行降维得到一维的因子，然后建立ABR模型求得未知点，最后利用均值滤波（Mean Filtering，MF）减少ABR产生的不连续性，实现自动插值。通过对比普通克里金方法，结果表明，该方法在考虑各向异性的情况下简化克里金方法中人为进行半变异分析等繁琐流程，实现自动化插值；同时避免了在非特定随机场的地质破碎地带，运用克里金插值时已知样本点必须符合特定随机场的局限性。     

广义回归神经网络残余Kriging方法预测地表高程

以广东省番禹区沙洲和石楼镇岛地区的1 657个高程点为样本点,把其分为A、B、C组各200个高程点,A+B组400个高程点,A+B+C组600个高程点作为训练数据集,在Matlab 7.1和ArcGIS 9.2平台上分别应用广义回归神经网络(GRNN)、普通克里格(O-Kriging)、广义回归神经网络残余Kriging方法(GRNNRK)进行高程估值和成图,最后计算出三种方法的均方根误差.结果表明,如果插值样本数据量不变,样本的空间分布格局对GRNNRK插值精度的影响不大,且其插值精度要优于GRNN和O-Kriging方法的插值精度.随着插值样本数据量的增加,三种方法的插值精度都有显著提高,但GRNNRK方法的插值精度仍优于另两种方法.这表明GRNNRK方法在地形高程预测中的应用是可行的.     

基于ArcGIS的交通量预测模型

常规交通量预测模型耗时、工作量大.针对美国印第安纳州交通量趋于稳定的特点,借助ArcGIS地统分析软件,分别采用Ordinary Kriging、距离加权倒数(IDW)、径向基函数插值(RBF)等方法对交通量进行预测,并与动态称重系统(WIM)的交通资料进行比对,结果表明采用径向基函数插值中的反高次曲面函数(IMS)插值预测方法适合美国印第安纳州交通量的分布实际,预测误差最小.     

Spatial and temporal variability of PM<Subscript>2.5</Subscript> concentration in China

PM_2.5 has become an increasing public concern recently because of its visibility reduction and severe health risks. For the whole year of 2013, hourly PM_2.5 data of 496 monitoring sites scattered in 74 cities of China are collected to analyze temporal and spatial variability of PM_2.5 concentration. Different temporal scales (seasonal variation, monthly variation and daily variation) and spatial scales (urban versus rural, typical areas and national scale) are discussed. Results show that PM_2.5 concentration changes significantly in both long-term and short-term scales. An apparent bimodal pattern exists in daily variation of PM_2.5 concentration and the daytime peak appears around 10:00 am while the lowest concentration appears around 16:00 pm. Spatial autocorrelation analysis and Ordinary Kriging are used to characterize spatial variability. Moran’s I of PM_2.5 concentration in three typical regions, the Beijing-Tianjin-Hebei region, the Yangtze River Delta region and the Pearl River Delta region, is 0.906, 0.693, 0.746, respectively, which indicates that PM_2.5 is strong spatial correlated. Spatial distribution of annual PM_2.5 concentration simulated by Ordinary Kriging shows that 7.94 million km² (83%) areas fail in meeting the requirement of China’s National Ambient Air Quality Standards Level-2 (35 µg/m³) and there are at least three concentrated highly polluted areas across the country.     

Spatial and Temporal Variability of PM_(2.5) Concentration in China

PM_(2.5) has become an increasing public concern recently because of its visibility reduction and severe health risks. For the whole year of 2013, hourly PM_(2.5) data of 496 monitoring sites scattered in 74 cities of China are collected to analyze temporal and spatial variability of PM_(2.5) concentration. Different temporal scales(seasonal variation, monthly variation and daily variation) and spatial scales(urban versus rural, typical areas and national scale) are discussed. Results show that PM_(2.5) concentration changes significantly in both long-term and short-term scales. An apparent bimodal pattern exists in daily variation of PM_(2.5) concentration and the daytime peak appears around 10:00 am while the lowest concentration appears around 16:00 pm. Spatial autocorrelation analysis and Ordinary Kriging are used to characterize spatial variability. Moran's I of PM_(2.5) concentration in three typical regions, the Beijing-Tianjin-Hebei region, the Yangtze River Delta region and the Pearl River Delta region, is 0.906, 0.693, 0.746, respectively, which indicates that PM_(2.5) is strong spatial correlated. Spatial distribution of annual PM_(2.5) concentration simulated by Ordinary Kriging shows that 7.94 million km2(83%) areas fail in meeting the requirement of China's National Ambient Air Quality Standards Level-2(35 mg/m3) and there are at least three concentrated highly polluted areas across the country.     

近10年京津地区GDP增长与分布的时空演化分析

在ArcGIS9.0支持下,采用普通克里格插值法研究京津地区GDP的时空分布规律,结果表明:①在主城区点效应和主干道交通的廊道效应作用下,该区的GDP分布趋势是以北京和天津的中心城区为高GDP分布区域,并沿主要交通动脉由中心区向周围地区呈梯度递减变化,在两城市间沿京津交通廊道形成了一个GDP持续增长和密集分布的廊道区域.②随着时间推移,交通条件的进一步改善,两者间空间相互作用的不断增强,京津间经济走廊的形成将成为空间发展的必然趋势.     

基于DEM的广东省平均气温空间插值Ⅰ——研究方法

以广东省为研究区域．利用地理信息系统软件ArcGIS9．3,分别运用样条函数法、反距离权重法、普通克里格法对广东省及周边的60个气象站点2003—20｜2年的月平均气温进行空间插值,并根据气温垂直变化规律利用数字高程模型对插值结果进行了修正．采用平均绝对误差和均方根误差对插值结果进行精度评估。试图探索最适合广东省气温空间插值的方法．并通过引入数字高程模型提高插值精度。     

经济订购批量模型的参数估计

提出经济订购批量(EOQ)基本模型中参数的估计公式,假定这些参数的实际取值是一定范围内的未知数,并可能随时间而变化.从EOQ的灵敏性分析中引出两种可获得“满意解”的估计方法,进而给出依据最大最小准则和最小期望值准则进行参数估计的计算公式.文末辅以实例说明.