Comparative study on spatial interpolation methods of summer precipitation in Sichuan

doi:10.11755/j.issn.1006-7639(2022)-05-0897

Abstract

Abstract:

In order to study the main geographical influencing factors of summer precipitation and the best interpolation method of precipitation in the complex Sichuan Basin, especially the mountainous area around the basin, Sichuan was divided into four regions by using cluster analysis based on 10 years (2010-2019) summer precipitation data of 157 automatic meteorological stations in Sichuan Province. The correlation analysis and the multiple regression analysis methods were used to screen out the geographical influencing factors of precipitation in each region. In addition to using the cooperative Kriging interpolation method, the traditional interpolation method is used to compare. The interpolation results are tested by cross-validation method. The results are as follows: (1) The geographic influencing factors that can be used to characterize the summer precipitation in Sichuan were mainly longitude, latitude, altitude, slope and normalized difference vegetation index. (2) Due to the diversity and complexity of the topography in Sichuan, the effect of precipitation interpolation after the division was better than that before the division.(3) When the number of precipitation influencing factors in the selected area was moderate, the coKriging interpolation method was better, and when the number of precipitation characterization factors in the selected area was single or too many, the radial Basis function interpolation method or empirical Bayesian Kriging interpolation method were more effective.

Key words: interpolation method, mountainous area, Sichuan, summer precipitation, influencing factors

摘要：

为了研究四川盆地尤其是盆地周围边缘山地夏季降水的主要地理影响因子及降水量的最佳插值方法，基于四川省157个自动气象站点近10 a（2010—2019）夏季降水数据，采用聚类分析进行分区，通过相关性分析和多元回归分析筛选出各区域降水量的地理影响因子。使用协同克里金插值方法的同时，采用传统插值方法进行对比并对插值结果进行交叉检验，结果表明：（1）可用来表征四川夏季降水量的地理影响因子主要有经度、纬度、海拔、坡度和均一化植被指数（normalized difference vegetation index， NDVI）；（2）由于四川地形的多样性和复杂性，分区之后的降水量插值效果优于分区前的插值效果；（3）在所选区域降水影响因子数目适中时，采用协同克里金插值方法效果更佳；而在所选区域降水表征因子数目单一或过多时，采用径向基函数插值方法或经验贝叶斯克里金插值方法的效果更佳。

关键词: 插值方法, 山区, 四川, 夏季降水, 影响因子

CLC Number:

P413

LI Xiang, LI Guoping. Comparative study on spatial interpolation methods of summer precipitation in Sichuan[J]. Journal of Arid Meteorology, 2022, 40(5): 897-907.

李想, 李国平. 四川夏季降水量空间插值方法的比较[J]. 干旱气象, 2022, 40(5): 897-907.

Figures/Tables 10

Fig.1 Distribution of automatic weather stations in Sichuan Province

Fig.2 The results after the division in Sichuan Province

Tab.1 The correlation coefficients between multi-year average summer precipitation in Sichuan and various factors in the whole region and each district

	经度	纬度	海拔	NDVI	坡度	坡向
全区	-0.183*	0.227**	-0.461**	0.027	-0.302**	0.049
区域1	0.477*	0.156	0.338	0.227	-0.432	-0.015
区域2	0.062	-0.069	-0.393**	0.103	-0.456**	0.049
区域3	-0.392*	-0.112	0.252	0.542**	0.175	0.062
区域4	0.448**	0.443**	0.132	0.217	0.008	0.185

Tab.2 The correlation R2 between the combination factors and the multi-year average summer precipitation in each area and the whole area

组合方式	全区	区域1	区域2	区域3	区域4
LoLaAl	0.262	0.254	0.397*	0.375	0.243*
LoLaNd	0.121	0.319	0.014	0.417	0.267*
LoLaSl	0.146	0.465*	0.371*	0.192	0.256*
LoAlNd	0.257	0.356	0.292	0.625*	0.203
LoAlSl	0.245	0.44*	0.325	0.417	0.209
LoNdSl	0.136	0.556*	0.389*	0.422	0.204
LaAlNd	0.276*	0.253	0.247	0.428*	0.219
LaAlSl	0.277*	0.417	0.248	0.128	0.219
LaNdSl	0.172	0.402	0.287	0.375	0.224
AlNdSl	0.293*	0.355	0.303	0.429*	0.073

Fig.3 Comparison of interpolated results of multi-year average summer precipitation in the whole region （Unit：mm）（a） OK，（b） IDW，（c） RBF，（d） AlNdSl CoKriging interpolation，（e） LaAlSl CoKriging interpolation，（f） LaAlNd CoKriging interpolation，（g） LPI，（h） EBK

Fig.4 Comparison of interpolated results of multi-year average summer precipitation in District 1 （Unit：mm）（a） OK，（b） IDW，（c） RBF，（d） LoNdSl CoKriging g interpolation，（e） LoLaSl CoKriging interpolation，（f） LoAlSl CoKriging interpolation，（g） LPI，（h） EBK

Fig.5 Comparison of interpolated results of multi-year average summer precipitation in District 2 （Unit：mm）（a） OK，（b） IDW，（c） RBF，（d） LoLaAl CoKriging interpolation，（e） LoNdSl CoKriging interpolation，（f） LoLaSl CoKriging interpolation，（g） LPI，（h） EBK

Fig.6 Comparison of interpolated results of multi-year average summer precipitation in District 3（Unit：mm）（a） OK，（b） IDW，（c） RBF，（d） LoAlNd CoKriging interpolation，（e） AlNdSl CoKriging interpolation，（f） LaAlNd CoKriging interpolation，（g） LPI，（h） EBK

Fig.7 Comparison of interpolated results of multi-year average summer precipitation in District 3 （Unit：mm）（a） OK，（b） IDW，（c） RBF，（d） LoLaNd CoKriging interpolation，（e） LoLaSl CoKriging interpolation，（f） LoLaAl CoKriging interpolation，（g） LPI，（h） EBK （Unit： mm）

Tab.3 Cross-check results of multi-year average summer precipitation in the whole region and each district

区域	插值方法	平均误差/mm	平均绝对误差/mm	标准均方根误差/mm	综合相对误差/%
全区	OK	9.61	49.63	64.51	9.91
	IDW	9.97	51.62	69.58	10.48
	RBF	3.92	47.00	60.87	9.17
	EBK	2.61	46.80	61.08	9.11
	AlNdSl组合CoK	4.27	56.60	74.67	11.11
	LaAlSl组合CoK	2.36	64.07	85.02	12.51
	LaAlNd组合CoK	3.61	62.72	83.04	12.33
区域1	OK	-1.97	41.92	48.94	7.77
	IDW	-0.07	41.88	49.45	7.84
	RBF	-0.09	41.29	48.85	7.69
	EBK	1.07	41.79	47.80	7.82
	LoNdSl组合CoK	2.57	39.20	46.58	7.46
	LoLaSl组合CoK	2.50	40.39	48.62	7.70
	LoAlSl组合CoK	-1.97	41.92	48.94	7.77
区域2	OK	2.89	51.95	73.06	10.60
	IDW	7.05	52.47	78.70	11.25
	RBF	2.98	48.78	67.77	9.84
	EBK	2.88	46.52	64.58	9.26
	LoLaAl组合CoK	1.11	63.93	97.06	13.70
	LoNdSl组合CoK	3.19	58.10	85.58	12.33
	LoLaSl组合CoK	3.21	63.41	93.74	13.64
区域3	OK	0.44	37.84	48.65	9.30
	IDW	1.62	37.65	47.99	9.29
	RBF	4.68	32.86	43.66	8.13
	EBK	2.39	33.17	41.90	8.20
	LoAlNd组合CoK	0.41	34.87	43.91	8.60
	AlNdSl组合CoK	0.24	30.15	39.96	7.40
	LaAlNd组合CoK	1.12	37.64	48.57	9.27
区域4	OK	12.23	75.36	90.80	13.01
	IDW	18.09	65.22	85.21	11.46
	RBF	8.70	60.64	74.30	10.53
	EBK	6.30	61.42	75.53	10.62
	LoLaNd组合CoK	5.27	71.37	91.25	12.07
	LoLaSl组合CoK	5.02	70.93	90.96	12.00
	LoLaAl组合CoK	3.66	71.02	91.07	12.01

References 30

[1]	陆林. 我国公共气象服务能力建设研究[D]. 昆明: 云南大学, 2013.
[2]	刘红年, 徐玉貌, 张宁, 等. 大气科学概论[M]. 南京: 南京大学出版社, 2019.
[3]	黄成荣, 贾丽红, 汤浩, 等. 不同插值算法对GRAPES模式在乌鲁木齐地区的降水分级检验比较[J]. 沙漠与绿洲气象, 2011, 5(2):23-27.
[4]	李颖, 张俊东, 陈庆涛. GPS大气可降水量空间插值方法对比研究[J]. 气象与环境科学, 2013, 36(1):1-6.
[5]	程柏涵. 山区降水空间分布的影响因素及插值方法研究[D]. 北京: 北京林业大学, 2016.
[6]	李月, 齐实, 程伯涵, 等. 哀牢山山区降水时空分布的影响因素及插值方法比较[J]. 地球与环境, 2017, 45(6):600-611.
[7]	张连成, 胡列群, 李帅, 等. 基于GIS的新疆地区两种气温插值方法对比研究[J]. 干旱气象, 2017, 35(2):330-336.
[8]	武鹏飞, 张钧泳, 谭娇. 基于DEM修订的新疆区域气温空间插值精度优化研究[J]. 沙漠与绿洲气象, 2019, 13(2):108-114.
[9]	朱会义, 贾绍凤. 降雨信息空间插值的不确定性分析[J]. 地理科学进展, 2004, 23(2):34-42.
[10]	鲁振宇, 杨太保, 郭万钦. 降水空间插值方法应用研究——以黄河源区为例[J]. 兰州大学学报, 2006, 42(4):11-14.
[11]	王江, 乐章燕, 廖荣伟, 等. 中国区域温度和降水不同空间插值方法精度对比[J]. 气象与环境学报, 2016, 32(06):85-93.
[12]	仲嘉亮. 基于GIS的新疆多年平均降水量空间插值精度比较研究[J]. 沙漠与绿洲气象, 2010, 4(4):51-54.
[13]	ESTIVILL-CASTRO V, LEE I. Multi-level clustering and its visualization for exploratory spatial analysis[J]. GeoInformatica, 2002, 6(2):123-152. DOI URL
[14]	HAN J, KAMBER M. Data Mining: concepts and techniques[J]. Data Mining Concepts Models Methods ＆ Algorithms Second Edition, 2001, 5(4):1-18.
[15]	赵冰雪, 王雷, 程东亚. 安徽省气象数据空间插值方法比较与分布特征[J]. 水土保持研究, 2017, 24(03):141-145.
[16]	阳宽达, 谢红霞, 隋兵, 等. 基于GIS的降雨空间插值研究——以湖南省为例[J]. 水土保持研究, 2020, 27(03):134-138+145.
[17]	马诺, 唐冶, 常存, 等. 基于DEM的气温空间插值方法比较[J]. 干旱气象, 2020, 38(3):465-471.
[18]	张玮玮, 张眉, 吴杨, 等. 复杂地形下浙江夏季气候要素空间插值方法评价[J]. 干旱气象, 2020, 38(4):674-682.
[19]	汤国安, 杨昕. ArcGIS地理信息系统空间分析实验教程[M]. 北京: 科学出版社, 2012.
[20]	颜慧敏. 空间插值技术的开发与实现[D]. 成都: 西南石油学院, 2005.
[21]	魏义坤, 杨威, 刘静. 关于径向基函数插值方法及其应用[J]. 沈阳大学学报, 2008(1):7-9.
[22]	易湘生, 李国胜, 尹衍雨, 等. 土壤厚度的空间插值方法比较——以青海三江源地区为例[J]. 地理研究, 2012, 31(10):1793-1805.
[23]	王艳妮, 谢金梅, 郭祥. ArcGIS中的地统计克里格插值法及其应用[J]. 软件导刊, 2008, 7(12):36-38.
[24]	张崎. 基于Kriging方法的结构可靠性分析及优化设计[D]. 大连: 大连理工大学, 2005.
[25]	李志斌. 基于地统计学方法和Scorpan模型的土壤有机质空间模拟研究[D]. 北京: 中国农业科学院, 2010.
[26]	张锦明. DEM插值算法适应性研究[D]. 郑州: 解放军信息工程大学, 2012.
[27]	袁艳艳. 汉江流域降水量的空间插值研究[D]. 武汉: 华中科技大学, 2013.
[28]	范永东. 模型选择中的交叉验证方法综述[D]. 太原: 山西大学, 2013.
[29]	田宏伟, 李树岩. 河南省夏玉米干旱综合风险精细化区划[J]. 干旱气象, 2016, 34(5):852-859.
[30]	李豪, 刘涛, 徐精文. 基于混合地理加权回归与克里格的区域降水量空间插值方法[J]. 中国农业气象, 2018, 39(10):674-684.