稀疏样本下冬春季月平均气温空间插值研究——以新疆玛纳斯河流域为例

• 作者: 刘帅令 刘艳 李陇同 杨耘 王丽霞 王彬泽 程雪
• 来源期刊: 水资源与水工程学报
• 学科: 地球科学
• 关键词: 广义回归神经网络(GRNN) 气温 空间插值 稀疏样本 玛纳斯河流域
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 农业水土工程
• 页码范围: 248-253
• 页数: 6页
• 分类号: P468.0+21
• 字数: 3842字
• 语种: 中文
• DOI: 10.11705/j.issn.1672-643X.2020.01.37

摘要

针对我国典型高寒山区——新疆天山中段玛纳斯河流域积雪-融雪过程模拟中气温空间数据的制备问题,以气象站点稀少的玛纳斯河流域为研究区域,利用最小二乘相关分析法开展了冬、春季(2015年11月-2016年4月)气温环境变量分析,通过共线性检测确定了纬度、海拔、坡度、坡向、NDVI 5个环境变量组成了最优因子集,构建了基于广义回归神经网络(GRNN)的月平均气温空间插值模型.采用区域内139个站点中的119个观测站点数据作为训练数据对GRNN模型进行训练,确定了冬、春季6个月的区域气温空间插值模型.利用剩余的20个观测站点数据作为检验样本,以均方根误差(RMSE)和平均相对误差(MRE)为评价指标,对模型的回归误差进行分析.结果 表明:本模型6个月的平均RMSE值为1.46,优于传统的地理加权回归克里金(GWRK)方法(其平均RMSE值为2.22).此外,从不同月份的气温空间插值分布图来看,本文模型空间插值后的气温变化趋势与实际变化趋势一致.从气温的空间分布情况来看,各空间点的气温与其海拔高程呈正相关,且随地表覆盖类型变化.这也表明本文提出的插值策略并组合建立的GRNN模型对于稀疏气象站点条件下的气温空间插值精度更高,一致性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丽霞	长安大学地质工程与测绘学院	26	143	8.0	11.0
2	刘艳		59	367	12.0	15.0
3	杨耘	长安大学地质工程与测绘学院	29	98	6.0	8.0
5	刘帅令	长安大学地质工程与测绘学院	2	0	0.0	0.0
8	李陇同	长安大学地质工程与测绘学院	2	0	0.0	0.0
9	王彬泽	长安大学地质工程与测绘学院	1	0	0.0	0.0
10	程雪	长安大学地质工程与测绘学院	2	0	0.0	0.0