基于TRMM数据的福建省降水时空格局BME插值分析
Spatiotemporal Analytical Research of Precipitation in Fujian Province Based on TRMM and BME
查看参考文献24篇
|
文摘
|
传统空间插值方法可获得福建省区域内降水的总体分布,但该地区气象站点较稀疏且分布不均,导致该区域内降水的空间插值结果误差较大。为提高插值精度,本文利用TRMM卫星数据以弥补站点数据的不足,尝试将TRMM数据作为"软数据"、台站数据作为"硬数据",两者相结合后采用贝叶斯最大熵(Bayesian Maximum Entropy, BME)方法对福建省降水的时空格局进行分析。以2000-2012年近13年20个气象站点的年降水量和月降水量为基础数据,分别利用普通克里格法(Ordinary Kriging, OK)和TRMM为"软数据"的BME插值法,分析福建省多年降水的时空分布格局,并对2种方法的插值结果进行比较。结果表明:在时空分布上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果能更好地体现降水的局部差异特征;在误差评价上,以TRMM数据为辅助变量的贝叶斯最大熵插值结果的MAE和RMSE较小,表明TRMM数据作为"软数据"参与插值的BME方法可以在一定程度上弥补站点数据的不足,有效降低预测结果的绝对误差。通过对福建省降水插值的时空分布格局分析和误差评价可看出,BME插值法通过对基础台站数据,以及TRMM卫星产品数据的利用,使降水的时空分析结果更加真实客观,同时,为TRMM卫星降水数据的应用提供了一个新思路。 |
|
其他语种文摘
|
Due to the spatiotemporal heterogeneity of regional precipitation, and sparseness and uneven spatial distribution of meteorological stations in Fujian Province, the overall accuracy of the regional precipitation spatiotemporal interpolation is limited. Tropical Rainfall Measurement Mission (TRMM) 3B42 rainfall estimates can directly provide spatially distributed precipitation estimations over global areas, which are used to make up the drawbacks of observed data of rain gauge stations. At the same time, Bayesian Maximum Entropy (BME) is used to improve the accuracy of spatial interpolation because BME can use the soft data with uncertainty and accurate hard data to perform the spatial interpolation. Based on annual and monthly precipitation data of 20 meteorological stations from 2000 to 2012, the BME with TRMM as soft data and the Ordinary Kriging (OK) are employed to analyze the spatiotemporal characteristics of multi-yearly precipitation in Fujian Province, and the results of interpolation methods are compared. The results indicate that BME with TRMM as soft data performs are better in reflecting the local spatial disparity. Comparing the calculation results of two interpolation methods, the MAE and RMSE values of BME with TRMM as soft data are smaller than OK with hard data only. The results show that BME could effectively reduce the absolute error by taking account of using TRMM rainfall estimates as soft data. In conclusion, BME makes the spatiotemporal analysis results of precipitation more objectively because of the integration of hard and soft data. The study also provides new opportunities in application of TRMM rainfall estimates. |
|
来源
|
地球信息科学学报
,2014,16(3):470-481 【核心库】
|
|
关键词
|
贝叶斯最大熵(BME)
;
TRMM
;
时空分析
;
软数据
;
降水
|
|
地址
|
1.
中国科学院地理科学与资源研究所, 资源与环境信息系统国家重点实验室, 北京, 100101
2.
中国资源卫星应用中心, 北京, 100094
3.
黄河水利委员会水文局, 郑州, 450004
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1560-8999 |
|
学科
|
大气科学(气象学);自然地理学 |
|
基金
|
国家863计划
;
国家自然科学基金项目
|
|
文献收藏号
|
CSCD:5131504
|
参考文献 共
24
共2页
|
|
1.
何红艳. 降水空间插值技术的研究进展.
生态学杂志,2005,24(10):1187-1191
|
被引
73
次
|
|
|
|
|
2.
邬伦. 五种常用降水量插值方法误差时空分布特征研究——以深圳市为例.
地理与地理信息科学,2010,26(3):19-24
|
被引
24
次
|
|
|
|
|
3.
Bussieres N. The objective analysis of daily rainfall by distance weighting schemes on a mesoscale grid.
Atmosphere-Ocean,1989,27(3):521-541
|
被引
7
次
|
|
|
|
|
4.
朱求安. 基于PRISM和泰森多边形的地形要素日降水量空间插值研究.
地理科学,2005,25(2):233-238
|
被引
41
次
|
|
|
|
|
5.
刘登伟. 海河流域降水空间插值方法的选取.
地球信息科学,2006,8(4):75-83
|
被引
30
次
|
|
|
|
|
6.
朱蕾. 山区县域尺度降水量空间插值方法比较.
农业工程学报,2007,23(7):80-85
|
被引
29
次
|
|
|
|
|
7.
封志明. 气象要素空间插值方法优化.
地理研究,2004,23(3):357-364
|
被引
90
次
|
|
|
|
|
8.
Christakos G. A Bayesian/maximum-entropy view to the spatial estimation problem.
Mathematical Geology,1990,22(7):763-777
|
被引
19
次
|
|
|
|
|
9.
Christakos G.
Modern spatiotemporal geostatistics,2000
|
被引
11
次
|
|
|
|
|
10.
D'Or D.
Spatial prediction of soil properties, the Bayesian Maximum Entropy approach,2003
|
被引
1
次
|
|
|
|
|
11.
Lee S J. Bayesian maximum entropy mapping and the soft data problem in urban climate research.
Annals of the Association of American Geographers,2008,98(2):309-322
|
被引
11
次
|
|
|
|
|
12.
Bogaert P. Spatiotemporal modelling of ozone distribution in the State of California.
Atmospheric Environment,2009,43(15):2471-2480
|
被引
4
次
|
|
|
|
|
13.
Yu H L. BME estimation of residential exposure to ambient PM10 and ozone at multiple time scales.
Environmental health perspectives,2009,117(4):537
|
被引
2
次
|
|
|
|
|
14.
Pang W. Comparative spatiotemporal analysis of fine particulate matter pollution.
Environmetrics,2010,21(3/4):305-317
|
被引
3
次
|
|
|
|
|
15.
Wang J F. Hand, foot and mouth disease: Spatiotemporal transmission and climate.
International Journal of Health Geographics,2011,10(25):1-10
|
被引
3
次
|
|
|
|
|
16.
李爱华. 基于贝叶斯最大熵的甘肃省多年平均降水空间化研究.
中国沙漠,2012,32(5):1408-1416
|
被引
9
次
|
|
|
|
|
17.
陈举. TRMM卫星降雨雷达观测的南海降雨空间结构和季节变化.
地球科学进展,2005,20(1):29-35
|
被引
20
次
|
|
|
|
|
18.
熊隽.
TRMM卫星估算降雨量在海河流域的应用评价,2009
|
被引
2
次
|
|
|
|
|
19.
Huffman G J. The TRMM Multisatellite Precipitation Analysis (TMPA): Quasi-global, multiyear, combined-sensor precipitation estimates at fine scales.
Journal of Hydrometeorology,2007,8(1):38-55
|
被引
223
次
|
|
|
|
|
20.
原立峰. 鄱阳湖流域近49年降雨序列一致性检验与分析.
安徽农业科学,2013,41(2):732-735
|
被引
5
次
|
|
|
|
|
了解气象卫星更多信息，请访问