An Adaptive Inverse-Distance Weighting Spatial Interpolation Method with the Consideration of Multiple Factors
-
摘要: 空间插值算法旨在利用离散的观测点测量数据估算同一区域中未采样点的估计值,进而生成连续的空间表面模型。为了获得高精度的缺失数据估计值和高分辨率空间表面模型,提出了一种顾及多因素影响的自适应反距离加权插值算法(adaptive cluster gradient inverse-distance weighting, ACGIDW)。该算法以气象数据为例,顾及复杂地形因素、经纬度和高程对空间插值的影响,并根据采样点的空间分布模式对反距离加权算法中的距离衰减参数α进行自适应调整,提高了空间插值算法的精度和自适应性。采用两组实际气温和降水数据,运用交叉验证模型,对ACGIDW方法、其他反距离加权方法、普通克立金方法进行实验对比分析,验证了ACGIDW方法的优越性和可行性。Abstract: Spatial interpolation is an approach to estimate data at an un-sampled points based on known observations at sampled stations and generate a continuous surface model. In order to obtain the estimated value for missing data and precise spatial surface models, it is necessary to develop a high-performance spatial interpolation method. Based on the typical adaptive inverse-distance weighting (AIDW) spatial interpolation method, a new method, called adaptive cluster gradient inverse-distance weighting (ACGIDW) is presented in this paper. Considering the effect of latitude, longitude, elevation and complex topography factors, this method offers a more accurate result, 1) it adjusts the distance-decay parameter in the IDW method to improve the adaptability of the ACGIDW according to the spatial distribution pattern of the stations; 2) it was tested by using two groups of different actual meteorological data. The experimental results demonstrate its superiority and feasibility.
-
Keywords:
- inverse-distance weighting /
- distance-decay parameter /
- adaptation /
- multiple factors
-
-
[1] Li Jin, Heap A D. A Review of Comparative Studies of Spatial Interpolation Methods in Environmental Sciences:Performance and Impact Factors[J]. Ecological Informatics, 2011, 6:228-241
[2] De Smith M J, Goodchild M F, Longley P. Geospatial Analysis:A Comprehensive Guide to Principles, Techniques and Software Tools[M]. Matador:Troubador Publishing Ltd, 2007 [3] 储少林,周兆叶,袁雷,等.降水空间插值方法应用研究:以甘肃省为例[J].草业科学,2008,25(6):19-23 Chu Shaoling, Zhou Zhaoye, Yuan Lei, et al. Study on Spatial Precipitation Interpolation Methods:A Case of Gansu Province[J]. Pratacultural Science, 2008, 25(6):19-23
[4] Nalder I A, Wein R W. Spatial Interpolation of Climatic Normals:Test of a New Method in the Canadian Boreal Forest[J]. Agricultural and Forest Meteorology, 1998, 92(4):211-225
[5] Shiode N, Shiode S. Street-Level Spatial Interpolation Using Network-based IDW and Ordinary Kriging[J]. Transactions in GIS, 2011, 15(4):457-477
[6] Xu Chengdong, Wang Jinfeng, Hu Maogui, et al. Interpolation of Missing Temperature Data at Meteorological Stations Using P-BSHADE[J]. Climate, 2013, 26:7452-7463
[7] Simolo C, Brunetti M, Maugeri M, et al. Improving Estimation of Missing Values in Daily Precipitation Series by a Probability Density Function-Preserving Approach[J]. International Journal of Climatology, 2010, 30:1564-1576
[8] 刘志红,杨勤科,李锐,等.基于ANUSPLIN的时间序列气象要素空间插值[J].西北农林科技大学学报·自然科学版,2008,36(10):227-234 Liu Zhihong, Yang Qingke, Li Rui, et al. Interpolation for Time Series of Meterorological Variables Using ANUSPLIN[J]. Journal of Northwest A & F University, 2008, 36(10):227-234
[9] 易琳,袁林旺,罗文,等.顾及V-邻域结构的局部保形插值算法[J].武汉大学学报·信息科学版,2012,37(11):1285-1288 Yi Ling, Yuan Linwang, Luo Wen, et al. V-Neighbor Structure based Spatial Interpolation Algorithm[J]. Geomatics and Information Science of Wuhan University, 2012, 37(11):1285-1288
[10] 李莎,舒红,徐正全.利用时空Kriging进行气温插值研究[J].武汉大学学报·信息科学版,2012,37(2):237-241 Li Sha, Shu Hong, Xu Zhengquan. Interpolation of Temperature Based on Spatial-Temporal Kriging[J]. Geomatics and Information Science of Wuhan University, 2012, 37(2):237-241
[11] Zhang Jinming, You Xiong, Wan Gang. Effects of Interpolation Parameters in Multi-log Radial Basis Function on DEM Accuracy[J]. Geomatics and Information Science of Wuhan University, 2013, 38(5):608-612 张锦明,游雄,万刚.径向基函数算法中插值参数对DEM精度的影响[J].武汉大学学报·信息科学版,2013,38(5):608-612
[12] 董箭,彭认灿,郑义东.利用局部动态最优Delaunay三角网改进逐点内插算法[J]. 武汉大学学报·信息科学版,2013,38(5):613-617 Dong Jian, Peng Rencan, Zheng Yidong. An Improved Algorithm of Point-by-Point Interpolation by Using Local Dynamic Optimal Delaunay Triangulation Network[J]. Geomatics and Information Science of Wuhan University, 2013, 38(5):613-617
[13] 陈传法,岳天祥,张照杰.高精度曲面模型的解算[J].武汉大学学报·信息科学版,2010,35(3):365-368 Chen Chuanfa, Yue Tianxiang, Zhang Zhaojie. An Algorithm for Solving High Accuracy Surface Modeling[J]. Geomatics and Information Science of Wuhan University, 2010, 35(3):365-368
[14] 彭思岭.气象要素时空插值方法研究[D].长沙:中南大学,2010 Peng Siling. Developments of Spatio-Temporal Interpolation Methods for Meteorological Elements[D]. Changsha:Central South University, 2010
[15] Li Jin, Heap A D. Spatial Interpolation Methods Applied in the Environmental Sciences:A Review[J]. Environmental Modelling & Software, 2014, 53:173-189
[16] Efron B, Gong G. A Leisurely Look at the Bootstrap, the Jackknife, and Cross-Validation[J]. The American Statistician, 1983, 37(1):36-48
[17] Li Jin, Heap A D. Spatial Interpolation Methods Applied in the Environmental Sciences:A Review[J]. Environmental Modelling & Software, 2014, 53:173-189
[18] 封志明,杨艳昭,丁晓强,等.气象要素空间插值方法优化[J].地理研究,2004,23(3):357-364 Efron B, Gong G. A Leisurely Look at the Bootstrap, the Jackknife, and Cross-Validation[J]. The American Statistician, 1983, 37(1):36-48
[19] Lu G Y, Wong D W. An Adaptive Inverse-Distance Weighting Spatial Interpolation Technique[J]. Computers & Geosciences, 2008, 34(9):1044-1055
[20] Deng M, Liu Q, Cheng T, et al. An Adaptive Spatial Clustering Algorithm Based on Delaunay Triangulation[J]. Computers, Environment and Urban Systems, 2011, 35(4):320-332
[21] 李光强,邓敏,程涛,等.一种基于双重距离的空间聚类方法[J]. 测绘学报,2008,37(4):482-488 Li Guangqiang, Deng Min, Cheng Tao, et al. A Dual Distance based Spatial Clustering Method[J]. Acta Geodaetica et Cartographica Sinica, 2008, 37(4):482-488
[22] Clark P J, Evans F C. Distance to Nearest Neighbor as a Measure of Spatial Relationships in Populations[J]. Ecology, 1954,35(4):445-453 [23] Kantardzic M. Data Mining:Concepts, Models, Methods, and Algorithms[M]. Blackwell:John Wiley & Sons, 2011
[23] Kantardzic M. Data Mining: Concepts, Models, Methods, and Algorithms［M］. Blackwell: John Wiley & Sons, 2011
-
期刊类型引用(46)
1. 刘春雷，张媛静，陆晨明，李亚松，李剑锋. 基于时序InSAR的九龙江河口地区地面沉降时空演变规律及成因分析. 应用海洋学学报. 2024(01): 116-125 . 
百度学术
2. 陈瑞瑞，孙颢月，朱紫若，蒋雪中，陈沈良，陈静. 黄河三角洲地面沉降研究进展与未来展望. 海岸工程. 2024(01): 1-23 . 百度学术
3. 赵凤阳，周吕，魏玉业. 融合改进鲸鱼算法解缠的梧州市地面沉降InSAR监测. 遥感信息. 2024(01): 52-58 . 百度学术
4. 侯永浩，张兴，李晓民，李宗仁. SBAS-InSAR技术在地质灾害调查中的应用. 北京测绘. 2024(10): 1477-1481 . 百度学术
5. 柳新强，姜刚，刘军峰，贺国伟. PS-InSAR和SBAS-InSAR的地表沉降监测对比研究——以雄安新区为例. 工程勘察. 2023(01): 62-67 . 百度学术
6. 曾敏，皮鹏程，赵信文，陈松，彭红霞，侯清芹，孙慧敏，薛紫萱. 基于PS-InSAR的珠江口典型填海造地区地面沉降时空特征研究. 华南地质. 2023(01): 116-126 . 百度学术
7. 李文慧，王志伟，赵月，王翔. 基于SNAP-StaMPS方法的高速公路沿线地面沉降监测. 测绘工程. 2023(03): 36-43 . 百度学术
8. 周定义，左小清，赵志芳，喜文飞，葛楚. 基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测. 地质通报. 2023(10): 1774-1783 . 百度学术
9. 刘泽洲，卢才武，章赛，李萌，和郑翔. 基于多阈值目标提取的时序InSAR矿区地表沉降监测研究. 中国矿业. 2022(08): 79-85 . 百度学术
10. 王新田，刘增珉，陈建忠，梁菲，孟萌，李天鹤. 山东省地表形变InSAR监测与分析. 测绘通报. 2022(S2): 130-134 . 百度学术
11. 邓晓景，曲国庆，张建霞，席换，王晖. 融合升降轨PS-InSAR东营市地面沉降监测. 山东理工大学学报(自然科学版). 2021(01): 10-16 . 百度学术
12. 杨利，薛东剑，王海方，付林，张婷. 五龙沟矿区时序InSAR地表形变监测. 中国矿业. 2021(03): 107-112 . 百度学术
13. 程琳琳，杨玉曼，李月颖，孙梦尧，王振威，焦路尧. 矿业型村镇转型期发展问题分析与策略研究：以北京市门头沟区为例. 中国矿业. 2021(03): 101-106 . 百度学术
14. 王辉，曾琪明，焦健，陈继伟. 结合序贯平差方法监测地表形变的InSAR时序分析技术. 北京大学学报(自然科学版). 2021(02): 241-249 . 百度学术
15. 付云霞，管勇，王晓丹，王建收，尹政，周晓雪，王青，徐美君. 大型河口三角洲地面沉降机制研究——以黄河三角洲为例. 海岸工程. 2021(02): 83-95 . 百度学术
16. 关金环，高明亮，宫辉力. 首都国际机场区域差异性沉降原因探讨. 测绘科学. 2021(09): 67-75 . 百度学术
17. 柴华彬，胡吉彪，耿思佳. 融合实测数据的地表沉降SBAS-InSAR监测方法. 煤炭学报. 2021(S1): 17-24 . 百度学术
18. 程霞，张永红，邓敏，吴宏安，康永辉. Sentinel-1A卫星的黄河三角洲近期地表形变分析. 测绘科学. 2020(02): 43-51 . 百度学术
19. 卢旺达，韩春明，岳昔娟，赵迎辉，周格仪. 基于Sentinel-1A数据的天津地区PS-InSAR地面沉降监测与分析. 遥感技术与应用. 2020(02): 416-423 . 百度学术
20. 向淇文，潘建平，张广泽，徐正宣，张定凯，涂文丽. 基于SBAS技术的川藏铁路折多山地区地表形变监测与分析. 测绘工程. 2020(04): 48-54+59 . 百度学术
21. 张金盈，崔靓，刘增珉，王新田，林琳，徐凤玲. 利用Sentinel-1 SAR数据及SBAS技术的大区域地表形变监测. 测绘通报. 2020(07): 125-129 . 百度学术
22. 狄桂栓. 基于InSAR技术的黄河三角洲区域地表形变浅析. 地理空间信息. 2020(09): 106-109+8 . 百度学术
23. 高辉，罗孝文，吴自银，阳凡林. 基于时序InSAR的珠江口大面积地面沉降监测. 海洋学研究. 2020(02): 81-87 . 百度学术
24. 韩红花. 黄河三角洲区域地表形变监测研究. 山东国土资源. 2020(11): 69-72 . 百度学术
25. 夏元平，陈志轩，张毅. 南昌市地面沉降InSAR监测及影响因子分析. 测绘科学. 2020(11): 115-122+129 . 百度学术
26. 贺跃光，肖亮. 某水溶开采矿区短基线集InSAR高相干点探测. 中国锰业. 2019(01): 89-93 . 百度学术
27. 张静，丁黄平，刘纯，谢文然，时雨. 基于InSAR技术的盘锦地区地面沉降研究. 世界地质. 2019(02): 574-580 . 百度学术
28. 韩红超，符华年，张文峰，温浩. InSAR、水准多维沉降监测体系建设及应用研究. 测绘通报. 2019(S1): 236-241 . 百度学术
29. 师芸，李伟轩，唐亚明，席磊，孟欣. 时序InSAR技术在地球环境监测及其资源管理中的应用:以交城-清徐地区为例. 武汉大学学报(信息科学版). 2019(11): 1613-1621 . 百度学术
30. 杨帆，王道顺，张磊，张子文. 基于时序InSAR的隧道工程形变监测与分析. 测绘与空间地理信息. 2019(10): 1-4 . 百度学术
31. 黄洁慧，谢谟文，王立伟. 基于SBAS-InSAR技术的白格滑坡形变监测研究. 人民长江. 2019(12): 101-105 . 百度学术
32. 黄洁慧，谢谟文，王立伟. 基于差分干涉合成孔径雷达技术的米林滑坡形变监测. 科学技术与工程. 2019(25): 7-12 . 百度学术
33. 李锁乐，吴宏安，张永红，康永辉，左振华. 包头市地面沉降高分辨率时序InSAR监测. 测绘科学. 2018(09): 76-80 . 百度学术
34. 杨帆，张磊，张子文，赵增鹏. 利用短基线集InSAR技术监测抚顺市地面沉降. 测绘通报. 2018(03): 84-88 . 百度学术
35. 张静，冯东向，綦巍，周雪，赵玉星. 基于SBAS-InSAR技术的盘锦地区地面沉降监测. 工程地质学报. 2018(04): 999-1007 . 百度学术
36. 贺晓阳，赵盟，程存付. 小基线集技术在矿区地表形变监测中的应用. 河南科技. 2018(13): 97-98 . 百度学术
37. LIU Xiao，LIU Jie，FENG Xiuli. Inversion and Prediction of Consolidation Settlement Characteristics of the Fluvial Sediments Based on Void Ratio Variation in the Northern Modern Yellow River Subaqueous Delta, China. Journal of Ocean University of China. 2018(03): 545-554 . 必应学术
38. 李达，邓喀中，高晓雄，牛海鹏. 基于SBAS-InSAR的矿区地表沉降监测与分析. 武汉大学学报(信息科学版). 2018(10): 1531-1537 . 百度学术
39. 张炜，张伟胜，张东升，胡文敏，孙毓言，唐佳佳. 采动覆岩活动规律的“空-地”监测技术. 中国矿业大学学报. 2018(06): 1212-1223 . 百度学术
40. 王小侣. 水电站大坝400V备自投改造研究. 河南科技. 2018(19): 90-91 . 百度学术
41. 张磊，杨帆，李超飞，赵增鹏，张子文. 宁波地面沉降的短基线集监测与分析. 测绘科学. 2017(12): 77-82 . 百度学术
42. 陈继伟，曾琪明，焦健，赵斌臣. Sentinel-1A卫星TOPS模式数据的SBAS时序分析方法——以黄河三角洲地区为例. 国土资源遥感. 2017(04): 82-87 . 百度学术
43. 王萍. 沉降观测技术在高层建筑施工中的应用. 建材与装饰. 2017(35): 19-20 . 百度学术
44. 史秀保，徐宁，温浩，李春进. 一种小基线地表形变监测精度评价方法. 测绘通报. 2016(08): 70-73+91 . 百度学术
45. 于丹，杨子玉，庄岩，于均园. 时序分析法在沈阳地铁二号线变形预测的应用. 沈阳建筑大学学报(自然科学版). 2016(03): 453-458 . 百度学术
46. 王霖郁，李辉. 一种枝切法和质量图相结合的InSAR相位解缠算法. 应用科技. 2016(05): 49-53 . 百度学术
其他类型引用(25)
下载:
计量
- 文章访问数: 2689
- HTML全文浏览量: 174
- PDF下载量: 735
- 被引次数: 71
