留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

全球MODIS气温数据的修正秩克里金插值分析

段悦 舒红 胡泓达 马国锐

段悦, 舒红, 胡泓达, 马国锐. 全球MODIS气温数据的修正秩克里金插值分析[J]. 武汉大学学报 ● 信息科学版, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054
引用本文: 段悦, 舒红, 胡泓达, 马国锐. 全球MODIS气温数据的修正秩克里金插值分析[J]. 武汉大学学报 ● 信息科学版, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054
DUAN Yue, SHU Hong, HU Hongda, MA Guorui. Globle Temperature MODIS Data Interpolation with Fixed Rank Kriging[J]. Geomatics and Information Science of Wuhan University, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054
Citation: DUAN Yue, SHU Hong, HU Hongda, MA Guorui. Globle Temperature MODIS Data Interpolation with Fixed Rank Kriging[J]. Geomatics and Information Science of Wuhan University, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054

全球MODIS气温数据的修正秩克里金插值分析

doi: 10.13203/j.whugis20140054
基金项目: 国家自然科学基金资助项目(41171313);湖北省自然科学基金资助项目(2014CFB725);苏州市科技计划应用基础研究资助项目(SYG201319)
详细信息
    作者简介:

    段悦,硕士,研究方向为时空统计分析。

    通讯作者: 舒红,博士,教授。
  • 中图分类号: P237

Globle Temperature MODIS Data Interpolation with Fixed Rank Kriging

Funds: The National Natural Science Foundation of China,No.41171313;Natural Science Foundation of Hubei Provincial, No.2014CFB725;Suzhou Science and Technology Program of Applied Basic Research,No.SYG201319.
More Information
    Author Bio:

    DUAN Yue,master,specializes in spatio-temporal statistical analysis.

    Corresponding author: SHU Hong,PhD,professor.
  • 摘要: 高维数据插值是大数据分析的一个基本内容,传统克里金插值方法的计算复杂度,是O(n3),即随数据观测量的增大其计算复杂度以3次方速度增长,无法满足实时性应用需求强的克里金插值。修正秩克里金(FRK)方法通过矩阵分解降低大维矩阵的运算维数来简化矩阵计算,提高计算速度。在大数据分析背景下,借助FRK方法对全球MODIS气温数据进行统计建模并计算实现气温数据的插值分析。将其与普通克里金(OK)作对比实验,结果表明,相较于OK方法,FRK方法的插值精度并没有降低;在计算效率方面,使用FRK方法进行插值时,随数据量增大,耗时程度趋于缓慢平稳增长,而同一环境下的OK方法耗时随数据量增大呈指数增长趋势。相对于传统克里金方法,FRK能够在保证插值精度的同时显著降低其计算复杂度,缩短插值时间。
  • [1] Brooker P I,Li Xing.Kriging Method[J].Non-ferrous Mines,1980,4:12-15(Brooker P I,李行.克里金法[J].有色矿山,1980,4:12-15)[2] Davis J C,Sampson R J.Statistics and Data Analy-sis in Geology[M].USA:Johu Wiley &Sons Inc,2002[3] Zhang Renduo.Spatial Variation Theory and Appli-cation[M].Beijing:Science Press,2005(张仁铎.空间变异理论及应用[M].北京:科学出版社,2005)[4] Cressie N.The Origins of Kriging[J].Mathemati-cal Geology,1990,22(3):239-252[5] Odeh I O A,McBratney A B,Chittleborough D J.Further Results on Prediction of Soil Propertiesfrom Terrain Attributes:Heterotopic Cokriging andRegression-Kriging[J].Geoderma,1995,67(3):215-226[6] Li Sha,Shu Hong,Xu Zhengquan.Interpolation ofTemperature Based on Spatial-temporal Kriging[J].Geomatics and Information Science of Wuhan Uni-versity,2012,37(2):237-241(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)[7] Liu Yan,Ruan Huihua,Zhang Pu,et al.KrigingInterpolation of Snow Depth at the North of Tians-han Mountains Assisted by MODIS Data[J].Geo-matics and Information Science of Wuhan Univer-sity,2012,37(4):403-405(刘艳,阮惠华,张璞,等.利用 MODIS数据研究天山北麓Kriging雪深插值[J].武汉大学学报·信息科学版,2012,37(4):403-405)[8] Zhuang Yating,Chen Xunzheng,Fan Shenglong,etal.Study on the Layout of Efficient Arable LandQuality Monitoring Samples Based on Kriging Inter-polation Method-Case Study in Jian′ou County[J].Subtropical Soil and Water Conservation,2013,25(2):17-22(庄雅婷,陈训争,范胜龙,等.基于Krig-ing插值的高效耕地质量监测点布设方式研究——— 以建瓯市为例[J].亚热带水土保持,2013,25(2):17-22)[9] Huang Wen.An Efficient Algorithm of Interpola-tion[J].Journal of Shanxi University of Technol-ogy,2002,18(1):30-32(黄文.一种高效的插值算法[J].陕西工学院学报,2002,18(1):30-32)[10] Miao Sha.The Research of Multi-core Parallel Al-gorithm for Interpolation[D].Shenyang:LiaoningNormal University,2011(苗莎.多核并行插值算法的研究[D].沈阳:辽宁师范大学,2011)[11] Cressie N,Johannesson G.Spatial Prediction for Mas-sive Datasets[C].The Australian Academy of ScienceElizabeth and Frederick White Conference,Australia,2006[12] Cressie N,Johannesson G.Fixed Rank Kriging forVery Large Spatial Data Sets[J].Journal of theRoyal Statistical Society:Series B(StatisticalMethodology),2008,70(1):209-226[13] Shi T,Cressie N.Global Statistical Analysis of MI-SR Aerosol Data:A Massive Data Product fromNASA′s Terra Satellite[J].Environmetrics,2007,18(7):665-680[14] Cressie N,Kang E L.High-resolution Digital SoilMapping:Kriging for Very Large Datasets[M].Netherlands:Springer,2010:49-63[15] Cressie N.Statistics for Spatial Data[M].US:John Wiley &Sons.Inc,1993[16] Woodbury M A.Inverting Modified Matrices[J].Memorandum Report,1950,42:106[17] Katzfuss M,Cressie N.Tutorial on Fixed RankKriging(FRK)of CO2Data[D].Columbus:TheOhio State University,2011
  • [1] 李鹏, 高梦瑶, 李振洪, 王厚杰.  阿尔金断裂带宽幅InSAR对流层延迟估计方法评估 . 武汉大学学报 ● 信息科学版, 2020, 45(6): 879-887. doi: 10.13203/j.whugis20190236
    [2] 许珊, 邹滨, 王敏, 刘宁.  PM2.5浓度空间估算的神经网络与克里格方法对比 . 武汉大学学报 ● 信息科学版, 2020, 45(10): 1642-1650. doi: 10.13203/j.whugis20180482
    [3] 吴凯, 舒红, 聂磊, 焦振航.  一种遥感土壤湿度误差空间协方差的估算方法 . 武汉大学学报 ● 信息科学版, 2019, 44(5): 751-757. doi: 10.13203/j.whugis20170133
    [4] 桑吉章, 李彬, 刘宏康.  空间碎片轨道协方差传播及其动态校正 . 武汉大学学报 ● 信息科学版, 2018, 43(12): 2139-2146. doi: 10.13203/j.whugis20180177
    [5] 聂磊, 舒红, 刘艳.  复杂地形地区月平均气温(混合)地理加权回归克里格插值 . 武汉大学学报 ● 信息科学版, 2018, 43(10): 1553-1559. doi: 10.13203/j.whugis20160433
    [6] 段悦, 舒红, 胡泓达.  利用MODIS温度产品进行秩修正滤波FRF时空插值 . 武汉大学学报 ● 信息科学版, 2016, 41(8): 1027-1033. doi: 10.13203/j.whugis20140495
    [7] 唐韵玮, 张景雄.  基于面-点协同克里格和多点地统计模拟的遥感影像融合方法 . 武汉大学学报 ● 信息科学版, 2014, 39(7): 856-861.
    [8] 张菊清, 郝蓉, 张勤, 聂建亮.  基于各向异性协方差函数的自适应拟合推估 . 武汉大学学报 ● 信息科学版, 2014, 39(10): 1179-1183.
    [9] 刘志平, 张书毕.  方差-协方差分量估计的概括平差因子法 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 925-929.
    [10] 刘庆, 夏江宝, 谢文军.  半方差函数与Moran’s I在土壤微量元素空间分布研究中的应用——以寿光市为例 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1129-1133.
    [11] 周旋, 周晓中, 吴耀平, 翟景秋.  利用MODIS数据监测夜间雾 . 武汉大学学报 ● 信息科学版, 2008, 33(6): 581-583.
    [12] 蓝悦明, 陶本藻.  地图数字化位置误差的协方差函数 . 武汉大学学报 ● 信息科学版, 2004, 29(1): 63-66.
    [13] 杨元喜, 徐天河.  基于移动开窗法协方差估计和方差分量估计的自适应滤波 . 武汉大学学报 ● 信息科学版, 2003, 28(6): 714-718.
    [14] 王新洲, 刘经南, 陶本藻.  GPS基线向量网方差和协方差分量的MINQUE估计 . 武汉大学学报 ● 信息科学版, 1993, 18(3): 57-66.
    [15] 於宗俦.  Helmert型方差-协方差分量估计的通用公式 . 武汉大学学报 ● 信息科学版, 1991, 16(2): 8-17.
    [16] 学报编辑部.  纪念金通尹教授诞辰一百周年 . 武汉大学学报 ● 信息科学版, 1991, 16(1): 1-3.
    [17] 刘丁酉.  秩亏网伪逆平差值的修正估计 . 武汉大学学报 ● 信息科学版, 1988, 13(3): 90-100.
    [18] 徐培亮.  非线性函数的协方差传播公式 . 武汉大学学报 ● 信息科学版, 1986, 11(2): 92-99.
    [19] 张宝庭.  方差-协方差-分量估计 . 武汉大学学报 ● 信息科学版, 1982, 7(1): 42-57.
    [20] 葛莹, 刘尉, 李勇.  Ripley’s K函数方法修正与估计方法比较 . 武汉大学学报 ● 信息科学版, 0, 0(0): 0-0. doi: 10.13203/j.whugis20210451
  • 加载中
计量
  • 文章访问数:  905
  • HTML全文浏览量:  52
  • PDF下载量:  405
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-01-16
  • 修回日期:  2015-08-05
  • 刊出日期:  2015-08-05

全球MODIS气温数据的修正秩克里金插值分析

doi: 10.13203/j.whugis20140054
    基金项目:  国家自然科学基金资助项目(41171313);湖北省自然科学基金资助项目(2014CFB725);苏州市科技计划应用基础研究资助项目(SYG201319)
    作者简介:

    段悦,硕士,研究方向为时空统计分析。

    通讯作者: 舒红,博士,教授。
  • 中图分类号: P237

摘要: 高维数据插值是大数据分析的一个基本内容,传统克里金插值方法的计算复杂度,是O(n3),即随数据观测量的增大其计算复杂度以3次方速度增长,无法满足实时性应用需求强的克里金插值。修正秩克里金(FRK)方法通过矩阵分解降低大维矩阵的运算维数来简化矩阵计算,提高计算速度。在大数据分析背景下,借助FRK方法对全球MODIS气温数据进行统计建模并计算实现气温数据的插值分析。将其与普通克里金(OK)作对比实验,结果表明,相较于OK方法,FRK方法的插值精度并没有降低;在计算效率方面,使用FRK方法进行插值时,随数据量增大,耗时程度趋于缓慢平稳增长,而同一环境下的OK方法耗时随数据量增大呈指数增长趋势。相对于传统克里金方法,FRK能够在保证插值精度的同时显著降低其计算复杂度,缩短插值时间。

English Abstract

段悦, 舒红, 胡泓达, 马国锐. 全球MODIS气温数据的修正秩克里金插值分析[J]. 武汉大学学报 ● 信息科学版, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054
引用本文: 段悦, 舒红, 胡泓达, 马国锐. 全球MODIS气温数据的修正秩克里金插值分析[J]. 武汉大学学报 ● 信息科学版, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054
DUAN Yue, SHU Hong, HU Hongda, MA Guorui. Globle Temperature MODIS Data Interpolation with Fixed Rank Kriging[J]. Geomatics and Information Science of Wuhan University, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054
Citation: DUAN Yue, SHU Hong, HU Hongda, MA Guorui. Globle Temperature MODIS Data Interpolation with Fixed Rank Kriging[J]. Geomatics and Information Science of Wuhan University, 2015, 40(8): 1036-1041. doi: 10.13203/j.whugis20140054
参考文献 (1)

目录

    /

    返回文章
    返回