Как правильно интерполировать температуру?

11

Я попытался интерполировать среднегодовую температуру, чтобы получить «реалистичную» поверхность. В QGIS я использовал Растр-Интерполяция-Интерполяция. Оба метода TIN и IDW не дали «реалистичной» поверхности (например, по сравнению с хорошей картой в атласе).

IDW (фактор 3):

IDW с фактором 3

ИНН (также показывает точки интерполяции):

Линия TIN, показывающая также мои точки интерполяции

Есть какие-нибудь подсказки, как получить «лучшую, более реалистичную» интерполяцию?

Kurt
источник
2
Особенно для горной местности, я ожидаю, что вы должны рассмотреть возвышение, чтобы получить что-то отдаленно реалистичное.
Подземье
@underdark: можете ли вы указать мне на веб-страницу, форум, учебник, литературу, как это можно сделать? благодаря!!
Курт
Это кажется разумным источником: ncgia.ucsb.edu/conf/SANTA_FE_CD-ROM/sf_papers/collins_fred/… . Но климатические данные не моя специальность.
Подземье
1
Вы ищете карту, где температуры сгруппированы по классам Курта? Скажем, что-то вроде этого, perambulations.files.wordpress.com/2012/02/usda-zone-map1.jpg . Н.
Ноптон
@nhopton: мое основное намерение состояло в том, чтобы сделать непрерывную поверхность, которая по крайней мере "отдаленно реалистична". Есть только несколько скудных точек данных, и интерполяция в горных районах выходит за рамки моих возможностей. так что, возможно, мне стоит подумать о создании «сгруппированной» температурной поверхности. Но: разве такая «сгруппированная» поверхность не требует достаточно правильно интерполированных точек данных в качестве первого шага? У вас есть инструкции / учебник для этого? Это было бы очень приветствоваться! спасибо
Курт

Ответы:

11

Вы можете принять во внимание соотношение высоты и температуры, особенно в горных районах. Для этого можно использовать ко-кригинг или интерполяцию сплайнов (например, 3D-сплайны, поддерживаемые GRASS GIS). Для больших площадей могут играть роль другие переменные: расстояние от моря, широта и т. Д.

Обновление: разумным методом также может быть множественная регрессия, для GRASS 7 есть новое дополнение : r.regression.multi

markusN
источник
есть учебник? Я купил 3-е издание вашей книги по травам (спрингер), но как полноценный скалистый рок, я не знаю, как начать с травой, спасибо
Курт,
Наслаждайтесь первыми главами :) Это для новичков. Смотрите также курс на geostat-course.org/Topic_NetelerMetz_2011 (материал связан с этой страницей).
markusN
Обновлен материал на сайте geostat-course.org/Topic_NetelerMetz_2012
markusN
1
Больше нового материала теперь на сайте: neteler.gitlab.io/grass-gis-analysis
markusN
4

Интерполируя климатические данные, у вас есть два варианта (я вижу, что вам нужны готовые учебные пособия, я дам ссылку, а также некоторые теоретические аспекты, которые у вас есть здесь ):

  1. Простая интерполяция с использованием подхода кригинга является наилучшим вариантом, потому что у вас будет статистическое звучание. Вы можете использовать этот учебник: на румынском языке, но вы можете использовать Google Translate (используйте SAGA).

  2. ковариатная интерполяция, кригинг или другой метод, дополняющий температурные данные высотными или другими данными. Вы можете использовать эти учебные пособия: сплайн Митасова с натяжением (используйте GRASS) или пример книги Тома Хенгла (используя R)

Никулита Михай
источник
3

Вы корректируете атмосферные данные температуры? Это было бы связано с возвышением над уровнем моря и атмосферой. NCEP предоставляет множество атмосферных данных для Северной Америки.

Кроме того, линейная интерполяция не будет такой хорошей, потому что температура имеет суточные колебания в течение каждого дня.

nhunsaker
источник
3

Курт, вы можете сгруппировать значения температуры в растре по классам и экспортировать результаты в новый растр, используя v.reclass из набора инструментов Sextante.

Я предполагаю, что минимальное значение вашего интерполированного растра может быть (скажем) -5, а максимальное значение (скажем) 30.

Использование GRASS v.reclass из набора инструментов Sextante позволило бы сгруппировать значения в семь классов, используя этот текстовый файл 'rules' (вы можете назвать его 'rules.txt'):

-5 thru 0 = 1
1 thru 5 = 2
6 thru 10 = 3
11 thru 15 = 4
16 thru 20 = 5
21 thru 25 = 6
26 thru 30 = 7

Выходными данными будет новый растр, имеющий значение 1 для всех значений от -5 до нуля в исходном растре, 2 для всех значений от 1 до 5 в исходном растре и т. Д.

Процедура очень проста, все, что вам нужно, это интерполированный растр и текстовый файл «правил». Смотрите также страницу Man для v.reclass здесь: http://grass.fbk.eu/gdp/html_grass64/r.reclass.html

После классификации новый растр также может быть полигонизирован для создания многоугольного шейп-файла, чтобы придать четкие края цветопередаче изображения. Или вы можете раскрасить шейп-файл и забыть о растре.

Просто быстрая заметка. Интерполяция - это одна из тех вещей, которая заставляет то, что осталось от моих волос, встать дыбом, потому что она может дать очень убедительные результаты из очень тонких данных. Более того, результаты, как правило, невозможно проверить, потому что вы использовали все данные, необходимые для интерполяции, поэтому в сущности вещей вы не можете выполнять значимые проверки в областях, для которых вы не можете есть данные.

В вашем случае данные для области за пределами Австрии невелики, и вы можете подумать об отсечении окончательного изображения карты, чтобы показать только Австрию. Или, может быть, оставить точки внутри. Например, у меня может быть график с разбрызгиванием дробовика точек, через которые я рисую прямую линию. Нечестность начинается тогда, когда я снимаю очки :)

Ник.

nhopton
источник