基于时空变异函数的Kriging插值及实现.pdf

ComputerEngineeringandApplications计算机工程与应用2011，47（23）25

基于时空变异函数的Kriging插值及实现

李莎1，2，舒红1，董林1
LISha1，2，SHUHong1，DONGLin1
1.武汉大学测绘遥感信息工程国家重点实验室，武汉430079
2.湖北第二师范学院机械与电气工程系，武汉430205
1.StateKeyLabofInfo.EngineeringinSurveying，MappingandRemoteSensing，WuhanUniversity，Wuhan430079，China
2.DepartmentofMechanicalandElectricalEngineering，HubeiUniversityofEducation，Wuhan430205，China

LISha，SHUHong，DONGLin.ResearchandrealizationofKriginginterpolationbasedonspatial-temporalvariogram.
ComputerEngineeringandApplications，2011，47（23）：25-26.

Abstract：TheKrigingmethodisgenerallyusedinspatialvariableinterpolation，butnotdirectlyinspatial-temporalvariable.
Itneedstobeextendedtospace-time.Thespatial-temporalKriging，withRlanguage，isappliedforthespatial-temporalinter-
polationresearchandrealizationofmonthlyaveragetemperature.Theseasonalparthasbeenremovedfromoriginaltempera-
turedatabytimeseriesdecomposition.Akindofproduct-sumvariograminspace-time，describingthespatial-temporalcorrela-
tion，isconstructedbasedonpurespatialvariogramandpuretemporalone.TherealizationstepswithRsoftwarearegiven.
Spatial-temporalKrigingextendedfromordinaryKrigingisusedinthetemperaturedata.Theexperimentalresultsshowthat
thisKrigingmethodbasedonspatial-temporalvariogramhassatisfiedaccuracy，whichsuppliesaneffectiveapproachforinter-
polationandestimationofspatial-temporalvariables.
Keywords：spatial-temporalcorrelation；variogram；Kriginginterpolation；Rlanguage；temperature

摘要：Kriging（克里金）算法通常用于对空间变量进行插值，但不能直接应用于时空变量，它需要进行时空扩展。以月平均气温
数据为例，运用时空Kriging方法结合R统计语言进行时空插值研究及其实现。通过时序分解去除气温数据中季节变化项，在分
别得到空间变异函数和时间变异函数的基础上构建一类积和式时空变异函数来描述变量的时空相关结构，并给出基于R语言的
具体实现步骤。将普通Kriging方法进行时空扩展，应用于气温数据的时空插值中。验证结果表明，基于时空变异函数的Kriging
方法能提供较高精度的插值效果，这为时空变量的插值预测提供了有效的途径。
关键词：时空相关；变异函数；克里金插值；R语言；气温
DOI：10.3778/j.issn.1002-8331.2011.23.007文章编号：1002-8331（2011）23-0025-02文献标识码：A中图分类号：TP39

1引言语言编程实现数据的时序分解、变异函数建模和时空插值。
一个随机函数在空间位置上的测量值可以看成是随机函实验数据取自中国气象科学数据共享服务网上黑龙江省31个
数在这些位置上的一次实现值[1]，Kriging通常用于在没有测量气象站点1991年1月至2008年12月共216个月的月均气温数据。
值的地方对随机函数进行估计或插