基于空间回归的B样条拟合在地面气温资料质量控制中的应用
发布时间：2021-06-25 06:45
将B样条拟合算法引入到地面气温资料的质量控制当中,在分析地面气温资料空间相关性的基础上,提出一种基于空间回归的B样条拟合地面气温资料质量控制方法（SRTBSF方法）。为了检验SRTBSF方法的有效性及适应性,利用SRTBSF方法对多个场景地面气温资料进行质量控制,并与反距离加权方法（IDW方法）和空间回归方法（SRT方法）进行比较分析。试验结果表明,SRTBSF方法相对于IDW方法和SRT方法更能有效地标记出地面气温资料中的存疑数据,同时多组独立案例的分析结果说明SRTBSF方法具有更好的稳定性和适用性。
【文章来源】：热带气象学报. 2020,36(04)北大核心CSCD
【文章页数】：10 页
【部分图文】：
目标站及周围200 km范围站点分布
图4所示的是SRT＿BSF方法与SRT方法的检错效果分析图，黑色实线代表SRT＿BSF方法的检错率，蓝色虚线是SRT方法的检错率(本文中检错率是指错误检出个数与实际插入的错误个数之比)。从图4可明显看出，黑色实线基本上都在蓝色虚线以上，代表着SRT＿BSF方法相较于SRT方法有更高的检错率。红色方框选中区域为对应图3中所获取的理想邻近站点数量对应的检错率指标值，该范围内SRT＿BSF方法的检错率均高于SRT；从全局的分布来看，符合3.2节中对于SRT＿BSF方法邻近站点敏感性的讨论。图4 北京密云(a)、广州(b)、太原(c)、南京(d)质量控制检错率分析
图3 北京密云(a、b)，广州(c、d)，太原(e、f)，南京(g、h)MAE和IOA值质量控制评价指标图此外，在北京密云、广州、太原、南京各区域选择理想邻近站数量的基础上，对比IDW方法、SRT方法和SRT＿BSF方法的MSR指标效果(图5)。从图5中可看到，SRT＿BSF方法的MSR指标要明显好于其它两种方法。对于不同的方法和地区，IDW方法和SRT方法的MSR指标均分布在三种方法的平局值下半部分，体现了SRT＿BSF方法在不同环境下的良好适用性；同时也反映了SRT＿BSF方法在处理质量控制中两类统计错误问题上的优越性。
【参考文献】：
期刊论文
[1]基于BP神经网络与遗传算法反演大气温湿廓线[J]. 张天虎,鲍艳松,钱芝颖,林利斌,刘旭林,李林,侯岳,雷红玉,李广文,马军,管琴,唐维尧. 热带气象学报. 2020(01)
[2]基于多普勒天气雷达的低空多普勒速度的切变识别算法研究[J]. 闫文辉,黄兴友,李盈盈,杨敏,刘燕斐. 热带气象学报. 2019(02)
[3]利用中位数方法对风廓线雷达数据质量控制的研究[J]. 周芯玉,廖菲. 热带气象学报. 2015(06)
[4]Quality control of specific humidity from surface stations based on EOF and FFT——Case study[J]. Hong ZHAO,Xiaolei ZOU,Zhengkun QIN. Frontiers of Earth Science. 2015(03)
[5]AMDAR观测资料分析及质量控制[J]. 陶士伟,郝民,赵琳娜. 气象. 2009(12)
[6]三维Kriging方法中的变异函数套合[J]. 姚凌青,潘懋,成秋明,常德峰. 地球科学(中国地质大学学报). 2009(02)
[7]全球地面天气报历史资料质量检查与分析[J]. 任芝花,许松,孙化南,张强. 应用气象学报. 2006(04)
[8]空间回归检验方法在气象资料质量检验中的应用[J]. 刘小宁,鞠晓慧,范邵华. 应用气象学报. 2006(01)
本文编号：3248717
【文章来源】：热带气象学报. 2020,36(04)北大核心CSCD
【文章页数】：10 页
【部分图文】：
目标站及周围200 km范围站点分布
图4所示的是SRT＿BSF方法与SRT方法的检错效果分析图，黑色实线代表SRT＿BSF方法的检错率，蓝色虚线是SRT方法的检错率(本文中检错率是指错误检出个数与实际插入的错误个数之比)。从图4可明显看出，黑色实线基本上都在蓝色虚线以上，代表着SRT＿BSF方法相较于SRT方法有更高的检错率。红色方框选中区域为对应图3中所获取的理想邻近站点数量对应的检错率指标值，该范围内SRT＿BSF方法的检错率均高于SRT；从全局的分布来看，符合3.2节中对于SRT＿BSF方法邻近站点敏感性的讨论。图4 北京密云(a)、广州(b)、太原(c)、南京(d)质量控制检错率分析
图3 北京密云(a、b)，广州(c、d)，太原(e、f)，南京(g、h)MAE和IOA值质量控制评价指标图此外，在北京密云、广州、太原、南京各区域选择理想邻近站数量的基础上，对比IDW方法、SRT方法和SRT＿BSF方法的MSR指标效果(图5)。从图5中可看到，SRT＿BSF方法的MSR指标要明显好于其它两种方法。对于不同的方法和地区，IDW方法和SRT方法的MSR指标均分布在三种方法的平局值下半部分，体现了SRT＿BSF方法在不同环境下的良好适用性；同时也反映了SRT＿BSF方法在处理质量控制中两类统计错误问题上的优越性。
【参考文献】：
期刊论文
[1]基于BP神经网络与遗传算法反演大气温湿廓线[J]. 张天虎,鲍艳松,钱芝颖,林利斌,刘旭林,李林,侯岳,雷红玉,李广文,马军,管琴,唐维尧. 热带气象学报. 2020(01)
[2]基于多普勒天气雷达的低空多普勒速度的切变识别算法研究[J]. 闫文辉,黄兴友,李盈盈,杨敏,刘燕斐. 热带气象学报. 2019(02)
[3]利用中位数方法对风廓线雷达数据质量控制的研究[J]. 周芯玉,廖菲. 热带气象学报. 2015(06)
[4]Quality control of specific humidity from surface stations based on EOF and FFT——Case study[J]. Hong ZHAO,Xiaolei ZOU,Zhengkun QIN. Frontiers of Earth Science. 2015(03)
[5]AMDAR观测资料分析及质量控制[J]. 陶士伟,郝民,赵琳娜. 气象. 2009(12)
[6]三维Kriging方法中的变异函数套合[J]. 姚凌青,潘懋,成秋明,常德峰. 地球科学(中国地质大学学报). 2009(02)
[7]全球地面天气报历史资料质量检查与分析[J]. 任芝花,许松,孙化南,张强. 应用气象学报. 2006(04)
[8]空间回归检验方法在气象资料质量检验中的应用[J]. 刘小宁,鞠晓慧,范邵华. 应用气象学报. 2006(01)
本文编号：3248717
本文链接：https://www.wllwen.com/projectlw/qxxlw/3248717.html
