反距离权重插值_IDW_在降水预报检验的试用研究_甘少华
反距离权重插值法
反距离权重插值法
反距离权重插值法是一种常用的空间插值方法，它可以通过已知的点值来推算未知点的值。
该方法的基本思想是，距离未知点越近的已知点对未知点的影响越大，距离越远的已知点对未知点的影响越小。
在反距离权重插值法中，每个已知点的权重是由其与未知点之间的距离的倒数来计算的。
距离未知点越近的已知点权重越大，距离越远的已知点权重越小。
这种方法的优点是简单易懂，计算速度快，适用于各种类型的数据。
反距离权重插值法的具体步骤如下：
1. 确定未知点和已知点的坐标。
2. 计算未知点与每个已知点之间的距离。
3. 根据距离计算每个已知点的权重，权重的计算公式为：w = 1/d，其中w为权重，d为距离。
4. 根据权重和已知点的值计算未知点的值，计算公式为：Z = Σ(wi*Zi)/Σwi，其中Z为未知点的值，wi为已知点i的权重，Zi为已知点i的值。
反距离权重插值法的应用范围非常广泛，例如气象学、地质学、环境科学等领域。
在气象学中，反距离权重插值法可以用来预测降雨
量、温度等气象要素的分布情况；在地质学中，可以用来推算地下水位、地震震级等数据；在环境科学中，可以用来分析污染物的扩散情况等。
反距离权重插值法是一种简单有效的空间插值方法，可以用来推算未知点的值，适用于各种类型的数据。
在实际应用中，需要根据具体情况选择合适的参数和方法，以获得更准确的结果。
海洋气象观测数据的空间插值与预测方法
海洋气象观测数据的空间插值与预测方法随着技术的发展和科学研究的进步，海洋气象观测数据的收集和分析变得越来越重要。
为了更好地理解和预测海洋气象变化对人类活动的影响，空间插值和预测方法成为海洋气象研究领域的焦点之一。
在海洋气象观测数据的处理中，空间插值是一种常用的技术，可以通过观测站点测得的局部数据推断未观测到的位置的数据。
空间插值的目的是填补不连续的观测数据，以生成连续的数据表面，从而更准确地了解海洋气象的空间分布。
常见的空间插值方法包括反距离权重插值（IDW），克里金插值和样条插值等。
反距离权重插值是一种简单而有效的插值方法，它基于点之间的距离和权重进行插值。
该方法假设离目标点越近的观测点权重越高，离目标点越远的观测点权重越低。
反距离权重插值的优点是计算简单，并且适用于点密度不均匀的情况。
然而，它的缺点是不考虑点之间的空间相关性，可能导致插值结果不够准确。
克里金插值是一种常用的空间插值方法，它考虑了点之间的空间相关性。
克里金插值基于统计模型，通过寻找最优的模型参数来拟合观测数据。
该方法利用已知点的值和空间关系进行插值，可以生成表面的变异性分布图。
克里金插值的优点是考虑了空间自相关性，适用于连续型数据。
但是，由于克里金插值依赖于数据的空间关联性，可能需要大量的观测点才能得到可靠的插值结果。
样条插值是一种基于多项式函数的插值方法，它通过在已知点之间绘制光滑的曲线或曲面来生成连续的数据表面。
样条插值方法可以根据数据的变化趋势进行插值，因此能够更好地拟合复杂的空间分布。
样条插值的优点是具有很高的插值精度，并且能够处理不规则的观测点分布。
然而，样条插值的计算复杂度较高，对计算资源要求较大。
除了空间插值，预测海洋气象数据的方法也是海洋气象研究的重点之一。
预测海洋气象数据可以帮助我们更好地理解未来的海洋气象变化，以便制定相应的措施应对。
常用的预测方法包括时间序列分析、回归分析和机器学习方法等。
时间序列分析是一种基于时间维度的预测方法，它假设未来的数据点与过去的数据点存在相关性。
反距离权重插值法
通过反距离权重插值法进行各观测站点的风速数据的空间插值，生成风速在空间上连续的表面数据，从而得到2005年4月份平均风速和4月份上旬极大风速的等值线本研究所用到的数据除了遥感数据外，还收集了许多图件资料。
这些图件资料主要来源于延庆县水务局和延庆县气象局，包括2004年延庆县(1: 10000)土地利用现状图(电子版)、延庆县土壤类型图(1: 12万)、降水等值线分布图(1: 12万)、延庆县地貌类型图(1: 12万)以及北京市土地沙化普查图等。
由于相关图件均是纸质图件，因此，论文首先根据研究区地表景观特征，以北京市1: 50000地形图为参考图，在图像处理软件ERDAS环境下对以上各图件资料进行配准，将图形数据所建立的投影系和以下待处理的遥感数据的投影系统统一，均为高斯一克吕格投影，以便在地理信息系统中进行空间分析。
其次，利用地理信息系统软件ArcGIS 9.0进行矢量化，建立土壤、降水、地貌等基础数据的数据库，数据格式为GRID格式。
最后，利用GIS的制图功能，生成延庆风沙区土壤类型和土地沙化等专题图。
景观生态分类既是景观结构与功能研究的基础，又是景观格局分析和优化的前提。
由于景观生态学发展过程中对景观类型认识角度的差异，建立各异的景观分类系统，目前还没有得到统一。
景观分类系统的制定现在主要是在土地利用分类系统的基础上发展起来的，考虑研究区内部的实际生态系统水热配置状况，植被类型及物质、能量变化形式的差异，按一定的原则进行不同类型景观的划分。
分类系统的建立可以全面反映一定区域景观的空间分异和组织关联，揭示空间结构与生态功能特征，以此作为景观生态评价和管理的基础，卫星遥感信息源的选择鉴于研究区域面积大，变化明显等特征，各景观类型状态和变化数据的获取需要大量的工作，但是历史时期数据或大规模、高频率的数据调查已不可能实现，需要新的途径来解决上述问题。
遥感技术的发展为大规模空间数据获取及历史资料的重现提供了极大的方便，因此景观类型数据获得可以通过提取遥感数据信息实现。
反距离权重插值计算
反距离权重插值（Inverse Distance Weighting，简称IDW）是一种地理信息系统（GIS）和地理空间分析中常用的插值方法，用于估计未知点的数值或属性值，基于已知点的观测值和距离权重。
IDW方法的核心思想是：越接近目标点的已知点对估计值的贡献越大，距离越远的点对估计值的贡献越小。
下面是反距离权重插值计算的一般步骤：1. **确定目标点**：首先，确定您想要估计数值或属性值的目标点，即需要进行插值的位置。
2. **确定已知点**：收集已知点的观测值，这些点的数值或属性值是已知的。
已知点通常需要在目标点周围有一定的分布。
3. **计算距离权重**：对于每个目标点，计算它与所有已知点之间的距离。
常用的距离度量方法包括欧氏距离、曼哈顿距离、闵可夫斯基距离等。
然后，计算每个已知点与目标点之间的距离权重，通常采用的权重公式是：$$w_i = \frac{1}{d_i^p}$$其中，$w_i$ 是第i 个已知点的权重，$d_i$ 是目标点与第i 个已知点之间的距离，$p$ 是一个用户定义的幂指数，通常为正数。
幂指数决定了距离的影响程度，较大的p 会使距离更近的点对估计值的贡献更大。
4. **计算插值值**：对于每个目标点，使用距离权重来加权平均已知点的观测值，以计算插值值。
插值值的计算公式通常如下：$$Z(x_0, y_0) = \frac{\sum_{i=1}^{n} w_i \cdot Z_i}{\sum_{i=1}^{n} w_i}$$其中，$Z(x_0, y_0)$ 是目标点的插值值，$w_i$ 是第i 个已知点的权重，$Z_i$ 是第i 个已知点的观测值，$n$ 是已知点的数量。
5. **重复步骤4**：对所有需要进行插值的目标点重复步骤4，以获得它们的估计值。
需要注意的是，IDW方法的选择幂指数p 和已知点的分布方式都会影响插值结果。
较大的p 值会使插值方法更加依赖于距离较近的点，而较小的p 值会使插值方法对距离较远的点更敏感。
常用对流层区域拟合模型的比较分析
常用对流层区域拟合模型的比较分析卢献健,晏红波,任 超(桂林理工大学土木与建筑工程学院,广西桂林541004)摘 要:对流层延迟误差,作为CORS系统的主要误差源之一,在高精度定位中必须予以改正。
以高精度GPS数据处理软件Bernese5.0为平台,利用北部湾CORS系统实测数据,比较、分析了目前几种常用的区域对流层改正模型的内插精度,得到了一些有益的结论。
关键词:对流层延迟;CORS系统;区域拟合模型;精度中图分类号:P207 文献标志码:A 文章编号:1008 9268(2010)02 0026 040 引 言近年来卫星定位技术发展迅速,基于基准站网间差分技术的连续运行参考站系统(CORS),以其良好的稳定性,可靠的精度,迅速、有效的信息服务,在诸多领域中得到广泛应用,在GPS定位技术发展史上具有划时代的意义[1]。
对流层延迟误差,作为CORS系统的主要误差源之一,在高精度定位中必须予以改正。
目前,CORS系统中用于流动站对流层延迟的改正模型大致分为两类:内插模型和含高程因子的区域拟合模型。
1 CORS系统对流层延迟改正模型1.1 内插模型主要包括反距离加权内插法(IDW)以及在此基础上进行改进的反距离加权内插法(IIDW)。
1.1.1 反距离加权内插法反距离加权(IDW)内插法是一种常用而简便的空间插值方法,它假设两个事物的相似程度随着彼此间距离的缩短而增加。
因此,它可以待插值点和样本间的距离为权重进行加权平均,距离待插值点越近的样本点赋予的权重越大。
其可表示为D( 0, 0,h0)=Ni=1i D( i, i,h i)(1)式中: D( 0, 0,h0)为坐标( 0, 0,h0)的待插值点的值;D( i, i,h i)(i=1,2, ,N)为坐标D ( i, i,h i)样本点的值;N为样本个数;i(i=1,2, ,N)为样本i的权。
权i由下式确定i=d-Pi0Ni=1d-P i0(2)d i0=( i- 0)2+( i- 0)2+(h i-h0)2, (i=1,2, N)(3) 式中:d i0(i=1,2, ,N)为样本点i到待插值点的距离,且有Ni=1i=1。
反距离加权插值法例题
反距离加权插值法例题
摘要：
1.反距离加权插值法简介
2.反距离加权插值法的计算方法
3.反距离加权插值法的应用实例
4.反距离加权插值法的优缺点
正文：
一、反距离加权插值法简介
反距离加权插值法（Inverse Distance Weighted，简称IDW）是一种常用的空间插值方法，主要基于地理学第一定律，即“近者多，远者少”的原则。
该方法根据待插值点与样本点之间的距离的倒数来确定待插值点的值，距离样本点越近的点对插值结果的影响越大，反之则越小。
二、反距离加权插值法的计算方法
反距离加权插值法的计算公式如下：
z(s) = ∑[k * w(i) * z(i)] / ∑[w(i)]
其中，z(s) 表示待插值点的值，k 为权重，一般取1-2；w(i) 表示样本点
i 的权重，与距离待插值点的距离成反比；z(i) 表示样本点i 的值。
三、反距离加权插值法的应用实例
反距离加权插值法广泛应用于温度、降雨等二维场的插值当中。
例如，在气象数据分析中，可以使用该方法根据附近气象站的数据预测某一地区的气温和降雨量。
四、反距离加权插值法的优缺点
反距离加权插值法的优点是计算简单，计算效率和精度较高；适用于各种分布形式的数据；可以很好地反映地理学第一定律。
反距离权重插值因子对插值误差影响分析
第5卷第11期2010年11月879反距离权重插值因子对插值误差影响分析刘光孟1,2，汪云甲1,2，王 允1,2（1. 江苏省资源环境信息工程重点实验室，江苏徐州 221008；2. 中国矿业大学环境与测绘学院，江苏徐州 221008）摘 要：反距离权重插值法(IDW)作为空间分析中插值的一种常用方法，被广泛地应用于各个领域的插值计算中。
针对反距离权重插值法中涉及到权重、权重幂数及搜索半径等影响因子，选用实测样本数据研究其随着幂数的变化对单点插值结果的变化趋势以及对整体插值误差的影响，通过实验数据的计算和理论分析，发现各点的插值误差变化趋势各不相同，但权重的幂数越大，权值越小，整体的单位权中误差也越大，从而整体精度越差；而随着搜索半径的增大，即数据点密度越大，得到的插值结果越好。
因此，在不存在相同插值点的情况下，采用的样本数据密度越大，权重的幂数越小，得到的整体插值误差结果越好。
关键词：地理信息系统；反距离权重插值法；插值因子；插值误差中图分类号：P628.1文献标志码：A 文章编号：1673－7180(2010)11－0879－6Impact of inverse distance weighted interpolation factors oninterpolation errorLiu Guangmeng1,2，Wang Yunjia1,2，Wang Yun1,2(1. Jiangsu Provincial Key Laboratory of Resources and Environment Information Engineering, Xuzhou, Jiangsu 221008, China; 2. School of Environmental Science and Spatial Information, China University and Technology,Xuzhou, Jiangsu 221008, China)Abstract: The inverse distance weighted interpolation method (IDW) is a commonly used method in interpolation calculation in various fields. In view of the factors including weight, weight exponent and search radius involved in the inverse interpolation method, the effect of exponent on the trend of single-point interpolation and the overall interpolation error is studied with measured sample data. Through calculation of experimental data and theoretical analysis, it is found that the trend of interpolation error of each point is very different. However, larger weight exponent and smaller weight lead to greater overall error in unit weight. Thus the overall accuracy becomes worse. With greater search radius or denser data points, better results can be obtained by interpolation. Therefore, in the case without the same interpolation points, denser sample data and smaller weight would result in smaller overall interpolation error.Key words: geographic information system；inverse distance weighted interpolation；interpolation factors；interpolation error空间插值方法作为从已知地理空间向未知地理空间探索的主要方法，在地理信息科学的研究与应用中具有重要意义。
反距离权重法,样条函数法,自然领域法优缺点
反距离权重法、样条函数法和自然领域法是地理信息系统（GIS）中常用的空间插值方法。
它们在空间数据分析和地理信息处理中起着重要的作用，同时也各自有着自身的优缺点。
本文将对这三种空间插值方法进行深入分析，探讨它们的优势和不足之处。
一、反距离权重法反距离权重法是一种基于距离的空间插值方法，其原理是根据已知点与未知点之间的距离和属性值的关系来进行预测。
该方法假设距离较近的点对未知点的影响较大，距离较远的点对未知点的影响较小。
具体而言，反距离权重法通过计算已知点与未知点之间的距离的倒数作为权重，然后利用已知点的属性值加权平均来估计未知点的属性值。
优点：1. 简单易实现。
反距离权重法的实现过程相对简单，只需考虑距离和属性值之间的关系，不需要复杂的数学模型。
2. 对局部值变化较为敏感。
由于距离较近的点权重较大，因此反距离权重法对局部值的变化较为敏感，能够较好地反映空间数据的局部特征。
缺点：1. 对离裙点敏感。
由于反距离权重法是基于距离的，因此对离未知点较远的离裙点较为敏感，容易受到异常值的影响。
2. 需要大量已知点。
反距离权重法对已知点的数量要求较高，如果已知点数量较少，容易导致插值结果不准确。
二、样条函数法样条函数法是一种基于多项式插值的空间插值方法，其原理是利用多项式函数来逼近已知点之间的曲线。
具体而言，样条函数法将空间数据分段进行插值，每个分段使用一个低次数的多项式函数来逼近已知点之间的曲线，然后通过连接各个分段得到整体的插值结果。
优点：1. 光滑性较好。
样条函数法能够产生光滑的插值曲线，对于一些光滑性较高的地理现象能够较好地反映其特征。
2. 弹性较大。
样条函数法具有一定的弹性，能够很好地适应不规则的数据分布，对于非线性空间数据的插值效果较好。
缺点：1. 计算复杂度较高。
样条函数法需要计算多项式函数的系数以及连接各个分段的边界条件，计算复杂度较高。
2. 对噪声敏感。
样条函数法对于数据中的噪声较为敏感，可能会出现过拟合的情况，导致插值结果不准确。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
反距离权重插值（IDW）在降水预报检验的试用研究甘少华 刘淑媛 闫炎 茅卫平(空军气象中心，北京，100843)详细摘要：降水是日常气象保障领域的一个重要天气现象，降水量评估是数值天气预报模式研发和运行维护的主要关注点之一。
降水的形成和分布是一个复杂的过程，准确获得某个区域的降水量，无论从理论上还是实际上都不现实，唯有对区域内有限的观测站点的降水数据进行插值，才能有效获取整个区域的降水分布，才能对模式的降水预报效能有客观的评估。
目前，降水数值预报业务化检验评估中，降水的空间插值，采用的是双线性插值。
该方案简单易行，但如果参考站点密度过大，仅考虑周围4个目标参考点计算目标站点时，精度和代表性可能存在不足。
因此，在降水检验评估方案中使用更合适的降水插值方案，尽可能考虑观测站周围站点的气象信息，是当前检验方案的一个的迫切要求。
本文基于反距离权重插值方案，对当前业务系统中的降水检验评估方案进行了修改，用2014年夏季6-8月的WRF模式预报进行了对比分析，以评估该方案和当前业务系统方案的差异和特点。
检验分析表明，TS评分、漏报率和空报率在小雨、中雨、大雨和暴雨上均有显著提高。
具体表现在小雨中雨大雨暴雨4个降水量级上的36小时和60预报的TS评分均能提高；在小雨、中雨、大雨3个降水级别上的36小时和60小时的漏报率较原方案降低，在暴雨这个级别上变化不大；小雨的36小时和60小时预报采用新方案检验后空报率增加，但中雨、大雨和暴雨的空报降低。
关键词：反距离权重 WRF模式 数值预报 降水检验1、引言降水是日常气象保障领域的一个重要天气现象，降水量评估是数值天气预报模式研发和运行维护的主要关注点之一。
降水的形成和分布是一个复杂的过程，准确获得某个区域的降水量，无论从理论上还是实际上都不现实，唯有对区域内有限的观测站点的降水数据进行插值，才能有效获取整个区域的降水分布，才能对模式的降水预报效能有客观的评估。
目前，不同种类的空间插值方法在降水量插值方面得到了广泛应用。
徐超在山东省境内分别采用反距离权重法、径向基函数法和普通克里金法对多年气象要素进行了空间插值分析，发现普通克里金法的插值效果更理想[1]；朱芮芮等对日降雨量的时空变异特征进行分析，得出普通克里金法和反距离权重法总体效果较好[2]；Bussires等在日累计降水量的插值研究中发现地统计学克里金法优于简单的泰森多边形法和反距离权重法[3]；Dirks[4]等比较了克里金法、反距离权重法、泰森多边形法在年、月、日、时四种时间分辨率情况下的插值结果，发现克里金法插值效果最好。
李朝奎[5]等采用反距离加权平均法、普通克立格法、规则样条函数法及趋势面法等对美国爱达荷州105个气象站点及其30a平均降水量数据进行插值，分析了不同的插值方法中站点数量化、像元尺度变化对降雨数据空间插值结果的影响,指出要得到最理想的插值结果，须对不同研究区的实测样本数据进行分析，反复进行试验比较，从而选择最佳插值方法。
因此，研究已经表明，对于众多的空间插值方法而言，没有绝对最优的空间插值方法，只有特定条件下的最优方法。
目前，空军气象中心的降水数值预报业务化检验评估中，降水的空间插值，采用的是双线性插值。
即将周围4个点的参考值，基于线性变化的假设，插值到这四个点包围的目标站点上。
该方案简单易行，但也面临一些挑战。
其中一个突出的问题是，如果站点密度过大，计算目标站点时，仅考虑周围4个目标参考点，精度和代表性可能存在不足。
目前研制中的空军第四代业务区域系统，规划WRF模式水平格距约6公里，如果用周围6公里内的4个站点降水值，插值到目标参考点时，插值获得降水量精度颇具争议。
例如，如果西郊观测站点6公里范围内没有观测到降水量，但观测站6公里外的地方降水显著存在，因此双线性插值计算的西郊观测站的降水量为零，获得这样的结果，预报员对降水形态的掌握使用和模式评估无降水的结果显然有距离。
同时，在云、能见度等要素观测中，观测站周围的现象对本观测站的观测也有代表和指引作用。
因此，在降水检验评估方案中使用更合适的降水插值方案，尽可能考虑观测站周围站点的气象信息，是当前检验方案的一个的迫切要求。
本文基于反距离权重插值方案，对当前业务系统中的降水检验评估方案进行了修改，用2014年夏季6-8月的WRF模式预报进行了对比分析，以评估该方案和当前业务系统方案的差异和特点。
2、数据和方法反距离加权插值（IDW）算法是基于相近相似的原理[6]，每个采样点都对插值点具有一定的影响，即权重。
权重随着采样点和插值点之间距离的增加而减弱，距离插值点越近的采样点的权重越大。
而且当采样点在距离插值点一定范围以外时，权重可以忽略不计。
在任一插值点处的值是各采样点权重之和[7]，表示为=式中,是目标插值，是第i个采样点数值，为第i个采样点到插值点距离，为距离衰减函数，权指数具有随着距离的增加减小其他位置的影响的作用。
当ｕ＝０时，距离没有影响；当ｕ＝１时，距离的影响是线性的；当ｕ １时，快速减少了遥远位置的影响。
权指数ｕ通常取值为１或２，但是大多数学者认为权指数采用２将取得更好的试验效果[8]。
本人根据已有的研究结果，ｕ取值为２。
空军第三代数值预报检验方案中降水插值采用的是双线性插值，本文采用IDW插值方案取代原方案，并在2014年6-8月夏季降水的WRF模式的降水预报中，与原方案进行了降水效果检验对比分析。
在下文分析方案中，全国降水观测站为400个，WRF模式格点分辨率为27km。
3、结果分析当前业务系统中，中国区域降水检验方案取400个观测站，为便于全面分析反距离权重插值（IDW）方案与原方案差异，本文选取检验指标TS评分、漏报率和空报率进行分析，根据24小时降水量对降水进行小雨、中雨、大雨、暴雨分级检验。
下图中，新方案代表反距离权重插值，旧方案代表双线性插值。
3.1 TS评分图1 4种降水量级的36小时和60小时TS 评分图a1显示，采用反距离权重降水量插值，36小时预报的小雨TS 评分比原方案略低，预报60小时后的小雨TS 评分高于原方案。
图b1、b2、c1、c2、d1、d2显示，新方案检验中雨、大雨和暴雨的36小时和60小时预报的TS 评分均优于原方案。
综合图1各个量级可以看出，新方案在小雨、中雨、大雨和暴雨4个量级上的TS 评分均能提高。
3.2 漏报率a1a2d2图2 4种降水量级的36小时和60小时漏报率图2显示，新方案插值的降水检验，在小雨、中雨、大雨3个降水级别上的36小时和60小时的漏报率均低于原方案。
可见新方案插值时，采集更多站点的降水信息，这样插值出来的降水数值与观测降水量更接近。
图2中，由于模式对暴雨的预报能力不足，漏报较大，新方案和旧方案比，在漏报率上差不多。
3.3 空报率c1c2b1 b2图3 4种降水量级的36小时和60小时空报率 图3中a1和a2显示，新方案的36小时和60小时预报检验显示，小雨的空报增加，图b1、b2、c1、c2显示，采用新方案后，中雨、大雨、暴雨的空报率均降低。
4、结论我们采用反距离权重插值（IDW），在当前业务系统降水检验中替换原来的双线性插值，并应用于2014年6-8月的夏季WRF 模式降水检验，并和原有的双线性插值降水检验方案进行了对比分析，TS 评分、漏报率和空报率在小雨、中雨、大雨和暴雨上均有显著提高，也有部分指标降低。
具体表现在：一、 小雨中雨大雨暴雨4个降水量级上的36小时和60预报的TS 评分均能提高。
二、 在小雨、中雨、大雨3个降水级别上的36小时和60小时的漏报率较原方案降低，在暴雨这个级别上变化不大。
三、 小雨的36小时和60小时预报采用新方案检验后空报率增加，但中雨、大雨和暴雨的空报降低。
本文在基于全国400个观测降水测站降水观测基础上，用反距离权重插值（IDW）替换原来的双线性插值，获取目标的降水值更合理更准确，表现在降水几个关键指标上均有提高。
该方案经过修改完善后，可以适用于第四代降水检验方案，可能对高密度的2500个降水观测站更适合，同时在能见度、云等插值检验时也有广泛的应用前景。
后续各种检验效果的适用分析，会是我们下一步工作的方向。
参考文献[1]徐超, 吴大千, 张治国.山东省多年气象要素空间插值方法比较研究[J] .山东大学学报(理学报), 2008 , 43(3):1 -5 .[2]朱芮芮, 李兰, 王浩, 等.降水量的空间变异性和空间插值方法的比较研究[J] .中国农村水利水电, 2004(7):25 -28 .[3]BUSSIRES N , H OGG W .Th e objective an aly si s of dai ly rainf all by distance weighting schemes on a mesos cal e grid[J] .Atmosphere-Ocean , 1989 , 27(3):521 -541 .[4]DIRKSKN , HAY JE ,STOW CD , et al. High-resolut ion studies of rainfall on Norfolk Isl and .Part II :Interpolation of rainfall data[J] .Hydrology , 1998 , 208 :187 -193 .[5]李朝奎, 陈良, 王勇.降雨量分布的空间插值方法研究———以美国爱达荷州为例[Ｊ] .矿产与地质, 2007, 21(6):684-687 Lichaokui ,CHENLiang, WANGYong.Research on spatial interolation ofrainfall distribution : A case study of Idaho State in the USA[J].Mineral Resources and Geoloy,2007, 21(6):684-687.［6］CHAPLOT V. A ccuracy of Interpolation Techniques for the Derivation of Digital Elevation Models in Relation to Landform Types and Data Density[J]. Geomorphology,2006,77:126-141.[7] 卢华兴．ＤＥＭ误差模型研究［Ｄ］．南京：南京师范大学，２００８：３３．［8］ Declercq Fan. Interpolation Methods for Scattered Sample Data : Accuracy, Spatial Patterns,Processing Time[J].Cartography and Geographic Information Systems,1996,23(3):128-144.。