顾及多因素影响的自适应反距离加权插值方法
摘要
随着大数据时代来临,空间数据呈现出多源大数据的特点,但是大数据本身的稀疏性也决定了空间数据会出现不同程度的缺失,因而空间数据插值在大数据背景下依然重要。例如,由于观测站检修造成的数据缺失或者某些地点无法设置观测站而造成的数据缺失等。空间插值算法旨在利用离散的观测点测量数据估算同一区域中未知点的估计值,进而生成连续的空间曲面模型.为了获得更高的插值精度,得到高精度的缺失数据估计值和高分辨率空间表面模型,本文提出一种顾及多因素影响的自适应反距离加权插值算法(ACGIDW).该算法顾及了复杂地形因素、经纬度和高程对空间插值的影响,并根据采样点的空间分布模式对反距离加权算法中的距离衰减参数α进行自适应调整,提高了空间插值算法的精度和自适应性.最后,采用两组实际气温和降水气象数据,运用交叉验证方法,对ACGIDW方法、其他反距离加权方法、普通克立金方法进行实验对比分析,验证了ACGIDW方法的优越性和可行性.