Bagaimana cara menginterpolasi suhu dengan benar?

11

Saya mencoba menginterpolasi suhu rata-rata tahunan rata-rata untuk menghasilkan permukaan yang "realistis". Dalam QGIS saya menggunakan Raster-Interpolasi-Interpolasi. Kedua metode TIN dan IDW tidak memberikan permukaan "realistis" (misalnya dibandingkan dengan peta yang baik di atlas).

IDW (faktor 3):

IDW dengan faktor 3

TIN (juga menunjukkan titik interpolasi):

TIN linear menunjukkan juga poin interpolasi saya

Adakah petunjuk bagaimana mendapatkan interpolasi yang "lebih baik, lebih realistis"?

qgis interpolation climate

— Kurt
sumber

2

Khusus untuk daerah pegunungan, saya berharap Anda harus mempertimbangkan ketinggian untuk mendapatkan sesuatu yang realistis.

— underdark

@underdark: dapatkah Anda mengarahkan saya ke halaman web, forum, tutorial, literatur bagaimana ini bisa dilakukan? Terima kasih!!

— Kurt

Tampaknya ini sumber yang masuk akal: ncgia.ucsb.edu/conf/SANTA_FE_CD-ROM/sf_papers/collins_fred/… . Tetapi data iklim bukan spesialisasi saya.

— underdark

1

Apakah Anda ingin membuat peta di mana suhu dikelompokkan ke dalam kelas Kurt? Katakan, sesuatu seperti ini, perambulations.files.wordpress.com/2012/02/usda-zone-map1.jpg . N.

— nhopton

@nhopton: niat utama saya adalah untuk membuat permukaan terus menerus, yang setidaknya "jauh realistis". Hanya ada beberapa poin data dan interpolasi yang dibajak di wilayah moutain berada di luar jangkauan saya. jadi mungkin saya harus mempertimbangkan untuk mencoba membuat permukaan suhu "berkelompok" Tetapi: Tidakkah permukaan yang "dikelompokkan" seperti itu membutuhkan cukup banyak data-poin yang diinterpolasi dengan benar sebagai langkah pertama ?? Apakah Anda memiliki instruksi / tutorial untuk ini? Ini akan sangat disambut! terima kasih

— Kurt

11

Anda dapat mempertimbangkan hubungan suhu-tinggi, terutama di daerah pegunungan. Ko-kriging atau interpolasi splines (mis., Splines 3D yang didukung oleh GRASS GIS) dapat digunakan untuk ini. Untuk area yang lebih luas, variabel lebih lanjut mungkin berperan: jarak dari laut, garis lintang, dll.

Pembaruan: metode yang masuk akal juga bisa berupa regresi berganda, untuk GRASS 7 ada Addon baru: r.regress.multi

— markN
sumber

apakah ada tutorial? Saya telah membeli edisi ke-3 dari buku rumput Anda (springer), tetapi sebagai rockie yang lengkap saya tidak tahu bagaimana memulainya dengan rumput terima kasih

— Kurt

Nikmati bab pertama :) Ini untuk pendatang baru. Lihat juga kursus di geostat-course.org/Topic_NetelerMetz_2011 (materi terkait dengan halaman itu).

— markusN

Materi yang diperbarui di geostat-course.org/Topic_NetelerMetz_2012

— markusN

1

Lebih banyak materi baru sekarang di: neteler.gitlab.io/grass-gis-analysis

— markusN

4

Menginterpolasi data iklim, Anda memiliki dua opsi (saya melihat Anda harus siap menggunakan tutorial, saya akan memberikan referensi, tetapi juga beberapa aspek teoritis yang Anda miliki di sini ):

interpolasi sederhana menggunakan pendekatan kriging adalah pilihan terbaik, karena Anda akan memiliki hubungan yang terdengar statistik. Anda dapat menggunakan tutorial ini: Dalam bahasa Rumania, tetapi Anda dapat menggunakan Google Translate (gunakan SAGA).
interovasi kovariat, kriging atau metode lain, melengkapi data suhu dengan elevasi atau data lainnya. Anda dapat menggunakan tutorial ini: Mitasova spline dengan ketegangan (gunakan GRASS) atau buku contoh Tom Hengl (menggunakan R)

— Niculita Mihai
sumber

3

Apakah Anda mengoreksi data suhu di atmosfer? Itu akan menjelaskan ketinggian permukaan di atas permukaan laut dan atmosfer. NCEP menyediakan banyak data atmosfer untuk Amerika Utara.

Juga, interpolasi linier tidak akan sebagus itu karena suhu memiliki variasi diurnal sepanjang hari.

— nhunsaker
sumber

3

Kurt, Anda bisa mengelompokkan nilai suhu di raster Anda ke kelas dan mengekspor hasilnya ke raster baru menggunakan v.reclass dari kotak alat Sextante.

Saya kira nilai minimum raster interpolasi Anda mungkin (katakanlah) -5 dan nilai maksimum (katakanlah) 30.

Menggunakan GRASS v.reclass dari kotak alat Sextante akan memungkinkan nilai dikelompokkan ke dalam tujuh kelas menggunakan file teks 'aturan' ini (Anda bisa menyebutnya '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

Outputnya adalah raster baru yang memiliki nilai 1 untuk semua nilai antara -5 dan nol di raster asli, dari 2 untuk semua nilai antara 1 dan 5 di raster asli, dan seterusnya.

Prosedurnya sangat sederhana, yang Anda butuhkan hanyalah raster yang diinterpolasi dan file teks 'rules'. Lihat juga halaman manual untuk v.reclass di sini: http://grass.fbk.eu/gdp/html_grass64/r.reclass.html

Setelah diklasifikasi, raster baru juga dapat dipoligonisasi untuk menghasilkan polifon shapefile, untuk menempatkan tepi yang keras pada gambar yang dirender warna. Atau Anda bisa mewarnai gaya shapefile dan melupakan raster.

Hanya catatan singkat. Interpolasi adalah salah satu dari hal-hal yang membuat rambut saya tetap berdiri karena dapat menghasilkan hasil yang terlihat sangat meyakinkan dari data yang sangat tipis. Terlebih lagi hasilnya biasanya tidak mungkin untuk diperiksa karena Anda telah menggunakan semua data yang harus Anda lakukan interpolasi, jadi itu adalah sifat dari hal-hal yang Anda tidak dapat melakukan pemeriksaan yang berarti pada area di mana Anda tidak melakukan punya data.

Dalam kasus Anda, data untuk area di luar perbatasan Austria tipis dan Anda mungkin mempertimbangkan untuk memotong gambar peta akhir untuk menunjukkan hanya Austria. Atau mungkin meninggalkan poin. Misalnya, saya mungkin memiliki grafik dengan percikan senapan poin yang melaluinya saya menggambar garis lurus. Ketidakjujuran dimulai ketika saya kemudian menghapus poin :)

Nick.

— nhopton
sumber