Application and validation of the residual kriging method for interpolation of the monthly precipitation field in Poland

• Autorzy: Kryza M.

Warianty tytułu

PL

Zastosowanie i walidacja krigingu resztowego do interpolacji miesięcznych sum pola opadu atmosferycznego w Polsce

• Języki publikacji: EN

Abstrakty

EN

Residual kriging (RK) is applied to calculate spatial patterns of monthly precipitation in Poland. RK is one of the multi-dimensional interpolation schemes being used for spatial interpolation of various climatological data. The algorithm is supported by additional explanatory variables, which reflect physical processes responsible for spatial pattern of the interpolated phenomena. Here, the algorithm is implemented in the OpenSource GIS GRASS, supported by the R statistical package. These tools are found to be very flexible and efficient for this purpose. The RK results are compared with other interpolation procedures (Inverse Distance Method and Ordinary Kriging). Both visually and in terms of cross-validation errors, RK performs better than the other interpolation algorithms tested. The general statistics, Root Mean Square Errors and Mean Absolute Errors, are lower for RK than for the other methods compared, and the differences are statistically significant. The cross-validation errors are strongly correlated with the areas of high precipitation. There is also an increase of cross-validation error with the elevation a.s.l., but the increase is smaller for the RK than for the other interpolation algorithms used.

PL

W pracy zastosowano metodę krigingu resztowego (Residual Kriging, RK) do przestrzennej interpolacji miesięcznych sum opadu atmosferycznego w Polsce. Kriging resztowy jest jednym z algorytmów interpolacji wielowymiarowej, który znajduje szerokie zastosowanie w klimatologii. Wynika to z faktu, że RK uwzględnia dodatkowe zmienne niezależne (objaśniające), odpowiedzialne za przestrzenny opis procesów fizycznych kształtujących interpolowane zjawisko. W tej pracy algorytm zaimplementowany został w systemie GIS GRASS, współpracującym z pakietem statystycznym R. Obydwa środowiska działają na licencji OpenSource i okazały się być bardzo wydajnymi narzędziami do realizacji prezentowanego zadania. Wyniki interpolacji RK zostały porównane z otrzymanymi z zastosowaniem dwóch innych algorytmów, metody odwrotnych odległości (IDW) oraz krigingu zwykłego (OK). Porównanie zostało wykonane zarówno jakościowo (wizualnie), jak i ilościowo przez zastosowanie oceny krzyżowej. W obu przypadkach wyniki uzyskane RK są lepsze niż dla IDW i OK. Ogólne statystyki błędu oceny krzyżowej, RMSE i MAE, policzone dla RK, są niższe niż uzyskane dla IDW i OK, a różnice są istotne statystycznie. Wysokie błędy interpolacji są skorelowane przestrzennie z obszarami z wysokimi sumami opadów. Stwierdzono także wzrost błędów oceny krzyżowej z wysokością, który dla RK jest mniejszy niż dla IDW i OK.

Słowa kluczowe

EN

precipitation; spatial interpolation; residual kriging; Poland

PL

opady atmosferyczne; interpolacja przestrzenna; kriging resztowy; Polska

• Wydawca: Polskie Towarzystwo Informacji Przestrzennej
• Czasopismo: Roczniki Geomatyki
• Rocznik: 2008
• Tom: T. 6, z. 1
• Strony: 107--113
• Opis fizyczny: Bibliogr. 24 poz.

Twórcy

autor

Kryza M.

• Department of Meteorology and Climatology, Institute of Geography and Regional Development, Wrocław University, Poland

Bibliografia

• Cressie NAC 1991: Statistics for spatial data. John Wiley&Sons.
• Dobesch H., Tveito OE., Bessemoulin P., 2001: Geographic Information Systems in Climatological Application. DNMI-Report 13/01 KLIMA.
• Goovaerts P., 2000: Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall. J. Hydrology 228(1-2): 113-129.
• GRASS Development Team, 2006: Geographic Resources Analysis Support System (GRASS) Software. ITC-irst, Trento, Italy. http://grass.itc.it.
• Grohmann CH. 2006: r.roughness . a new tool for morphometric analysis in GRASS. GRASS/OSGeo-News 4: 17-19.
• Kalnay E., Kanamitsu M., Kistler R., Collins W., Deaven D., Gandin L., Iredell M., Saha S., White G., Woollen J., Zhu Y., Leetmaa A., Reynolds B., Chelliah M., Ebisuzaki W., Higgins W., Janowiak J., Mo KC., Ropelewski C., Wang J., Jenne R., Joseph D., 1996: The NCEP/NCAR 40-Year Reanalysis Project. Bulletin of the American Meteorological Society 77: 437-471.
• Kostrakiewicz L., 1975: Modele matematyczne zależności średnich sum opadów atmosferycznych w Karpatach Polskich od hipsometrii, ekspozycji i rzeźby terenu oraz długości geograficznej. Przegląd Geofizyczny XLIX: 53-65.
• Kozyra J., 2006: Zastosowanie Modelu Agroklimatu Polski (MAP) do tworzenia numerycznych map opadów atmosferycznych w Polsce. [in:] Migała K., Ropuszyński P. (eds.), Współczesna meteorologia i klimatologia w geografii i ochronie środowiska, PTG Wrocław: 69-76.
• Kryza M., 2008: Modelowanie pola opadu atmosferycznego jako uwarunkowania procesu depozycji zanieczyszczeń. Praca doktorska, Uniwersytet Wrocławski.
• Kryza M., Szymanowski M., Wieczorek M., 2007: Wybrane metody interpolacji w modelowaniu map ekstremalnej temperatury powietrza (na przykładzie Polski południowo-zachodniej). Przegląd Geofizyczny LII(1): 61-82.
• Kyriakidis PC., Kim J., Miller NL., 2001: Geostatistical mapping of precipitation from rain gauge data using atmospheric and terrain characteristics. J. of Appl. Met. 40: 1855-1877.
• Ninyerola M., Pons X., Roure JM., 2000: A methodological approach of climatological modeling of air temperature and precipitation through GIS techniques. Int. J. Clim. 20: 1823-1841.
• Opady atmosferyczne 1961-1980, IMGW, Wyd. Komunik. i Łączności
• Pebesma EJ., 2004: Multivariable geostatistics in S: the gstat package. Computers & Geosciences 30: 683-691.
• R Development Core Team, 2008: R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, www.R-project.org.
• Sobik M., Netzel P., Quiel F., 2001: Zastosowanie modelu rastrowego do określania pola rocznej sumy opadów atmosferycznych na Dolnym Śląsku. Rocznik Fizyczno-Geograficzny, Uniwersytet Gdański 4: 27-34.
• Stach A., Tamulewicz J., 2003: Wstępna ocena przydatności wybranych algorytmów przestrzennej estymacji miesięcznych i rocznych sum opadów na obszarze Polski. [In:] Kostrzewski A., Szpikowski J. (eds.), Funkcjonowanie geoekosystemów zlewni rzecznych, UAM Poznañ: 87-111.
• Szymanowski M., Kryza M., 2006: Evaluation of selected spatialisation techniques in urban heat island estimation. 6th International Conference on Urban Climate Göteborg, Sweden, June 12th-16th 2006: 435-438.
• Szymanowski M., Kryza M., Smaza M., 2007: A GIS approach to spatialize selected climatological parameters for wine-growing in Lower Silesia, Poland. Proceedings of the Bioclimatology and Natural Hazards Conference, 17-20.09.2007, Polana, Słowacja.
• Tveito OE., Schöner W., 2002: Applications of spatial interpolation of climatological and meteorological elements by the use of geographical information systems (GIS). KLIMA Report 28/02.
• Tveito OE. (ed.), 2006: Spatialisation of the climatological and meteorological information by the support of GIS. COST 719 Final Report WG2 Spatialisation (Final draft version 26.07.2006).
• Ustrnul Z., Czekierda D., 2003: Zróżnicowanie przestrzenne warunków termicznych powietrza Polski z wykorzystaniem GIS. IMGW seria: Atlasy i Monografie.
• Willmott CJ., Matsuura K., 2006: On the use of dimensioned measures of error to evaluate the performance of spatial interpolators. Int. J. of GIS 20(1): 89-102.
• Wiszniewski W. (ed.), 1953: Atlas opadów atmosferycznych w Polsce. PIHM Warszawa.