Wybrane metody interpolacji w modelowaniu map ekstremalnej temperatury powietrza (na przykładzie południowo-zachodniej Polski)

• Autorzy: Kryza M. , Szymanowski J. , Wieczorek M.

Warianty tytułu

EN

The application of selected interpolation methods for modelling extreme air temperature in south-western Poland

• Języki publikacji: PL

Abstrakty

PL

W opracowaniu porównano 4 metody interpolacji ekstremalnych temperatur stycznia i lipca na obszarze poludniowo-zachodniej Polski: oparty na relacji odległościowej między punktami pomiarowymi kriging prosty, dwie techniki wykorzystujące wysokość bezwzględną do objaśnienia przestrzennej zmienności temperatury powietrza (kokriging prosty i regresja prosta) oraz regresję wieloczynnikową. Dokładność poszczególnych technik interpolacji omówiono na podstawie wyników oceny krzyżowej. Porównano największe dodatnie i ujemne różnice między wartościami estymowanymi a obserwowanymi oraz pierwiastek średniego odchylenia kwadratowego (RMSE). Dokonano także analizy przestrzennego rozkładu wielkości odchyleń, a uzyskane mapy poddano ocenie wizualnej. Najlepszymi rezultatami, pod względem RMSE, charakteryzowała się metoda regresji wielo-czynnikowej, mimo że jednocześnie technika ta odznaczała się nieznacznie większymi odchyleniami dodatnimi niż kokriging prosty. Stosując kryterium RMSE stwierdzono, że metoda regresji prostej jest nieznacznie lepsza niż kokriging. Najsłabiej pod tym względem, a także skrajnych różnic, wypadł kriging prosty. Stwierdzono, że wielkość RMSE jest wprost proporcjonalna do przestrzennej zmienności interpolowanej cechy. W przypadku krigingu i kokrigingu prostego wielkość odchyleń między wartościami estymowanymi a obserwowanymi, uzyskanymi w procesie oceny krzyżowej, silnie zależała od wartości temperatury obserwowanej na stacjach sąsiadujących. Największe różnice obserwowano w górach, gdzie temperatura podlega szybkim zmianom na niewielkiej przestrzeni. Wizualnie najlepsze rezultaty dała metoda regresji wieloczynnikowej. Na mapach uzyskanych metodą prostej regresji nie odznaczają się makroskalowe cechy zmienności temperatury. Zastosowanie metod geostatystycznych (krigingu i kokrigingu) powodowało natomiast powstanie na mapach charakterystycznych struktur zamkniętych izolinii.

EN

We compare and cross-validate four spatialisation techniques used to interpolate extreme air temperatures for January and July in SW Poland. Simple kriging, based on autocorrelation; simple co-kriging; simple regression where height a.s.l. was used as an explaining variable; and multiple regression with three variables. The largest residuals and the root mean squared error (RMSE) for tested methods were compared, as well as the spatial distribution of cross-validation results. Resultant maps were also checked visually. The smallest RMSE was achieved using multiple regression, though gave slightly higher positive deviations than simple co-kriging. Simple regression gave a smaller RMSE than simple co-kriging. The largest RMSE was obtained with simple kriging, where no additional explaining variables were used in interpolation procedure. The RMSE was found to be directly proportional to the spatial variability of the modelled characteristic for all interpolation methods tested. The quantity of the cross-validation error for simple kriging and simple co-kriging for a station depends on its neighbouring stations' air temperature. This error is generally larger in mountainous terrain, where air temperature can show marked lateral variations. The best results visually were achieved with multiple regression. On maps generated with simple regression macroscale trends are not seen. There are visible "bull's eye" effects on kriging and cokriging maps.

Słowa kluczowe

PL

temperatura powietrza; interpolacja przestrzenna; Dolny Śląsk; Polska

EN

air temperature; spatial interpolation; Lower Silesia; Poland

• Wydawca: Polskie Towarzystwa Geofizyczne ; Komitet Geofizyki PAN
• Czasopismo: Przegląd Geofizyczny
• Rocznik: 2007
• Tom: Z. 1
• Strony: 61--82
• Opis fizyczny: bibliogr. 49 poz., mapki, tab.,wykr.

Twórcy

autor

Kryza M.

autor

Szymanowski J.

autor

Wieczorek M.

• Instytut Geografii i Rozwoju Regionalnego, Zakład Meteorologii i Klimatologii - Uniwersytet Wrocławski

Bibliografia

• Agnew M. D., Palutikof J. R, 2000, GIS-based construction of baseline climatologies for the Mediterranean using terrain variables. Clim. Res., 14, 115-127.
• Bac-Bronowicz J., 2003, Methods of the visualisation of precipitation based on various observation measurement periods in GIS. Acta Univ. Wratisl., 2542, Stud. Geogr., 75, 559-563.
• Bolstad R V., Collins F. C, 1996, A comparison of spatial interpolation techniques in temperature estimation, [w:] Third International Conference/Workshop on Integrating GIS and Environmental Modeling. NCGIA, Santa Fe, NM.
• Bottai L, Dobesch H., Dyras I., Grueter E., ThornesJ.E., Tveito O. E., van der Wei F, 2003, The use of geographic information systems in climatology and meteorology. COST719.
• Cressie N.A.C., 1991, Statistics for spatial data. John Wiley & Sons, New York, ss. 900. Deutsche Meteorologisches ]ahrbuch. Teil II: Monats und Jahresergebnisse, 1934-1944. Julius Springer, Berlin.
• Faraway J.J., 2002, Practical Regression and Anova using R.J.J. Faraway, ss. 212.
• Goovaerts P., 2000, Geostatistical approaches for incorporating elevation into the spatial interpolation of rainfall.J. Hydrology, 228, 113-129.
• Gorczyński W., 1918, Nowe izotermy Polski, Europy i kuli ziemskiej. Warszawa.
• GRASS Development Team, 2005, Geographic Resources Analysis Support System (GRASS). GNU General Public License. ITC - irst, Trentno, halt, http://grass.itc.it.
• Hess M., 1968, Metoda określenia ilościowego zróżnicowania mezoklimatycznego w terenach górskich. Zesz. Nauk. UJ, Pr. Geogr., 40, 7-26.
• Hess M., Niedźwiedź T., Obrębska-Starkel B., 1975, The methods of constructing of climatic maps of various scales for mountainous and upland territorries exemplified by the maps prepared for Southern Poland. Geographia Polonica, 31, 163-187.
• Hess M., Niedźwiedź T., Obrębska-Starkel B., 1977, Stosunki termiczne Beskidu Niskiego. IGiPZ PAN, Pr. Geogr., ss. 123.
• Hess M., Niedźwiedź T., Obrębska-Starkel B., 1980, O prawidłowościach piętrowego zróżnicowania stosunków klimatycznych w Sudetach. Rocznik Naukowo-Dydaktyczny WSP w Krakowie, Pr. Geogr., 71, 167-201.
• Hofierka J., Suri M., 2002, The solar radiation model for Open source GIS: implementation and applications. Proc. Of the Open source GIS-GRASS users conference 2002 - Trentino, Italy, 11-13 Sept. 2002.
• Isaaks E.H., Srivastava R.M., 1989, An introduction to applied geostatistics, Oxford Univ. Press, New York, ss. 561.
• Ishida T., Kawashima S., 1993, Use of cokriging to estimate surface air temperature from elevation. Theor. Appl. Clim., 47, 147-157.
• Jarvis C. H., Stuart N., 2001a, A comparison among strategies for interpolating maximum and minimum daily air temperatures. Part I: The selection of "guiding" topographic and land cover variables. J. Appl. Meteor., 40, 1060-1074.
• Jarvis C. H., Stuart N., 2001b, A comparison among strategies for interpolating maximum and minimum daily air temperatures. Part II: The interaction between number of guiding variables and the type of interpolation metod.J. Appl. Meteor., 40, 1075-1084.
• Jezioro P., 2003, Application of GIS to an investigation of spatial differentiation of air thermal conditions in the mountainous area. Acta Univ. Wratisl., 2542, Stud. Geogr., 75, 551-558.
• Kosiba A., 1948, Klimat Ziem Śląskich. Wyd. Instytutu Śląskiego, ss. 127.
• Kryza M., 2004, Przestrzenny rozkład minimalnej temperatury stycznia - modelowanie z wykorzystaniem regresji wieloczynnikowej i GIS GRASS, [w:] Analizy Przestrzenne w programie GRASS - Warsztaty 04 -06.XI.2004, Wrocław; 17-23.
• Kryza M.,Sobik M., 2004, Regresyjny model rozkładu przestrzennego temperatury powietrza na Dolnym Śląsku. Czas. Geogr., 75(3), 183-194.
• Kwiatkowski J., 1975, Zasięg fenów sudeckich i ich wpfyw na mezoklimat regionów południowo-zachodniej i środkowej Polski, Przegl. Geogr., 1, 15-30.
• Kwiatkowski J., 1979, Zjawiska fenowe w Sudetach i na przedpolu Sudetów, Problemy Zagospodarowania Ziem Górskich, 20, 243-277.
• Luszniewicz A., Słaby X, 2003, Statystyka. Teoria i zastosowania. Warszawa, Wyd. C. H. Beck, ss. 445.
• Magnuszewski A., 1999, CIS w geografii fizycznej. Warszawa, PWN, ss. 186.
• MarquinezJ., Lastra J., Garcia P., 2003, Estimation models for precipitation in mountainous regions: the use of CIS and multivariate analysis. J. Hydrology, 270, 1-11.
• Matheron G., 1963, Principles of Geostatistics. Economic Geology, 58, 1246-1266.
• Mościbroda J., 1999, Mapy statystyczne jako nośniki informacji ilościowej. Wyd. Uniw. MCS, Lublin, ss. 182.
• Ninyerola M., Pons X., Roure J. M., 2000, A methodological approach of climatological modeling of air temperature and precipitation through GIS techniques. Int. J. Clim., 20, 1823-1841.
• Paszyński J., 1980, Metody sporządzania map topoklimatycznych. Dok. Geogr., IGiPZ PAN, 3.
• Perry M., Hollis D., 2005a, The development of anew set oflong-term climate averages for the UK. Int. J. Clim., 25, 1023-1029.
• Perry M., Hollis D., 2005b, The generation of monthly gridded dataset for a range of climatic variables over the UK. Int. J. Clim., 25, 1041-1054.
• R Development Core Team, 2004, R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051-07-0, URL http://www.R - project.org.
• Rolland Ch., 2003, Spatial and seasonal variations of air temperature lapse rates in alpine region. J. Clim., 16, 1032-1046.
• Romer E., 1938, Pogląd na klimat Polski. Czas. Geogr., 16, 193-224.
• Romer E., 1948/1949, Rehabilitacja wartości średniej temperatury roku. Przegl. Geogr., 22, 213-224.
• Schmuck A., 1957, Regiony termiczne województwa wrocławskiego. Czas. Geogr., 28, 273-285.
• Schmuck A., 1969, Klimat Sudetów, Problemy Zagospodarowania Ziem Górskich, 5 (18), 93-150.
• Sobik M., Netzel P., Quiel F.,2001, Zastosowanie modelu rastrowego do określania pola rocznej sumy opadów atmosferycznych na Dolnym Śląsku. Rocznik Fizycznogeograficzny, 6, 27-34.
• Stach A., Tamulewicz J, 2003, Wstępna ocena przydatności wybranych algorytmów przestrzennej estymacji miesięcznych i rocznych sum opadów na obszarze Polski, [w:] Funkcjonowanie geoekosystemów zlewni rzecznych. T. 3, Obieg wody - uwarunkowania i skutki w środowisku przyrodniczym (red. A. Kostrzewski, J. Szpilkowski), Inst. Badań Czwartorzędu i Geoekologii UAM, Poznań, 87-112.
• Strobl J., 1999, Universitatslehrgang "Geograpphische Informationssysteme", Moduł 9. Raumliche Analysemethoden 1, Univ. Salzburg, 1-5.
• Szymanowski M., 2003, Modelling the urban heat island in Wrocław. Acta Univ. Wratisl., 2542, Stud. Geogr., 75, 493-503.
• Szymanowski M., 2004, Miejska wyspa ciepła we Wrocławiu. Acta Univ. Wratisl., 2690, Stud. Geogr., 77,228.
• Tveito O.E., 2002, Spatial distribution of winter temperatures in Norway related to topography and large-scale atmospheric circulation, IAHS PUB Kick-off meeting, Brasilia, Brazil 20-22 Nov. 2002.
• Tveito O. E., Forland E., Heino R., Hanssen-Bauer I., Alexanders son H., Dahlstrom B., Drebs A., Kern-Hansen C, JonssonX, Vaarby-Laursen E., West-man Y., 2000, Nordic temperature maps. KLIMA, Report nr 09/00, ss. 55.
• Tveito O. E., Schoner W, 2002, Application of spatial interpolation in climatological and meteorological elements by the use of geographical information systems (GIS). KLIMA, Report nr 28/02, 45.
• Ustrnul Z., 2004, Metody analizy przestrzennej w badaniach klimatologicznych [w:] Zastosowanie wybranych metod statystycznychw klimatologii, (red. A. Bokwa.Z. Ustrnul), Inst. Geogr. i Gosp. Przestrz. UJ, Kraków, 65-88.
• Ustrnul Z., Czekierda D., 2003, Zróżnicowanie przestrzenne warunków termicznych powietrza Polski z wykorzystaniem CIS. Ser. Atlasy i Monografie, IMGW, ss. 83.