Accurate mapping of the spatial dis

Accurate mapping of the spatial distribution of annual precipitation is important for many applications in hydrology, climatology, agronomy, ecology and other environmental sciences. In this study, we compared five different statistical methods to predict spatially the average annual precipitation of Turkey using point observations of annual precipitation at meteorological stations and spatially exhaustive covariate data (i.e. elevation, aspect, surface roughness, distance to coast, land use and eco-region). The methods compared were multiple linear regression (MLR), ordinary kriging (OK), regression kriging (RK), universal kriging (UK), and geographically weighted regression (GWR). Average annual precipitation of Turkey from 1970 to 2006 was measured at 225 meteorological stations that are fairly uniformly distributed across the country, with a somewhat higher spatial density along the coastline. The observed annual precipitation varied between 255 mm and 2209 mm with an average of 628 mm. The annual precipitation was highest along the southern and northern coasts and low in the centre of the country, except for the area near the Van Lake, Keban and Ataturk Dams. To compare the performance of the interpolation techniques the total dataset was first randomly split in ten equally sized test datasets. Next, for each test data set the remaining 90% of the data comprised the training dataset. Each training dataset was then used to calibrate and apply the spatial prediction model. Predictions at the test dataset locations were compared with the observed test data. Validation was done by calculating the Root Mean Squared Error (RMSE), R-square and Standardized MSE (SMSE) values. According to these criteria, universal kriging is the most accurate with an RMSE of 178 mm, an R-square of 0.61 and an SMSE of 1.06, whilst multiple linear regression performed worst (RMSE of 222 mm, R-square of 0.39, and SMSE of 1.44). Ordinary kriging, UK using only elevation and geographically weighted regression are intermediate with RMSE values of 201 mm, 212 mm and 211 mm, and an R-square of 0.50, 0.44 and 0.45, respectively. The RK results are close to those of UK with an RMSE of 186 mm and R-square of 0.57. The spatial extrapolation performance of each method was also evaluated. This was done by predicting the annual precipitation in the eastern part of Turkey using observations from the western part. Results showed that MLR, GWR and RK performed best with little differences between these methods. The large prediction error variances confirmed that extrapolation is more difficult than interpolation. Whilst spatial extrapolation benefits most from covariate information as shown by an RMSE reduction of about 60 mm, in this study covariate information was also valuable for spatial interpolation because it reduced the RMSE with on average 30 mm

ผลลัพธ์ (ไทย) 1:

การแม็ปความถูกต้องของการกระจายของฝนรายปีเป็นสิ่งสำคัญสำหรับโปรแกรมประยุกต์หลายในอุทกวิทยา climatology เกษตรศาสตร์ นิเวศวิทยา และวิทยาศาสตร์สิ่งแวดล้อมอื่น ๆ ในการศึกษานี้ เราเปรียบเทียบ 5 แตกต่างกันทางสถิติวิธีทำนาย spatially ฝนรายปีเฉลี่ยของตุรกีใช้จุดสังเกตของฝนรายปีที่สถานีอุตุนิยมวิทยาและข้อมูลครบถ้วนสมบูรณ์ spatially covariate (เช่นความสูง ด้าน ความหยาบผิว ห่างจากชายฝั่ง ที่ดินใช้และสิ่งแวดล้อมภูมิภาค) วิธีการเปรียบเทียบมีหลายถดถอยเชิงเส้น (MLR), kriging ธรรมดา (OK), kriging ถดถอย (RK), kriging สากล (UK), และถดถอยถ่วงน้ำหนักกันทางภูมิศาสตร์ (GWR) เฉลี่ยรายปีฝนของตุรกีจาก 1970 2006 ถูกวัดที่สถานีอุตุนิยมวิทยา 225 ที่ค่อนข้างสม่ำเสมอเมื่อเทียบเคียงกระจายทั่วประเทศ มีความหนาแน่นพื้นที่ค่อนข้างสูงตามแนวชายฝั่ง ฝนปีสังเกตที่แตกต่างกันระหว่าง 255 มม.มม. 2209 โดยเฉลี่ย 628 mm ฝนประจำปีได้สูงสุดตามชายภาคใต้ และภาคเหนือ และต่ำในประเทศ ยกเว้นบริเวณใกล้ทะเลสาบแวน Keban และ สายอาตาเติร์ก การเปรียบเทียบประสิทธิภาพของเทคนิคสอดแทรก ชุดข้อมูลทั้งหมดถูกก่อนสุ่มแบ่งสิบ datasets ทดสอบขนาดเท่ากัน ถัดไป สำหรับแต่ละชุดข้อมูลทดสอบ ที่เหลือ 90% ของข้อมูลประกอบด้วยชุดข้อมูลการฝึกอบรมด้วย แต่ละชุดข้อมูลการฝึกอบรมแล้วใช้การปรับเทียบ และใช้แบบจำลองทำนายปริภูมิ คาดคะเนพื้นที่ชุดข้อมูลทดสอบถูกเปรียบเทียบกับข้อมูลทดสอบสังเกต ตรวจสอบได้โดยการคำนวณรากหมายถึงลอการิทึมข้อผิดพลาด (RMSE) ค่า R สแควร์และ MSE ที่มาตรฐาน (SMSE) ตามเกณฑ์เหล่านี้ kriging สากลถูกต้องสุดกับ RMSE 178 มม. R-ตารางของ 0.61 และมี SMSE 1.06 ในขณะที่ดำเนินการเชิงเส้นแบบพหุคูณเลวร้ายที่สุด (RMSE 222 มม. R-สแควร์ของ 0.39 และ SMSE 1.44) Kriging ธรรมดา สหราชอาณาจักรใช้เฉพาะระดับ และถ่วงน้ำหนักกันทางภูมิศาสตร์ ถดถอยได้ระดับปานกลาง มีค่า RMSE 201 มม. 212 mm และ 211 มม. และ R-ตาราง 0.50, 0.44 และ 0.45 ตามลำดับ ผล RK จะใกล้กับของสหราชอาณาจักรกับ R-สแควร์ของ 0.57 และ RMSE 186 มม. นอกจากนี้ยังมีประเมินประสิทธิภาพของแต่ละวิธี extrapolation ปริภูมิ นี้ถูกทำ โดยการคาดการณ์ฝนประจำปีในภาคตะวันออกของตุรกีใช้สังเกตจากฝั่งตะวันตก ผลพบว่า MLR, GWR และ RK ทำส่วน มีความแตกต่างเล็กน้อยระหว่างวิธีการเหล่านี้ ผลต่างของข้อผิดพลาดใหญ่ทำนายยืนยัน extrapolation ที่ยากกว่าแทรกแทรง ขณะ extrapolation ปริภูมิผลประโยชน์มากที่สุดจากข้อมูล covariate ตามที่แสดง โดยการลดประมาณ 60 mm ข้อมูลศึกษา covariate RMSE ยังมีคุณค่าสำหรับสอดแทรกพื้นที่ เพราะมันลด RMSE กับบน เฉลี่ย 30 มม.

ผลลัพธ์ (ไทย) 2:

การทำแผนที่ที่ถูกต้องของการกระจายของฝนประจำปีเป็นสิ่งสำคัญสำหรับการใช้งานจำนวนมากในอุทกวิทยาอุตุนิยมวิทยา, พืชไร่นิเวศวิทยาและวิทยาศาสตร์สิ่งแวดล้อมอื่น ๆ ในการศึกษานี้เราเมื่อเทียบกับห้าวิธีการทางสถิติที่แตกต่างกันในการทำนายตำแหน่งฝนเฉลี่ยรายปีของตุรกีโดยใช้การสังเกตจุดประจำปีการเร่งรัดที่สถานีอุตุนิยมวิทยาและข้อมูลตัวแปรร่วมหมดจดเชิงพื้นที่ (เช่นการยกระดับด้านพื้นผิวที่ขรุขระระยะห่างจากชายฝั่ง, การใช้ที่ดินและเป็นมิตรกับสิ่งแวดล้อม -region) วิธีการเทียบเป็นหลายถดถอยเชิงเส้น (MLR) kriging สามัญ (OK) ถดถอย kriging (RK) kriging สากล (สหราชอาณาจักร) และการถดถอยทางภูมิศาสตร์ถ่วงน้ำหนัก (GWR) ฝนเฉลี่ยรายปีของตุรกี 1970-2006 วัดที่ 225 สถานีอุตุนิยมวิทยาที่เป็นธรรมกระจายอย่างสม่ำเสมอทั่วประเทศที่มีความหนาแน่นเชิงพื้นที่ค่อนข้างสูงตามแนวชายฝั่ง สังเกตประจำปีการเร่งรัดแตกต่างกันระหว่าง 255 มิลลิเมตรและ 2,209 มิลลิเมตรมีค่าเฉลี่ย 628 มิลลิเมตร ประจำปีการเร่งรัดสูงสุดตามชายฝั่งทางตอนใต้และภาคเหนือและต่ำในใจกลางของประเทศยกเว้นบริเวณใกล้แวนทะเลสาบ Keban และ Ataturk เขื่อน เพื่อเปรียบเทียบประสิทธิภาพการทำงานของเทคนิคการแก้ไขชุดข้อมูลทั้งหมดถูกแบ่งออกเป็นครั้งแรกในรอบสิบสุ่มขนาดเท่ากันชุดข้อมูลทดสอบ ถัดไปสำหรับแต่ละการทดสอบข้อมูลการตั้งค่าที่เหลืออีก 90% ของข้อมูลที่ประกอบด้วยชุดการฝึกอบรม ชุดการฝึกอบรมแต่ละคนได้นำไปใช้ในการสอบเทียบและใช้แบบจำลองการคาดการณ์เชิงพื้นที่ การคาดการณ์ในสถานที่ชุดทดสอบเปรียบเทียบกับข้อมูลการทดสอบสังเกต การตรวจสอบที่ได้กระทำโดยการคำนวณ Root Mean Squared Error (RMSE) R-ตารางและมาตรฐาน MSE (SMSE) ค่า ตามเกณฑ์เหล่านี้ kriging สากลที่ถูกต้องที่สุดด้วย RMSE 178 มม R-ตาราง 0.61 และ SMSE 1.06 ในขณะที่หลายถดถอยเชิงเส้นดำเนินการที่เลวร้ายที่สุด (RMSE 222 มม R-ตาราง 0.39 และ SMSE 1.44) kriging สามัญสหราชอาณาจักรโดยใช้ระดับความสูงเท่านั้นและการถดถอยทางภูมิศาสตร์ถ่วงน้ำหนักเป็นสื่อกลางที่มีค่า RMSE 201 มิลลิเมตร 212 มิลลิเมตรและ 211 มิลลิเมตรและ R-ตาราง 0.50, 0.44 และ 0.45 ตามลำดับ ผลการ RK มีความใกล้ชิดกับบรรดาของสหราชอาณาจักรที่มี RMSE 186 มิลลิเมตรและ R-ตาราง 0.57 การคาดการณ์ผลการดำเนินงานเชิงพื้นที่ของแต่ละวิธีได้รับการประเมิน นี้ทำโดยการคาดการณ์ปริมาณน้ำฝนประจำปีในภาคตะวันออกของตุรกีโดยใช้การสังเกตจากทางทิศตะวันตก ผลการศึกษาพบว่าอัตราดอกเบี้ย MLR, GWR และ RK ดำเนินการที่ดีที่สุดที่มีความแตกต่างเล็ก ๆ น้อย ๆ ระหว่างวิธีการเหล่านี้ ข้อผิดพลาดการทำนายความแปรปรวนขนาดใหญ่ได้รับการยืนยันการคาดการณ์ว่าจะยากกว่าการแก้ไข ขณะที่การคาดการณ์ผลประโยชน์เชิงพื้นที่มากที่สุดจากข้อมูลตัวแปรร่วมที่แสดงโดยการลด RMSE ประมาณ 60 มิลลิเมตรในการศึกษาข้อมูลตัวแปรร่วมนี้ยังเป็นที่มีคุณค่าสำหรับการแก้ไขเชิงพื้นที่เพราะมันลดลง RMSE ที่มีค่าเฉลี่ย 30 มิลลิเมตร

ผลลัพธ์ (ไทย) 3:

แผนที่ที่ถูกต้องของการกระจายเชิงพื้นที่ของปริมาณน้ำฝนประจำปีที่สำคัญสำหรับการใช้งานหลายในอุทกวิทยา อุตุนิยมวิทยา , พืชไร่ , นิเวศวิทยาและวิทยาศาสตร์สิ่งแวดล้อมอื่น ๆ ในการศึกษานี้เราเมื่อเทียบกับห้าที่แตกต่างกันวิธีการทางสถิติเพื่อทำนายปริมาณฝนเฉลี่ยรายปีของตุรกีเปลี่ยนโดยใช้จุดสังเกตของปีฝนที่สถานีอุตุนิยมวิทยาและข้อมูลชุดข้อมูลเชิงพื้นที่ ( เช่นความสูง , ด้าน , ผิวหยาบกร้าน , ระยะห่างจากชายฝั่ง การใช้ที่ดิน และนิเวศ เขต ) วิธีการเปรียบเทียบการถดถอยพหุคูณเชิงเส้นตรง ( MLR ) คริกกิ้งธรรมดา ( OK )คริกกิ้งถดถอย ( RK ) , Universal คริกกิ้ง ( UK ) , ภูมิศาสตร์ และน้ำหนักการถดถอย ( GWR ) ฝนเฉลี่ยรายปีของตุรกี จากปี 1970 ถึงปี 2006 ถูกวัดที่ 225 สถานีอุตุนิยมวิทยาที่ค่อนข้างจุดกระจายข้ามประเทศ กับค่อนข้างสูงกว่าความหนาแน่นเชิงพื้นที่ตามแนวชายฝั่งสังเกตที่แตกต่างกันระหว่างการประจำปี 255 มม. และ * 2209 มิลลิเมตร เฉลี่ย 628 มิลลิเมตร ปริมาณน้ำฝนประจำปีสูงสุดตามชายฝั่งทางใต้และทางเหนือ และต่ำในศูนย์กลางของประเทศ ยกเว้นบริเวณใกล้ทะเลสาบแวน กีบันและเขื่อนตาเติร์ก .เพื่อเปรียบเทียบประสิทธิภาพของการประมาณค่าในช่วงเทคนิคข้อมูลทั้งหมดก่อนสุ่มแยก 10 ขนาดเท่าทดสอบชุดข้อมูล ต่อไปสำหรับการทดสอบแต่ละชุดข้อมูลที่เหลือ 90 % ของข้อมูลประกอบด้วย ข้อมูลการฝึกอบรม . การฝึกอบรมแต่ละข้อมูลก็ใช้ปรับเทียบและใช้แบบจำลองการทำนายเชิงพื้นที่การคาดการณ์ที่ทดสอบเปรียบเทียบกับข้อมูลสถานที่และทดสอบข้อมูล การตรวจสอบทำได้โดยการคำนวณรากค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSE ) r-square มาตรฐาน MSE ( smse ) ค่า ตามหลักเกณฑ์เหล่านี้สากลคริกกิ้งเป็นที่ถูกต้องที่สุดด้วยวิธีการของ r-square 178 มม. , 0.61 และ smse 1.06 ,ขณะที่สมการถดถอยพหุคูณ ( RMSE ) ที่เลวร้ายที่สุดของ mm , 222 r-square ของ 0.39 และ smse ของ 1.44 ) คริกกิ้งธรรมดา อังกฤษใช้ความสูงแค่ภูมิศาสตร์ และถ่วงน้ำหนักด้วยค่า RMSE ของการเป็นสื่อกลาง 201 - 212 มม. และ 211 มิลลิเมตร และ r-square 0.50 , 0.44 และ 0.45 ตามลำดับ โดย RK ผลใกล้ของ UK ด้วยวิธี 186 มิลลิเมตร และ r-square ของ 0.57 .พื้นที่ทำไมประสิทธิภาพของแต่ละวิธีก็ประเมิน นี้ถูกทำโดยพยากรณ์ปริมาณน้ำฝนรายปีในภาคตะวันออกของตุรกี โดยสังเกตจากส่วนตะวันตก ผลการศึกษาพบว่าอัตราดอกเบี้ยและปฏิบัติที่ดีที่สุดกับ RK GWR ความแตกต่างเล็กน้อยระหว่างวิธีการเหล่านี้ทำนายความผิดพลาดใหญ่ยืนยันว่าทำไมมันยากกว่าการประมาณค่าในช่วง ขณะที่พื้นที่ทำไมประโยชน์มากที่สุดจากข้อมูลตัวแปรที่แสดงโดยวิธีลดประมาณ 60 มิลลิเมตร ในการศึกษานี้ ชุดข้อมูลก็มีคุณค่าสำหรับการประมาณค่าเชิง เพราะมันลดด้วยวิธีเฉลี่ย 30 มม.