Geostatistical Analysis of Rainfall. 降雨量的地统计分析
Abstract
enRainfall can be modeled as a spatially correlated random field superimposed on a background mean value; therefore, geostatistical methods are appropriate for the analysis of rain gauge data. Nevertheless, there are certain typical features of these data that must be taken into account to produce useful results, including the generally non-Gaussian mixed distribution, the inhomogeneity and low density of observations, and the temporal and spatial variability of spatial correlation patterns. Many studies show that rigorous geostatistical analysis performs better than other available interpolation techniques for rain gauge data. Important elements are the use of climatological variograms and the appropriate treatment of rainy and nonrainy areas. Benefits of geostatistical analysis for rainfall include ease of estimating areal averages, estimation of uncertainties, and the possibility of using secondary information (e.g., topography). Geostatistical analysis also facilitates the generation of ensembles of rainfall fields that are consistent with a given set of observations, allowing for a more realistic exploration of errors and their propagation in downstream models, such as those used for agricultural or hydrological forecasting. This article provides a review of geostatistical methods used for kriging, exemplified where appropriate by daily rain gauge data from Ethiopia.
Abstract
esLa precipitación puede ser modelada como un campo aleatorio correlacionado espacialmente sobrepuesto a un valor de fondo (background) medio. Dadas estas propiedades, resulta apropiado utilizar métodos geoestadísticos para el análisis de datos registrados con pluviómetros distribuidos en estaciones meteorológicas. Existen sin embargo, ciertas características de este tipo de datos que deben ser tomados en cuenta para producir resultados útiles:a) la distribución de datos tiende a ser mixta y no ser normal; b) las observaciones son heterogéneas y de escasa densidad espacial; y c) los patrones de correlación espacial son varían considerablemente en el tiempo y espacio. Numerosos estudios han demostrado ya que un análisis geoestadístico riguroso ofrece mejores resultados que las otras técnicas de interpolación disponibles para este tipo de datos. Cabe resaltar que en la aplicación de estas técnicas, el uso de variogramas climatológicos y el tratamiento apropiado de áreas lluviosas versus áreas no lluviosas son consideraciones importantes. El análisis geoestadístico de lluvias tiene además la ventaja de estimar promedios areales con facilidad, proporcionar una estimación espacial de la incertidumbre, y la posibilidad de incorporar información secundaria (ej. topografía) en el modelo. Asimismo, los métodos geoestadísticos también facilitan la generación de campos de lluvia que son consistentes con las observaciones. Esto hace posible exploraciones más realistas del error y la estimación de su propagación en modelos aplicados subsecuentemente, como por ejemplo en los modelos utilizados en predicción agrícola e hidrológica. Los autores reseñan los métodos geoestadísticos utilizados para krijeage o krijeado (kriging) mediante ejemplos de su uso apropiado con datos pluviométricos en Etiopia.
Abstract
zh降雨量可通过空间相关的随机场叠加在均值背景上进行建模，因而地统计方法适合于雨量台站数据的分析。然而要形成有用的结果，则必须考虑到这些数据的某些典型特征，主要包括：常见的非高斯混合分布、观测值的非均一性和低密度性以及空间相关模式的时空变化。许多研究显示对于雨量台站数据，严密的地统计分析方法优于其他一些可用的插值方法，其重要因素在于气候变异函数（图）的使用以及对多雨区和少雨区的适当处理。应用地统计学分析降雨量的优势包括：面状均值估计的简便性、不确定性的估计和对次级信息（如地形）使用的可能性。地统计方法也便于生成吻合已知观测数据集的整体降雨量场，还便于对下游模型（诸如用于农业和水文的预报模型）的雨量分布及其误差进行更实际可行的探测。本文对适用于克里格的地统计方法进行了回顾，并以埃塞俄比亚的日雨量台站数据为例进行了分析。
