| 点源时间序列数据缺失值的估值方法比较——以小流域气象和水文数据为例 |
| |
| 引用本文： | 甘蕾,周脚根,石锦,李希,沈健林,吕殿青,李裕元,吴金水.点源时间序列数据缺失值的估值方法比较——以小流域气象和水文数据为例[J].中国农业气象,2018,39(3):195. |
| |
| 作者姓名： | 甘蕾 周脚根 石锦 李希 沈健林 吕殿青 李裕元 吴金水 |
| |
| 作者单位： | 1.湖南师范大学资源与环境科学学院，长沙 410081；2.中国科学院亚热带农业生态研究所亚热带农业生态过程重点实验室，长沙 410125；3.湖南农业大学工学院，长沙 410128 |
| |
| 基金项目： | 国家科技支撑计划项目（2014BAD14B02）；水利部公益性行业科研专项经费项目（201501055）；湖南省地理学重点学科建设项目（20110101） |
| |
| 摘 要： | 对点源时间序列数据缺失值进行有效估值能提升其数据质量。为探究不同估值方法对点源时间序列数据缺失值的估值效果及其影响因素，以亚热带典型小流域长期定位观测的每日气象和水文数据（最高气温、最低气温、太阳辐射量、降雨量及地表径流量）为例，以均方根误差（RMSE）、绝对平均误差（MAE）和Pearson相关系数（r）为性能验证指标，比较了线性内插法（LIM）、K-最近邻插值法（KNNM）、样条插值法（SIM）、多项式插值法（PIM）和核密度估值法（KDEM）5种估值方法的估值性能差异及其主要影响因素。结果表明：（1）LIM、SIM和KDEM的估值性能总体上优于其它2种方法；（2）5种估值方法对气象数据（最高气温、最低气温和太阳辐射量）缺失值估值的RMSE为1.81～6.35，MAE为1.30～4.20，r为0.70～0.98（P＜0.05），而对水文数据（降雨量和地表径流量）缺失值估值的RMSE为12.54～26.28，MAE为3.60～14.21，r为0.07～0.72。可见，各估值方法对气象数据的估值性能强于对水文数据；（3）上述数据集的变异系数（CV）与估值评估指标（RMSE、MAE及r）线性相关（P＜0.05），是影响估值性能的重要因素。
|
| 关 键 词： | 缺失值 估值方法 变异系数 时间序列 |
| 收稿时间： | 2017-07-13 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国农业气象》浏览原始摘要信息 |
| 点击此处可从《中国农业气象》下载免费的PDF全文 |
|
