结合点观测与嵌套面状观测并量化长期空间变异性的地统计双场模型——以沃斯地区年径流预测为例
应用统计
2021-05-10 v4
摘要
本研究采用贝叶斯地统计模型对不同空间支撑的水文数据进行插值，从而估算年径流。具体而言，数据包括来自流域的流量观测（面状数据）以及降水与蒸发数据（点数据）。模型包含一个对所有研究年份共有的气候空间效应，以及一个年份特定的空间效应。因此，该框架能够量化由长期天气模式与过程引起的空间变异性。这有助于更好地理解环境建模中的偏差与不确定性。通过采用集成嵌套拉普拉斯近似 (INLA) 与随机偏微分方程方法 (SPDE) 进行空间建模，该双场模型在计算上可行且快速。所提模型通过预测挪威沃斯周边 10 年的年径流以及一项模拟研究进行了检验。我们发现，平均而言，将点数据与面状数据结合优于仅使用其中一种数据类型，并且嵌套面状数据与点数据的交互给出了超越平滑的空间模型。另一发现是，当气候效应主导年效应时，可预期径流随时间的系统性低估与高估。另一方面，主导的气候空间效应意味着，来自原本无观测流域的短期径流记录可大幅改善径流的可预测性。
引用
@article{arxiv.1904.02519,
title = {A geostatistical two field model that combines point observations and nested areal observations, and quantifies long-term spatial variability -- A case study of annual runoff predictions in the Voss area},
author = {Thea Roksvåg and Ingelin Steinsland and Kolbjørn Engeland},
journal= {arXiv preprint arXiv:1904.02519},
year = {2021}
}