EN中文

Journal of Geo-information Science >

2017 , Vol. 19 >Issue 7: 872 - 879

DOI: https://doi.org/10.3724/SP.J.1047.2017.00872

Orginal Article

Spatial Interpolation Method of Electromagnetic Geographical Environment Monitoring Data

  • WANG Mengyi , 1, 2, 3 ,
  • SHENG Yehua , 1, 2, 3, * ,
  • HUANG Yiyun 4 ,
  • LV Haiyang 1, 2, 3 ,
  • HUANG Yi 1, 2, 3
Expand
  • 1. Key Laboratory of Virtual Geographic Environment, Nanjing Normal University, Ministry of Education, Nanjing 210023, China
  • 2. State Key Laboratory Cultivation Base of Geographical Environment Evolution (Jiangsu Province), Nanjing 210023, China
  • 3. Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China
  • 4. Jiangsu Province Engineering Investigation and Research Institute CO., LTD, Yangzhou 225100, China;
*Corresponding author: SHENG Yehua, E-mail:

Received date: 2016-12-27

  Request revised date: 2017-05-08

  Online published: 2017-07-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Human beings live in a ubiquitous electromagnetic geographical environment. To evaluate how the electromagnetic environment influence human's daily life, it is significant to monitor and analyze the temporal, spatial and frequent characteristics of electromagnetic environment. At present, only a few studies focus on data acquisition methods and spatial representation of electromagnetic radiation. Traditional spatial interpolation methods are effective means for representing spatial distribution patterns of geographical phenomenon and have been widely used in various academic fields. However, these spatial interpolation methods are not suitable for representing electromagnetic phenomenon because of its unique characteristics of spatial propagation and attenuation. Electromagnetic environment monitoring system of full band vehicle can collect dense spatial samples of electromagnetic radiation intensity data when the car is driving along the roads and streets. However, sampling data cannot describe the spatial pattern in the whole region. To describe the spatial distribution pattern at regional scale, it is necessary to interpolate the collected electromagnetic data into the whole research area. According to the electromagnetic radiation propagation law, we proposed and implemented a new spatial interpolation method based on electromagnetic radiation propagation model. Using this interpolation method, sampling data are interpolated in the entire region to implement the spatialization representation of electromagnetic radiation field. Also, the new spatial interpolation method is compared with two traditional spatial interpolation approaches, i.e. IDW and Kriging. Experimental results indicated that the proposed method is more suitable for the reconstruction of electromagnetic radiation field than other spatial interpolation methods.

Key words： electromagnetic environment; electromagnetic radiation; spatial interpolation

Cite this article

WANG Mengyi , SHENG Yehua , HUANG Yiyun , LV Haiyang , HUANG Yi . Spatial Interpolation Method of Electromagnetic Geographical Environment Monitoring Data[J]. Journal of Geo-information Science, 2017 , 19(7) : 872 -879 . DOI: 10.3724/SP.J.1047.2017.00872

1 引言

电磁环境（Electromagnetic Environment, EME）是指存在于一定时间、空间、频段范围内的所有电磁现象的总和,包括自然界的和人为的电磁现象。近年来随着广播电视发射系统、通信系统、输变电系统、交通系统等基础设施的广泛应用以及人们在生产和生活中使用的电器和电子设备等数量的增多,电磁辐射污染日益增加,导致电磁环境变得越来越复杂和恶劣,对人类的日常生活和身体健康造成了严重的影响。1999年5月,国家环保总局正式将电磁辐射污染列为全球继大气污染、水污染和噪声污染之后的第四大污染[1]。电磁辐射污染问题越来越受重视,评价和分析电磁辐射在时间、空间和不同频段上的变化,掌握电磁辐射在地理环境中的时空分布特征,对电磁环境进行监测和直观表达具有十分重要的意义。
电磁辐射与大气污染、噪声[2]等现象一样,其在地理空间连续分布呈现为地理空间场,然而,电磁辐射强度的空间变化在不同频段上的特征不同。长期以来,由于缺乏相应的监测手段,人们难以获得较大范围内电磁辐射随频率的变化数据,也就不能对此进行空间化表达。为此,南京师范大学虚拟地理环境教育部重点实验室研发了车载移动电磁环境监测系统,该系统集成了全频段（1 Hz~12 GHz）电磁强度探测仪和GNSS定位系统,可沿道路同步采集大面积区域范围内的电磁辐射强度与位置数据,为评价区域电磁地理环境创造了有利条件。然而,这些沿道路采集的电磁辐射强度数据必须进行空间插值处理,才能表达电磁辐射空间场。
空间插值是依据有限观测数据重建空间场的有效方法,针对不同的地理现象人们发展了一系列空间插值方法,如IDW、Kriging、Thin Plate Splines（TPS）、Multiquadric径向基函数（MQ-RBF）、High Accuracy Surface Modeling（HASM）等,其中IDW具有算法简单,易于实现等优点,是研究应用最为广泛的一种插值方法[3];Kriging是基于变异函数模型的地统计插值方法,其显著特点是使误差的方差最小[4];TPS是基于点的非线性变换方法,能很好地反映高程异常变化的物理特性,具有光滑、连续、弹性好的特点,多应用于各种曲面的插值与拟合[5];MQ-RBF以其表达形式简单,计算效率和精度较高等优点常用于大规模散乱数据,并具有较好的逼近能力[6];HASM是建立在曲面论理论基础上的插值方法,其较传统插值方法插值精度明显提高,但计算量和存储量方面的问题对其推广应用有一定限制[7-10]。目前这些空间插值方法已广泛应用于DEM构建[11]、气象气候[12]、水文[13-14]、地质生态环境[15-17]等众多学科领域,不仅可以突破地形条件、技术手段和经济水平等各方面的限制,获得有限观测站点之外的数据（如温度、降水等气象要素）,也可以基于离散数据建立相应三维模型,以图形图像的方式直观地显示,从而更好地深入研究和分析问题。温度、降水等气象要素以及水文、土壤等现象一般遵循地理学第一定律,因此可以使用一般地统计学上所提供的空间插值方法进行空间场的重建。但是电磁辐射不同于一般地理现象,其在空间的传播和衰减遵循自身的物理规律[18-19],并且受观测工作的限制,车载移动电磁环境监测系统采集的电磁环境数据是沿着道路采集的线状数据,在区域中采样点分布是不均匀的,因此,需要探索适合于电磁环境监测数据的空间插值方法,实现电磁地理环境的空间化表达与分析。

2 电磁辐射空间插值模型与方法

通常需要依据研究需要及学科的特点,对插值方法进行改进,方能提出适合各学科研究的更优的空间插值方法[20]。本文根据车载移动电磁环境监测系统采集的电磁数据的空间分布特征,考虑电磁现象特有的物理特性,探索了适合于电磁地理环境数据的空间化表达方法。

2.1 电磁辐射传播模型

由于电磁辐射在空间的传输与衰减是一个复杂的过程,本文仅就理想环境下的电磁波衰减规律进行分析[21-22]。在理想环境下,电磁波传播模型是自由空间传播模型,用于点与点之间在视距路径中接收信号的场强。自由空间传输条件下,电磁辐射传输方程为：
P R = P T G T G R λ 4 π d （1）
式中：PR为接收到的信号能量强度;PT为发射源的信号能量强度;GT为发射天线增益;GR为接收天线增益;d为传输路径长度/km; λ 为电磁辐射波长。
在自由空间里传播的电磁波不考虑电磁辐射的反射、透射、色散等损耗特性[23],只考虑因能量扩散而造成的传输损耗。自由空间损耗L的定义是2个理想点源天线（收、发天线增益都等于1）在自由空间传输和接收无线电波时产生的损耗,即辐射源的能量和目标位置接收到的能量比值：
L = P T （ G T = 1 ） P R （ G R = 1 ） （2）
从而可得到自由空间电磁辐射传输损耗的基本模型为：
L = 10 lg 4 π d λ 2 = 10 lg 4 π fd c 2 ( d B （3）
式中：f为频率（Hz）;c为真空中光的传播速度（常数 3.0 × 10 8 m / s ）。从式（3）中可见,电磁辐射的衰减有自身的规律,不仅与传输路径长度d有关,还和所观测的频率f有关。

2.2 电磁辐射插值模型

基于上述电磁辐射在空间的传播规律,构建电磁地理环境空间插值方法,以分析电磁辐射强度的空间分布规律。车载移动电磁环境监测系统所获得的是复杂地理环境中的综合场强值,即众多辐射源辐射的电磁强度在某个特定位置上的叠加结果（按频率的不同分别叠加）,可将各采样点处的电磁辐射强度看做虚拟辐射源,按电磁辐射传播模型向四周空间传播扩散。因此,任意一个未观测位置的某一频率电磁辐射强度可看做这些辐射源在此位置衰减结果的加权叠加,从而可求取未测区域未知点的电磁强度值。
设车载移动电磁环境监测系统沿道路采样点获取的特定频段上的电磁辐射强度为 E i x i , y i ,空间待估计点在该频段的电磁辐射强度为 E 0 x 0 , y 0 ,则待估计点的电磁场强值为：
E 0 x 0 , y 0 = ∑ i = 0 n k i E i x i , y i i = 1,2 , 3 , … , n （4）
式中：E0为待插值点的电磁场强预测值; E i 为第i个样本点的电磁场强值; k i 表示第i个样本点被赋予的权重,权重的大小与待插点和采样点之间的电磁波传输损耗成反比,即电磁波传输损耗越大,该采样点的权重越小,具体表示为：
k i ∝ 1 L i （5）
根据电磁辐射自由空间基本传输损耗模型（式（3））可推出确定权重的计算公式为：
k i = 1 10 lg 4 π f d i c 2 ∑ i = 1 n 1 10 lg 4 π f d i c 2 （6）
其中, d i 为样本点与待插值点的欧式距离：
d i = ( x 0 - x i ) 2 + y 0 - y i 2 （7）
综上,可得电磁辐射的插值公式为：
E 0 x 0 , y 0 = ∑ i = 0 n k i E i x i , y i k i = 1 10 lg 4 π f d i c 2 ∑ i = 1 n 1 10 lg 4 π f d i c 2 i = 1,2 , 3 , … , n ∑ i = 1 n k i = 1 （8）

2.3 电磁辐射空间插值方法

将车载移动电磁环境监测系统沿道路采集的GNSS轨迹点及这些点上全频段电磁数据进行初始化处理,构成样本点集： O = o 1 ( x 1 , y 1 ) , o 2 ( x 2 , y 2 ) … , o n ( x n , y n ) ,每个样本点的电磁场强值为该点的属性值 E i ,则样本点集的属性值表示为 E = E 1 , E 2 , E 3 , … , E n ,算法过程如下：
（1）对整个采样点集合区域进行等距离规则格网剖分,将剖分后的格网点集 P = p 1 ( x , 1 y 1 ) , p 2 ( x 2 , y 2 ) … , p n ( x n , y n ) ｝ 作为待插值点;
（2）从待插值点集中选择任一待插值点pi,获取该待插值点坐标 ( x i , y i ) ,以待插值点为中心在样本点集O中搜索设定半径区域内的样本点,在属性值集E中获取落入搜索区域的每个样本点的电磁场强值 E i ;
（3）计算待插值点与各样本点的欧式距离di;
（4）将欧式距离di以及电磁辐射频率f、光速 c 等参数代入权重公式（式（6））,确定每个样本点的权重ki。
（5）根据每个样本点的权重和电磁辐射强度值计算得到待插点的电磁场强值;
（6）在待插值点集P中移除该待插值点pi;
（7）重复步骤（1）,从集合P中选择下一个待插值点,重复步骤（2）~（5）,直至集合P为空。

3 电磁辐射强度空间插值实验与分析

3.1 数据采集与预处理

车载移动电磁环境监测系统采用全频段探测技术沿道路行驶进行外业数据采集。对电磁场的探测设备为频谱仪和电磁探头,每10 s采集一组数据,且各型号频谱仪和电磁探头分别负责采集空间X、Y、Z各方向不同频段的电磁数据,而GNSS设备则是通过线路动态观测,每1 s采集一个空间定位数据。本文的实验数据是车载系统于2015年4月13日在南京市栖霞区南京师范大学周边所采集的观测数据,共1838条记录,采集数据轨迹空间分布如图1所示。
Fig. 1 Spatial distribution of data acquisition trajectory

图1 采集数据轨迹空间分布图

车载移动电磁环境监测系统集成了多个频段不同带宽的电磁场强度探测仪及GNSS设备,必须对其原始观测数据进行集成和标准化预处理,才能获得沿道路空间采样点的电磁辐射观测值。预处理的内容包括：
（1）频段分组。结合目前国内外电磁环境相应的标准文件重新划分了1~12 GHz电磁频段的分 组[24],依据该分组标准可辨析不同频段可能的电磁辐射源,以用于该区域电磁环境的分析和评价。
（2）电磁辐射强度观测值的空间定位。在将电磁数据分频段重组的基础上,还需将各采样点上的电磁强度数据和GNSS点序列数据通过时间进行关联,将相同时间点采集的电磁强度数据赋予空间地理坐标。

3.2 电磁辐射强度的空间插值

本文从经预处理的各频段电磁辐射强度数据中选取50~60 Hz的电场数据,分别以本文方法和IDW、普通克里金（Ordinary Kriging）方法进行电磁辐射场空间插值重建,并以Google Earth影像为背景进行电磁辐射场的可视化表达,结果分别如图2所示。其中,IDW方法和Ordinary Kriging方法在搜索邻域内所选取的参考点数均为12,IDW方法距离的幂值为2,Ordinary Kriging方法选用高斯函数半变异模型进行拟合。采用逐点交叉验证（pick-one-out）[25]后的均方根误差（Root Mean Square Error,RMSE）作为误差统计指标,对50~60 Hz、150~3000 KHz的电场数据和200~1200 Hz、150~3000 KHz的磁场数据所得到的各插值方法结果进行交叉验证误差统计,结果如表1所示。
Fig. 2 Spatial distribution map of 50~60 Hz electric field intensity data

图2 50~60 Hz电场强度数据空间分布图

Tab.1 The error statistics of interpolation methods

表1 各插值方法的误差统计结果

插值方法 IDW Ordinary Kriging 电磁辐射空间插值
电场 50~60 Hz 0.2624 0.2230 0.1923
150~3000 KHz 1.9480 2.5082 1.9157
磁场 200~1200 Hz 0.0518 0.0407 0.0274
150~3000 KHz 0.0915 0.0822 0.0806

3.3 电磁辐射空间插值结果分析

本文所获取的电磁环境数据是沿着道路采集的呈线状分布的采样数据,区域中样本点的分布是不均匀的。综合比较分析以上电磁场强空间分布图（图2）以及各插值方法的误差统计结果（表1）,可以看出对于同一时间同一区域所采集样本点的同一频段,使用不同的插值方法会得到不同的插值 结果。
将图2（a）与（b）相比较可以看出,对于系统采集的观测数据,Ordinary Kriging插值结果与IDW插值结果相差不大。而从表1的误差统计结果来看,总体而言Ordinary Kriging插值精度高于IDW。IDW插值方法基于相近相似的原理[26],以插值点与样本点之间的距离为权重进行加权平均,适用于样本点尽可能均匀分布且布满整个插值区域的情况,插值结果的精度会随着样本点不均匀程度的增加而降低。IDW插值方法具有算法原理简单、运算效率高、所需存储空间最小且符合地理学第一定律等优点[3],但这种方法对权重函数的选择十分敏感,受均匀分布的数据点的影响较大,当测量的点数不够多或不够均匀时,插值的结果就会有较大的偏差。相比反距离加权插值方法仅考虑了各观测点和待估点之间的距离,克里金插值法（Kriging）还考虑了被描述对象的空间自相关性质,在插值过程中可以反映空间场的各向异性,并且充分利用数据点之间的空间相关性,使估计结果更科学、更接近实际情况[27-28],其在稀疏不均匀分布的离散点插值上有一定的优越性,插值精度较高[29]。但是克里金插值的变异函数需要根据人为选定,普遍用于局部的、区域较小的范围,且需要耗费较多的时间和计算资源,最重要的是克里金插值方法需要有足够多的具有空间相关性的采样点才会产生比较好效果。通过选取拟合效果相对较好的高斯函数模型进行建模,获得各频段电磁数据的半变异函数图（图3）。从图3中4种电磁频段数据的拟合结果来看,整体效果并不是很理想,说明地统计学上所提供的空间插值方法适用于连续变化的地理现象,并不能很好地表达本身就具有突变现象的电磁环境数据。
Fig. 3 Semi-variable function graph of electromagnetic data of each frequency

图3 各频段电磁数据半变异函数图

另外,由于车载移动电磁环境监测系统沿道路采集的样本点数据呈线状分布,因此在限定搜索半径相近的情况下,Ordinary Kriging和IDW方法在搜索范围内获取的每个样本点的贡献相差不大,即两者的权重比例系数相差不大,从而导致两者对于系统采集获取的样本点数据的插值结果相似。同时,比较图2（a）-（b）与图2（c）可看出,这2种方法的插值效果较粗糙,尤其是在高压塔、地铁线、信号塔等容易引起电磁辐射强度突变的辐射源附近,均不能很好地展示电磁辐射衰减的变化状况。说明普通的插值方法没有考虑频率因素的影响,不能较好地体现出不同辐射源不同的衰减状况,在高频段的插值效果更弱。因此,这2种方法所获得的插值效果都不理想,并不适合于电磁地理环境数据空间场的表达。
基于电磁辐射传播模型的空间插值方法与前两者不同,它考虑了距离和频率两种主要因素,能综合体现电磁辐射空间场的分布状况。从插值误差统计结果（表1）来看,各频段的电磁辐射空间插值方法精度都优于前2种方法。由图2（c）与前两种方法所获得插值结果图（图2（a）、（b））比较可以看出,在接近辐射源位置（尤其是周边存在高压塔、地铁线、信号塔等会引起电磁场强明显变化的特征地物附近）电磁强度随距离衰减呈现较明显的不同的衰减半径,这是因为本文所提出的方法考虑了电磁辐射的空间传播规律（式（6））。根据自由空间电磁辐射传输损耗的基本模型（式（3））可知,随着频率的增加,电磁辐射在自由空间的传输损耗也会增加,相应权重系数就会降低。而不同频段的电磁传播也不同,其在50~60 Hz（电场）和200~1200 Hz（磁场）的插值精度优于100~3000 KHz（电场和磁场）（表1）。由于在现实生活环境中,大多数特征地物（如地铁、信号塔、高压电力系统等）以及居民所使用的日常电器电子设备等集中在中低频段,因此该频段的电磁强度数据随着空间位置的移动起伏变化比较大,而高频段的电磁强度变化相对中低频段较为均缓。因此,本方法以及前2种方法都在低频段的插值效果较优于高频段的插值效果,即在某些比较敏感的频段（如交通系统频段、通信频段、电力频段）电磁衰减比较明显。综上分析,基于电磁传播模型的电磁辐射场强模型优于前两种方法。此外,由于该方法采用的是理想环境模型,未考虑周边建筑物等会对电磁辐射造成反射、散射、衍射等影响,局部地区的效果一般。因此,在后期研究工作中需要对该方法做进一步改进,考虑复杂环境下电磁辐射传播规律,提升对不同频段电磁数据的空间插值效果。

4 结论

电磁辐射环境本身是随时空变化的,随着人类日常生活中电磁环境问题日益突出,对电磁环境进行监测分析及应用研究具有非常重要的现实意义。电磁辐射强度在空间的分布不同于其他地理现象。依据车载电磁环境监测系统的观测结果,进行电磁辐射强度场的重建必须发展新型空间插值方法。因此,本文以车载系统采集处理的全频段电磁数据为基础,结合电磁辐射在空间传播与衰减的物理特性,提出了基于电磁辐射传播模型的空间插值方法,根据实验结果,相比其它常用的空间插值方法（如IDW和Kriging）,本文所提出的方法较好地刻画了区域电磁环境状况,更适合电磁场强数据的空间化表达。但是由于该方法是建立在理想环境的情况下,未考虑周边建筑物和不同土地覆盖类型等对电磁辐射造成反射、吸收、散射、衍射等影响,因此,在后续的研究中,需要考虑这些复杂因素,进一步提高电磁辐射强度空间化的质量,更准确地评价真空地理环境中不同频段电磁辐射的空间分布特征。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
谢天成,谢正观.基于GIS的北京市重点地区电磁辐射污染研究[J].河南师范大学学报(自然科学版),2006,34(4):95-98.

[ Xie T C, Xie Z G.Research on electromagnetic radiation pollution in principal area of Beijing based on GIS[J]. Journal of Henan Normal University(Natural Science Edition), 2006,34(4):95-98. ]

[2]
Can A, Dekoninck L, Botteldooren D.Measurement network for urban noise assessment: Comparison of mobile measurements and spatial interpolation approaches[J]. Applied Acoustics, 2014,83(83):32-39.This paper investigates the relevance of different interpolation techniques to improve the spatial resolution of urban noise maps, in complement to measurements achieved at fixed stations. Interpolation techniques based on mobile measurements are compared to usual spatial interpolations techniques, namely Inverse Distance Weighting and Kriging. The analyses rely on a measurement campaign, which consisted of nearly 8h of geo-referenced mobile noise measurements performed at random moments of the day, conducted simultaneously with continuous measurements collected at five fixed stations located on the inner city of Gent, Belgium. Firstly, a procedure is proposed to build a noise map with a high spatial resolution (one point every 5m). The procedure relies on both mobile and fixed measurements: the mobile measurements are used to capture spatial variations on the network, and the measurements at fixed stations are used to capture the temporal variations. The map produced is then used as reference to compare the interpolation techniques based on a significantly more sparse measurement set. The spatial interpolation techniques tested fail in predicting accurately the noise level variations within streets. The explanation given is that they do not offer a sufficient covering of the network, and assume spatial variations which are not coherent with traffic dynamics or street configurations. Inversely, mobile measurements cover the entire network. As a result, they allow a more accurate prediction of noise levels even if very short samples are used, provided that the procedure used to estimate noise levels includes a spatial aggregation, which aims at smoothing the high spatial variations inevitable with short samples. Moreover, mobile measurements can advantageously be used to optimize, through a Genetic Algorithm, the locations where to install fixed stations, promising an efficient noise monitoring at reduced operational costs.

DOI

[3]
段平,盛业华,李佳,等.自适应的IDW插值方法及其在气温场中的应用[J].地理研究,2014, 33(8):1417-1426.反距离权重(Inverse Distance Weighting,IDW)插值通常采用距离搜索策略选择插值参考点,当采样点集分布不均匀时,距离搜索策略使得参考点聚集一侧影响插值精度。自然邻近关系具有良好的自适应分布特性,可有效地解决参考点分布不均匀问题。结合自然邻近关系,提出自适应的反距离权重(Adaptive-IDW,AIDW)插值方法。首先对采样数据构建初始Delaunay三角网,然后采用逐点插入法,将待插值点插入初始Delaunay三角网中,局部调整得到新的Delaunay三角网,以待插值点的一阶邻近点作为IDW插值的参考点,使参考点自适应均匀地分布在待插值点周围,再进行IDW插值计算。利用AIDW插值方法对Franke函数、全国气温观测数据进行插值实验,结果表明此方法具有较高的精度,且减少了"牛眼"现象。

DOI

[Duan P, Sheng Y H, Li J, et al. Adaptive IDW interpolation method and its application in the temperature field[J]. Geographical Research, 2014, 33(8):1417-1426. ]

[4]
李莉,胡建平.克里金插值算法在等高线绘制中的应用[J].天津城市建设学院学报,2008,14(1):68-71.

[ Li L, Hu J P.Application of Kriging interpolation in contour creation[J]. Journal of Tianjin Chengjian University, 2008,14(1):68-71. ]

[5]
杜国明,贾良文.薄板样条函数在空间数据插值中的应用[J].计算机工程与应用,2009,45(36):238-240.薄板样条函数是空间数据插值中一种重要的方法,介绍了该方法的基本原理,并以珠江河道地形数据为例,借助地理信息系统的二次开发功能,将薄板样条函数应用于空间插值,通过与测试样本点以及克里金插值在最大值、标准误等方面的比较分析,证明薄板样条函数是一种有效的空间数据插值方法.

DOI

[ Du G M, Jia L W.Thin plate splines applied to interpolation of spatial data[J]. Computer Engineering and Applications, 2009,45(36):238-240. ]

[6]
乔元阳,吴技莲,冯新龙.MQ径向基函数的理论、方法及应用[J].新疆大学学报(自然科学版),2015,35(4):379-387.

[ Qiao Y Y, Wu J L, Feng X L.The theory method and application of MQ radial basis function[J]. Journal of Xinjing University(Natural Science Edition), 2015,32(4):379-387. ]

[7]
Chen C F, Yue T X, Dai H L, et al.The smoothness of HASM[J]. International Journal of Geographical Information Science, 2013,27(8):1651-1667.To smooth noises inherent in uniformly sampled dataset, the smoothness of high accuracy surface modeling (HASM) was explored, and a smoothing method of HASM (HASM-SM) was developed based on a penalized least squares method. The optimal smoothing parameter of HASM-SM was automatically obtained by means of the generalized cross-validation (GCV) method. For an efficient smoothing computation, discrete cosine transform was employed to solve the system of HASM-SM and to estimate the minimum GCV score, simultaneously. Two examples including a numerical test and a real-world example were employed to compare the smoothing ability of HASM-SM with that of GCV thin plate smoothing spline (TPS) and kriging. The numerical test indicated that the minimum GCV HASM-SM is averagely more accurate than TPS and kriging for noisy surface smoothing. The real-world example of smoothing a lidar-derived Digital Elevation Model (DEM) showed that HASM-SM has an obvious smoothing effect, which is on a par with TPS. In conclusion, HASM-SM provides an efficient tool for filtering noises in grid-based surfaces like remote sensing erived images and DEMs.

DOI

[8]
Chen C F, Yue T X, Li Y Y.A high speed method of SMTS[J]. Computers &Geosciences, 2012,41(2):64-71.78 We employ a modified Gauss–Seidel (MGS) method to solve SMTS termed SMTS-MGS. 78 SMTS-MGS is faster than the classical iterative methods. SMTS-MGS is approximately as accurate as the third order TPS. 78 SMTS-MGS is more accurate than the classical interpolators. 78 On average, SMTS-MGS is the most accurate method with a minimum of computing time.

DOI

[9]
Chen C F, Yue T X.A method of DEM construction and related error analysis[J]. Computers & Geosciences, 2010,36(6):717-725.中国科学院机构知识库(中国科学院机构知识库网格（CAS IR GRID）)以发展机构知识能力和知识管理能力为目标，快速实现对本机构知识资产的收集、长期保存、合理传播利用，积极建设对知识内容进行捕获、转化、传播、利用和审计的能力，逐步建设包括知识内容分析、关系分析和能力审计在内的知识服务能力，开展综合知识管理。

DOI

[10]
Yue T X.Surface modelling: High accuracy and high speed methods[M]. New York: CRC Press, 2011.

[11]
Erdogan S.A comparison of interpolation methods for producing digital elevation models at the field scale. Earth Surface Processes and Landforms, 2009,34(3):366-376.

[12]
金君,彭思岭,刘启亮,等.中国陆地区域气象要素空间插值方法比较研究[J].工程勘察,2010(11):48-51.采用泰森多边形法、反距离加权法、梯度距离平方反比法、样条函数法、趋势面法、普通克里金法等六种空间插值方法对全国187个气象站49年的年平均气温和年平均降雨量进行空间插值研究。交叉验证结果表明,对于全国年平均气温插值,梯度距离平方反比法的插值精度优于其它5种插值方法;对于全国年平均降雨量插值,反距离加权法插值精度要比其它5种方法高。实验结果对全国气象要素空间插值应用具有一定的参考意义。

[ Jin J, Peng S, Liu Q, Liu Q L, et al.A comparative study of spatial interpolation methods for meteorological elements in China[J]. Geotechnical Investigation & Surveying, 2010,11:48-51. ]

[13]
颜辉武,祝国瑞,徐智勇,等.基于Kriging水文地质层的三维建模与体视化[J].武汉大学学报·信息科学版,2004,29(7):611-614.采用Kriging插值方法建立水文地质层三维模型 ,并利用体绘制技术进行可视化表达 ,在此基础上实现了基于体数据的任意剖切与三维交互。

DOI

[ Yan H, Zhu G R, Xu Z Y, et al.Volume rendering and 3D modeling of hydrogeologic layer based on Kriging algorithm[J]. Editorial Board of Geomatics and Information Science of Wuhan University, 2004,29(7):611-614. ]

[14]
Merwade V M, Maidment D R, Goff J A.Anisotropic considerations while interpolating river channel bathymetry. Journal of Hydrology, 2006,331(3):731-741.

[15]
易湘生,李国胜,尹衍雨,等.土壤厚度的空间插值方法比较——以青海三江源地区为例[J].地理研究,2012,31(10):1793-1805.利用青海三江源地区533个土壤剖面中的厚度数据,在GIS技术的支持下,采用确定性内插(反距离加权、全局多项式、局部多项式和径向基函数)和地统计内插(普通克里格、简单克里格、泛克里格和协同克里格)两类共八种插值方法对研究区土壤厚度的空间分布进行了预测,并综合比较了各种插值方法的预测误差、统计特征值和插值结果分布图。结果表明(1)在地统计内插方法中,普通克里格方法(一阶)插值效果比普通克里格方法(二阶)要好;在普通克里格方法(一阶)的半方差函数模型中,球状模型的插值效果优于指数模型和高斯模型;普通克里格方法在四种地统计内插方法中预测误差最小、预测结果准确性最好。(2)确定性内插方法中,反距离加权(指数为1)法的误差较小,并且对区域与局部趋势的反映效果最好。(3)从预测误差大小和对区域总体及局部趋势的综合反映效果来看,有异向性的球状模型普通克里格(一阶)插值方法预测结果最能准确反映青海三江源地区土壤厚度的空间分布。

DOI

[ Yi X S, Li G S, Yin Y Y, et al.Comparison on soil depth prediction among different spatial interpolation methods: A case study in the Three-River Headwaters Region of Qinghai Province[J]. Geographical Research, 2012,31(10):1793-1805. ]

[16]
史文娇,岳天祥,石晓丽,等.土壤连续属性空间插值方法及其精度的研究进展[J].自然资源学报,2012,27(1):163-175.

[ Shi W J, Yue T X, Shi X L, et al.Research progress in soil property interpolators and their accuracy[J]. Journal of Natural Resources, 2012,27(1):163-175. ]

[17]
王绍强,朱松丽,周成虎.中国土壤土层厚度的空间变异性特征[J].地理研究,2001,20(2):161-169.以全国第二次土壤普查的1627个土壤剖面资料为基础，在地质统计学和地理信息系统的支持下，以变异函数为基本工具初步分析中国土壤土层厚度的空间变异特征，并应用普通克里格法进行最优无偏线性插值，制作出分辨率为30km×30km的中国土壤土层厚度的空间分布图。结果表明: 中国土壤土层厚度具有较好的可迁性和空间结构性特点，实验变异函数值的变化趋势基本上随着距离的增加逐渐上升，拟合变程在680km以上，土壤厚度的相关性可大于680km，土层厚度具有明显的块状或连续分布的特点。

DOI

[ Wang S Q, Zhu S L, Zhou C H.Characteristics of spatial variability of soil thickness in China[J]. Geographical Research, 2001,20(2):161-169. ]

[18]
吴迎年,张霖,张利芳,等.电磁环境仿真与可视化研究综述[J].系统仿真学报,2009,21(20):6332-6338.电磁环境仿真与可视化研究在民用通信及电子战领域的应用不断发展。在介绍了电磁环境基本概念和分类的基础上,较为系统的阐述了电磁环境建模与仿真的理论方法与技术。分析了国内外电磁环境仿真与可视化的研究现状,包括仿真系统框架设计、复杂环境下电磁仿真的现状、并行计算在电磁仿真中的应用、电磁环境仿真相关软件以及电磁环境可视化研究情况等五个方面。最后对未来的研究方向进行了展望。

[ Wu Y N, Zhang L, Zhang L F, et al.Survey on electromagnetic environment simulation and visualization[J]. Journal of System Simulation, 2009,21(20):6332-6338. ]

[19]
Patterson W L.Advanced Refractive Effects Prediction System (AREPS)[C]. Radar Conference. IEEE, 2002:891-895.

[20]
朱求安,张万昌,余钧辉.基于GIS的空间插值方法[J].江西师范大学学报(自然科学版),2004,28(2):183-188.对地理信息系统空间数据分析中的空间数据插值方法从广义的角度分为点的插值和面的插值进行了论述,讨论了点与面的各种插值方法的理论基础、算法以及应用方式,并对空间插值的应用与推广及相关的问题进行了阐述.指出在运用空间插值方法时,要得到理想的空间插值效果,必须针对不同研究区的实际情况,对实测数据样本点进行充分分析,反复试验比较,以选择最佳的方法,并在运用一般插值方法的基础上,依据自身需要及学科的特点,对插值方法进行改进,进而提出适合各学科研究的更优的空间插值方法.

DOI

[Zhu Q A, Zhang W C, Yu J H. The spatial interpolations in GIS[J]. Journal of Jiangxi Normal University (Natural Science Edition), 2004,28(2):183-188. ]

[21]
张瑜. 电磁波空间传播[M].西安:西安电子科技大学出版社,2007:28-30.

[ Zhang Y.Electromagnetic wave propagation in space [M]. XianXiDian University Press, 2007:28-30. ]

[22]
闻映红. 天线与电波传播理论[M].北京:清华大学出版社,北京交通大学出版社,2005:155-165.

[ Wen Y H.Theory of antenna and radio propagation[M]. Beijing: Tsinghua University Press, Beijing Jiaotong University Press, 2005:155-165. ]

[23]
黄兴泉,康书英,李泓志,等.GIS局部放电超高频电磁波的传播特性研究[J].高电压技术,2006,32(10):32-35.

[Huang X Q, Kang S Y, Li H Z, et al. Simulation study on the characteristics of ultra-high frequency electromagnetic wave in GIS[J]. High Voltage Engineering, 2006,32(10):32-35. ]

[24]
黄一昀. 电磁地理环境探测数据的分析与表达[D].南京:南京师范大学,2016.

[ Huang Y Y.Analysis and expression of detection data of electromagnetic geographical environment [D]. Nanjing: Nanjing Normal University, 2016. ]

[25]
Li J, Heap A D.A review of spatial interpolation methods for environmental scientists[M]. Canberra: Geoscience Australia Press, 2008:137.

[26]
CHAPLOT V.Accuracy of interpolation techniques for the derivation of digital elevation models in relation to landform types and data density[J]. Geomorphology, 2006,77(1):126-141.One of the most important scientific challenges of digital elevation modeling is the development of numerical representations of large areas with a high resolution. Although there have been many studies on the accuracy of interpolation techniques for the generation of digital elevation models (DEMs) in relation to landform types and data quantity or density, there is still a need to evaluate the performance of these techniques on natural landscapes of differing morphologies and over a large range of scales. To perform such an evaluation, we investigated a total of six sites, three in the mountainous region of northern Laos and three in the more gentle landscape of western France, with various surface areas from micro-plots, hillslopes, and catchments. The techniques used for the interpolation of point height data with density values from 4 to 10 9 points/km 2 include: inverse distance weighting (IDW), ordinary kriging (OK), universal kriging (UK), multiquadratic radial basis function (MRBF), and regularized spline with tension (RST). The study sites exhibited coefficients of variation (CV) of altitude between 12% and 78%, and isotropic to anisotropic spatial structures with strengths from weak (with a nugget/sill ratio of 0.8) to strong (0.01). Irrespective of the spatial scales or the variability and spatial structure of altitude, few differences existed between the interpolation methods if the sampling density was high, although MRBF performed slightly better. However, at lower sampling densities, kriging yielded the best estimations for landscapes with strong spatial structure, low CV and low anisotropy, while RST yielded the best estimations for landscapes with low CV and weak spatial structure. Under conditions of high CV, strong spatial structure and strong anisotropy, IDW performed slightly better than the other method. The prediction errors in height estimation are discussed in relation to the possible interactions with spatial scale, landform types, and data density. These results indicate that the accuracy of interpolation techniques for DEM generation should be tested not only in relation to landform types and data density but also to their applicability to multi-scales.

DOI

[27]
包世泰,廖衍旋,胡月明,等.基于Kriging的地形高程插值[J].地理与地理信息科学,2007,23(3):28-32.将地形高程作为区域化变量，根据普通Kriging法由散乱的高程点进行地形高程插值，并采 用Matlab软件开发专门的程序，实现研究区高程插值计算与结果可视化分析。以广州市南沙区10km^2范围内的200个高程点数据为例，分别运用球面 模型、指数模型和高斯理论变差函数模型进行10m×10m格网插值，借助Matlab可视化分析插值结果及其精度，表明采用指数模型效果最好。

DOI

[ Bao S T, Liao Y X, Hu Y M, et al.Terrain interpolation based on Kriging method[J]. Geography and Geo-Information Science, 2007,23(3):28-32. ]

[28]
Lecoustre R, Fargette D, Fauquet C, et al.Analysis and mapping of the spatial spread of African cassava mosaic virus using geostatistics and the kriging technique[J]. Phytopathology, 1989,79(9):913-920.

[29]
刘光孟,汪云甲,张海荣,等.空间分析中几种插值方法的比较研究[J].地理信息世界,2011(3):41-45.针对常用的空间插值方法在精度分析方面比较的不足,从地质统计学、数学函数和几何方法方面分别选取普通克里金插值法、三次样条函数法和距离权重倒数法进行插值精度的比较与分析。文章分析了各个方法的优缺点和局限性,选取疏密差异较大的均匀和不均匀离散点数据进行实验,利用三次趋势面模型和MATLAB,ArcGIS,GS+Version等相关软件进行分析与处理,得到三种方法在局部插值误差方面的变化规律,同时为使用插值方法的用户提供一个最优的选择方案。

DOI

[ Liu G M, Wang Y J, Zhang H R, et al.Comparative study of several interpolation methods on spatial analysis[J]. Geomatics World, 2011,3:41-45. ]

Options
Outlines

/

〈 〉