Incorporation of Parameter Uncertainty into Spatial Interpolation Using Bayesian Trans-Gaussian Kriging

量的降水评价(QPE ) 起一个重要作用在气象学并且水文学应用。基于地面的 telemetered 雨计量器广泛地被用来收集降水大小。空间插值方法通常被采用估计盖住非观察的地点的降水地。Kriging 是一个简单、流行的 geostatistical 插值方法，但是它有二个已知的问题：无常低估和假设的违背。这份报纸处理这些问题并且寻求最佳的空间插值让 QPE 以便通过适当地估计预言无常并且完成要求的假设提高空间插值。到这个目的，几个方法被测试：转变， detrending，多重空间关联功能，和贝叶斯的 kriging。特别地，我们集中于一短期、时间特定而非长期、事件特定的分析。这份报纸分析一个层状的雨事件，嵌入的传送对流在 2012 年 8 月 23 日上连接了到过去的季风前面。从 100 个自动气象站的一个总数的数据被使用，并且降雨紧张从 1 纪录的观察的 15 极小的积累的降雨的差别是计算的。一个小时一般水准降雨紧张然后被计算最小化测量随机错误。交叉验证为在地区性、本地的层次评估插值方法被执行。作为结果，转变被发现在改进空间插值和无常评价起一个重要作用，并且贝叶斯的方法通常以标准超过传统的。