基于ANUSPLIN的批量气象插值-从数据处理到最终结果(4)

缺测气象数据的填补

在(3)中提到,某些站点的气象数据会存在着缺失问题,当缺测数据很多时,可直接去掉该站点,当较少时,则需要采取手段进行填充。本文线性内插法进行补齐

线性内插法

for year=1980:2015
    if mod(year,4)==0
        cd=366;
    else
        cd=365;
    end
    %降水
    data=xlsread(strcat('H:\Day1951-2012yuanshi\插值格式\1980-2016\未修正\中国PRE',int2str(year),'.xlsx')); %读取中国1980年降水
    for i=1:size(data,1) %对降水数据进行循环
        data1=data(i,:);
        data_pre=data1(5:cd+4);%前四位分别是站点,经纬度和高程,降水数据从第五位开始
        sy=find(abs(data_pre)>=0);%找到数据中绝对值大于0的部分,缺失值NaN值不会大于0
        if length(sy)<cd %当满足条件的长度小于天数时,表明存在着空值部分
            if length(sy) >340 %当满足条件的超过350天,即95%以上时进行内插处理,否则直接去掉该点
               %首先判断前段
               data_pre1=data_pre(1:5);%取前五个进行判断,有空值部分取其他值的均值
               sy1=find(abs(data_pre1)>=0);
               data_pre1_average=mean(data_pre1(sy1));
               for j=1:5
                   if isnan(data_pre1(j))
                     data_pre1(j)=data_pre1_average; 
                   end
               end
               %再判断后段
               data_pre2=data_pre(cd-4:cd);%对后五个进行判断
               sy1=find(abs(data_pre2)>=0);
               data_pre2_average=mean(data_pre2(sy1));
               for j=1:5
                   if isnan(data_pre2(j))
                     data_pre2(j)=data_pre2_average; 
                   end
               end
               data_pre(1:5)=data_pre1;
               data_pre(cd-4:cd)=data_pre2;
               %前后完整后采用线性内插函数对中间缺失值进行内插
               sy1=find(abs(data_pre)>=0);
               juzheng=[sy1;data_pre(sy1)];
               data_pre_new=interp1(sy1,data_pre(sy1),[1:length(data_pre)]);
               data1(5:cd+4)=data_pre_new;
            else
                data1=[];
            end
        end
            data(i,:)=data1;
    end
        biaotou=[NaN,NaN,NaN,NaN,[1:cd]];
        data=[biaotou;data];
        filename=strcat('H:\Day1951-2012yuanshi\插值格式\1980-2016\未修正\缺测修正的中国PRE',int2str(year),'.xlsx');
        xlswrite(filename,data);
end

通过上述方法能够将一年中缺测少于5%的站点数据补齐。
更多需求,请查看个人介绍

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,544评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,430评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,764评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,193评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,216评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,182评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,063评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,917评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,329评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,543评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,722评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,425评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,019评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,671评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,825评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,729评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,614评论 2 353

推荐阅读更多精彩内容