基于ANUSPLIN的批量氣象插值-從數(shù)據(jù)處理到最終結(jié)果(4)

缺測氣象數(shù)據(jù)的填補

在(3)中提到访得,某些站點的氣象數(shù)據(jù)會存在著缺失問題州既,當(dāng)缺測數(shù)據(jù)很多時,可直接去掉該站點羔巢,當(dāng)較少時望忆,則需要采取手段進行填充。本文線性內(nèi)插法進行補齊

線性內(nèi)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\中國PRE',int2str(year),'.xlsx')); %讀取中國1980年降水
    for i=1:size(data,1) %對降水?dāng)?shù)據(jù)進行循環(huán)
        data1=data(i,:);
        data_pre=data1(5:cd+4);%前四位分別是站點竿秆,經(jīng)緯度和高程启摄,降水?dāng)?shù)據(jù)從第五位開始
        sy=find(abs(data_pre)>=0);%找到數(shù)據(jù)中絕對值大于0的部分,缺失值NaN值不會大于0
        if length(sy)<cd %當(dāng)滿足條件的長度小于天數(shù)時幽钢,表明存在著空值部分
            if length(sy) >340 %當(dāng)滿足條件的超過350天歉备,即95%以上時進行內(nèi)插處理,否則直接去掉該點
               %首先判斷前段
               data_pre1=data_pre(1:5);%取前五個進行判斷匪燕,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
               %再判斷后段
               data_pre2=data_pre(cd-4:cd);%對后五個進行判斷
               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;
               %前后完整后采用線性內(nèi)插函數(shù)對中間缺失值進行內(nèi)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\缺測修正的中國PRE',int2str(year),'.xlsx');
        xlswrite(filename,data);
end

通過上述方法能夠?qū)⒁荒曛腥睖y少于5%的站點數(shù)據(jù)補齊蕾羊。
更多需求,請查看個人介紹

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末谎懦,一起剝皮案震驚了整個濱河市肚豺,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌界拦,老刑警劉巖,帶你破解...
    沈念sama閱讀 219,039評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件梗劫,死亡現(xiàn)場離奇詭異享甸,居然都是意外死亡截碴,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,426評論 3 395
  • 文/潘曉璐 我一進店門蛉威,熙熙樓的掌柜王于貴愁眉苦臉地迎上來日丹,“玉大人,你說我怎么就攤上這事蚯嫌≌芟海” “怎么了?”我有些...
    開封第一講書人閱讀 165,417評論 0 356
  • 文/不壞的土叔 我叫張陵择示,是天一觀的道長束凑。 經(jīng)常有香客問我,道長栅盲,這世上最難降的妖魔是什么汪诉? 我笑而不...
    開封第一講書人閱讀 58,868評論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮谈秫,結(jié)果婚禮上扒寄,老公的妹妹穿的比我還像新娘。我一直安慰自己拟烫,他們只是感情好该编,可當(dāng)我...
    茶點故事閱讀 67,892評論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著硕淑,像睡著了一般课竣。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上喜颁,一...
    開封第一講書人閱讀 51,692評論 1 305
  • 那天稠氮,我揣著相機與錄音,去河邊找鬼半开。 笑死隔披,一個胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的寂拆。 我是一名探鬼主播奢米,決...
    沈念sama閱讀 40,416評論 3 419
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼纠永!你這毒婦竟也來了鬓长?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,326評論 0 276
  • 序言:老撾萬榮一對情侶失蹤尝江,失蹤者是張志新(化名)和其女友劉穎涉波,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 45,782評論 1 316
  • 正文 獨居荒郊野嶺守林人離奇死亡啤覆,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,957評論 3 337
  • 正文 我和宋清朗相戀三年苍日,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片窗声。...
    茶點故事閱讀 40,102評論 1 350
  • 序言:一個原本活蹦亂跳的男人離奇死亡相恃,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出笨觅,到底是詐尸還是另有隱情拦耐,我是刑警寧澤,帶...
    沈念sama閱讀 35,790評論 5 346
  • 正文 年R本政府宣布见剩,位于F島的核電站杀糯,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏炮温。R本人自食惡果不足惜火脉,卻給世界環(huán)境...
    茶點故事閱讀 41,442評論 3 331
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望柒啤。 院中可真熱鬧倦挂,春花似錦、人聲如沸担巩。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,996評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽涛癌。三九已至犯戏,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間拳话,已是汗流浹背先匪。 一陣腳步聲響...
    開封第一講書人閱讀 33,113評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留弃衍,地道東北人呀非。 一個月前我還...
    沈念sama閱讀 48,332評論 3 373
  • 正文 我出身青樓,卻偏偏與公主長得像镜盯,于是被迫代替她去往敵國和親岸裙。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,044評論 2 355

推薦閱讀更多精彩內(nèi)容