### 使用 Python 实现薄板样条法插值并对比原始站点数据与插值曲面 以下是基于 Python 的实现方法，用于完成黄山地区地形对降水插值影响的研究。该方案包括读取站点数据、执行薄板样条插值以及可视化原始站点数据和插值结果。 --- #### 示例代码 ```python import numpy as np import matplotlib.pyplot as plt from scipy.interpolate import Rbf from mpl_toolkits.mplot3d import Axes3D # 假设的站点数据（经纬度和降水量） stations_lon = np.array([118.0, 118.2, 117.9, 118.1, 118.3]) # 站点经度 stations_lat = np.array([29.7, 29.8, 29.6, 29.9, 29.5]) # 站点纬度 precipitation = np.array([50, 60, 45, 70, 55]) # 各站点降水量 (mm) # 创建网格以进行插值 grid_x = np.linspace(min(stations_lon), max(stations_lon), 100) grid_y = np.linspace(min(stations_lat), max(stations_lat), 100) X, Y = np.meshgrid(grid_x, grid_y) # 薄板样条插值 rbf_interpolator = Rbf(stations_lon, stations_lat, precipitation, function='thin_plate') Z = rbf_interpolator(X.ravel(), Y.ravel()).reshape(X.shape) # 可视化原始站点数据 fig = plt.figure(figsize=(12, 6)) ax1 = fig.add_subplot(121, projection='3d') ax1.scatter(stations_lon, stations_lat, precipitation, c='r', marker='o', s=100, label="Station Data") ax1.set_title("Original Station Precipitation Data", fontsize=14) ax1.set_xlabel("Longitude", fontsize=12) ax1.set_ylabel("Latitude", fontsize=12) ax1.set_zlabel("Precipitation (mm)", fontsize=12) ax1.legend() # 可视化插值结果 ax2 = fig.add_subplot(122, projection='3d') surf = ax2.plot_surface(X, Y, Z, cmap='viridis', edgecolor='none', alpha=0.8) cset = ax2.contour(X, Y, Z, zdir='z', offset=np.min(Z)-10, cmap='coolwarm') ax2.scatter(stations_lon, stations_lat, precipitation, c='k', marker='x', s=100, depthshade=False, label="Stations") ax2.set_title("Interpolated Surface Using Thin Plate Spline", fontsize=14) ax2.set_xlabel("Longitude", fontsize=12) ax2.set_ylabel("Latitude", fontsize=12) ax2.set_zlabel("Precipitation (mm)", fontsize=12) ax2.legend() plt.tight_layout() plt.show() ``` --- #### 解释说明 1. **输入数据准备**: - 数据集由三个数组组成：`stations_lon`, `stations_lat`, 和 `precipitation`，分别代表各气象站的位置（经度、纬度）及其对应的降水量[^1]。 2. **薄板样条插值**: - 使用 SciPy 库中的 `Rbf` 类实现了径向基函数插值，其中选择了 `"thin_plate"` 方法来模拟薄板样条效果[^2]。 - 插值过程中生成了一个覆盖整个研究区域的二维网格 `(X, Y)` 并计算相应的降水量预测值 `Z`。 3. **三维可视化**: - 左侧子图展示了原始站点的数据分布情况；右侧子图则呈现了通过薄板样条插值得到的连续表面，并叠加了原始站点位置以便比较两者之间的关系[^3]。 4. **地形起伏的影响分析**: - 结果表明，在复杂地形条件下（如黄山地区的山脉结构），单纯依赖空间距离可能无法完全捕捉降水模式的变化趋势。因此建议进一步引入 DEM（数字高程模型）作为额外变量参与建模过程，从而更精确反映真实世界现象[^4]。 --- ###