| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 选题背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究综述 | 第13-18页 |
| 1.2.1 传统插值方法 | 第14页 |
| 1.2.2 空间插值方法 | 第14-15页 |
| 1.2.3 时空插值方法 | 第15-18页 |
| 1.2.4 主要存在问题与发展趋势 | 第18页 |
| 1.3 研究内容和组织结构 | 第18-21页 |
| 1.3.1 研究内容 | 第18-20页 |
| 1.3.2 组织结构 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 第二章 地统计学中的时空变量分析方法 | 第22-38页 |
| 2.1 区域化变量 | 第22-23页 |
| 2.2 时空自相关性 | 第23-24页 |
| 2.3 时空平稳性及其检验方法 | 第24-25页 |
| 2.4 时间序列数据季节项检验方法 | 第25-26页 |
| 2.5 多元地统计方法 | 第26-28页 |
| 2.6 常规的时空地统计方法 | 第28-31页 |
| 2.6.1 时空扩展方法分类 | 第28-29页 |
| 2.6.2 时空克里金插值方法 | 第29-31页 |
| 2.7 时空理论变异函数模型 | 第31-37页 |
| 2.7.1 分离型时空变异函数模型 | 第32-34页 |
| 2.7.2 不可分离型时空变异函数模型 | 第34-37页 |
| 2.8 本章小结 | 第37-38页 |
| 第三章 顾及数据约减的时空协同克里金插值方法 | 第38-48页 |
| 3.1 协同变量选取 | 第38-40页 |
| 3.2 时空协同克里金插值方法 | 第40-41页 |
| 3.3 时空变异函数模型参数求解 | 第41-46页 |
| 3.3.1 遗传算法概述 | 第42页 |
| 3.3.2 遗传算法求解模型参数 | 第42-46页 |
| 3.4 插值精度评价指标 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于时空协同克里金的PM2.5时空插值实证分析 | 第48-61页 |
| 4.1 研究区概况与数据说明 | 第48-49页 |
| 4.2 PM2.5数据预处理 | 第49-53页 |
| 4.2.1 季节性波动检验 | 第49-51页 |
| 4.2.2 时空平稳性假设检验 | 第51-53页 |
| 4.3 PM2.5数据的时空协同克里金建模 | 第53-56页 |
| 4.3.1 模型协同变量选取 | 第53-55页 |
| 4.3.2 模型构建与参数估计 | 第55-56页 |
| 4.4 PM2.5数据插值结果验证与分析 | 第56-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 结论与展望 | 第61-64页 |
| 5.1 结论 | 第61页 |
| 5.2 创新点 | 第61-62页 |
| 5.3 不足与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 作者简历及在读期间参与的研究工作 | 第69页 |