青藏高原东南缘气象要素Anusplin和Cokriging空间插值对比分析

选取地形起伏度巨大的青藏高原东南缘为研究区,利用该研究区96个气象站点,结合高程数据,分别采用Cokriging和Anusplin空间插值方法,获取2010年250 m分辨率的年均温度和年累计降水插值曲面。并采用交叉验证方法对比Anusplin与Cokriging插值精度,分析了误差的空间分布特征,重点对比两种插值曲面差异较大的区域精度优劣,评价两种方法在复杂地区的适用性。结果表明,Anusplin在复杂地表的插值表现优于Cokriging,其中Anusplin气温插值的均方差仅为0.82℃,而Cokriging的均方差为1.45℃;两者的降水插值精度基本一致,但Anusplin在气象要素空间异质性大的区域优于Cokriging。因此,与Cokriging相比,Anusplin更适合青藏高原东南缘复杂地表气象要素空间插值。     

复杂山地环境下气候要素空间插值精度比较研究

空间插值可以提供每个计算栅格的气候要素资料,该文运用反距离加权插值法（IDW）、普通克里格插值法、薄盘光滑样条函数拟合法3种空间插值方法,对1971--2000年西南地区复杂山地环境下92个气象站点温度、降水以及相对湿度的各月气候平均值和多年平均值进行了空间插值。并进行了交叉验证和随机站点验证,运用绝对平均误差（MAE）、相对平均误差（MRE）及均方根误差（RMSE）作为插值精度检验的标准。结果表明：插值方法中,薄盘光滑样条函数插值法在山地环境下对3种气象要素的插值精度是最优的,特别是对于温度和降水,而对于相对湿度3种方法差别不大,都可以满足精度要求;在时间尺度上,对于温度相对较低、降水量相对较小的冬季,3种插值方法插值精度都相对于夏季和年平均明显较差,相对湿度插值精度季节差异不明显。     

基于符号回归的四川省多因子气温空间插值

以四川省为例开展复杂地形下气温插值方法的研究,结合遥感数据、DEM数据与气象站点数据,基于符号回归分别构建多因子气温插值模型、少因子气温插值模型,并与多元线性回归模型和传统插值方法(反距离权重法、普通克里金法、协同克里金法)进行对比。结果表明：基于符号回归的两种模型与多元线性回归模型在四季插值精度均显著优于传统插值方法,其中多因子气温插值模型在四季精度皆为最高;评估基于符号回归的两种模型与多元线性回归模型在简单与复杂地形区域下的气温插值精度,多元线性回归模型在夏季整体精度最差,少因子气温插值模型在冬季的复杂地形区域插值精度最低,而多因子气温插值模型在两种地形区域的全年插值精度皆最优;多因子气温插值模型的气温空间分布特征与遥感气温产品最相近,整体误差较小,可精准反映气温空间分布特征。基于符号回归的多因子气温插值模型可以提升复杂地形区域气温插值精度。     

河北地区气温内插模型及检验方法

以1965—1999年河北省逐月平均气温为研究对象,采用一元线性回归法和IDW(Inverse Distance Weighted)相结合的方法,将温度插值到河北省整个区域,绘制河北省温度空间分布图,实现了河北省年内各月平均气温空间填图;同时,分析了河北省冬季和夏季各月的月平均温度的误差精度。结果表明:插值的结果与观测值的相关系数(R)在12个月均大于0.82以上,显示插值方法具有较好的模拟精度,可用于气温的空间插值和特征分析。     

河北地区气温内插模型及检验方

以1965—1999年河北省逐月平均气温为研究对象,采用一元线性回归法和IDW(Inverse Distance Weighted)相结合的方法,将温度插值到河北省整个区域,绘制河北省温度空间分布图,实现河北省年内各月平均气温空间填图;同时,分析了河北省冬季和夏季各月的月平均温度的误差精度。结果表明：插值的结果与观测值的相关系数(R)在12个月均大于0.82,显示插值方法具有较好的模拟精度,可用于气温的空间插值和特征分析。     

基于CRU资料的山西百年气温时空演变特征

全球变暖的背景下,百年尺度上的区域气温变化规律,近年来已成为气候变化研究的热点。本文基于1901-2016年英国东英吉利(East Anglia)大学气候研究中心(Climatic Research Unit,CRU)提供的高分辨率、逐月气温数据集,采用一元线性回归法、滑动平均法和Mann-Kendall突变检验法分析了116年来山西气温的时空分布特征。结果表明:百年来山西年平均气温和各季节气温均呈波动上升趋势,年均和各季节气温倾向率分别为0.13℃·(10a)-1(年平均)、0.16℃·(10a)-1(春季)、0.05℃·(10a)-1(夏季)、0.09℃·(10a)-1(秋季)、0.22℃·(10a)-1(冬季),其中冬季气温增幅最大,对年均温增长的贡献最大,贡献率为42.31%,夏季气温增幅最小,贡献率也最小(9.62%)。研究时段内,山西各季节气温均发生突变,春季季均温突变开始于1993年,夏季在1917年和1996年都发生了气温突变,秋季、冬季出现突变的年份分别为2001年、1984年。空间上,山西多年平均气温和季均温均以南高北低的纬度变化规律为主,同时受到地形的影响,分别形成不同气温中心,其中冬季受地形影响最小,尤其是最冷月。     

复杂地形下浙江夏季气候要素空间插值方法评价

利用1988—2017年浙江省68个国家气象观测站气温和降水数据,分别采用ANUSPLIN、反距离加权(IDW)和普通克里格(O-kriging)3种方法,估算夏季平均气温和降水量空间插值。同时,应用交叉验证方法评价3种方法的精度差异,并进行空间误差分析,探讨符合浙江复杂地形条件和气候背景下的气象要素空间插值最优方法。结果表明:(1)3种方法对气温和降水的插值精度总体接近,空间分布较为一致,但对于要素空间异质性大的区域,ANUSPLIN在细节上的表现明显优于IDW和O-kriging方法。(2)ANUSPLIN对气温和降水的插值精度均高于IDW和O-kriging,气温的平均绝对误差(MAE)和均方根误差(RMSE)均小于0.5℃,其中气温RMSE表现为:ANUSPLIN(0.381℃)O-kriging(0.459℃)IDW(0.463℃)。降水RMSE表现为:ANUSPLIN(37.8 mm)O-kriging(42.2 mm)IDW(49.1 mm)。(3)平原地区的平均气温插值误差低于山区;降水误差空间分布沿海地区误差最大,出现明显低估值。总体来说,ANUSPLIN更适合浙江复杂地形条件和气候背景下的气象要素空间插值处理。     

基于DEM的江苏气温空间插值研究

以江苏省及周边39个常规气象站点1957—2001年的月平均气温数据和90 m空间分辨率的DEM数据为基础,采用基于DEM的多元线性回归插值方法,分析多年平均气温与海拔、坡度和坡向等地形因子的相关关系,建立适合该区域的多元回归空间插值模型.同时与反距离权重法(IDW)和克里格(Kriging)插值法等传统方法的计算结果进行对比,并用交叉验证方法比较5种插值方法的精度.结果表明:该研究区各月气温递减率在 0.5~0.9 ℃/(100 m) 左右;基于DEM的多元线性回归空间插值方法(MLR)无论从插值效果还是误差精度上,均优于其他传统插值方法.插值结果客观地表达了气温与各地形要素的相关性,反映了气温的空间变异性.     

中国区域温度和降水不同空间插值方法精度对比

利用国家气象信息中心基于最优插值法(Optimal Interpolation,OI)、ANUSPLIN插值法(AV 2.0)、普通克里格法(Ordinary Kriging,OK)的1.0°×1.0°与0.5°×0.5°格点化的1961—2004年中国区域月温度和月降水资料及1961—2004年美国NCDC的GHCN 5.0°×5.0°月降水资料,对中国大陆地区温度和降水不同插值方法空间插值数据的精度及时间序列进行了对比研究。结果表明:在1961—2004年平均气候态下,中国区域不同插值法插值后的降水和温度空间分布型较一致,年循环变化也较一致。在中国区域、东部区域和西部区域,OI与AV 2.0方法插值的降水场绝对误差分别为2.15 mm、1.28 mm和0.00 mm,OK与AV 2.0方法插值的温度场绝对误差分别为0.20℃、0.05℃和0.45℃。对于中国区域降水场时间序列,AV 2.0和OI方法插值的降水与GHCN不同季节的降水变化趋势较一致,且不同插值方法插值的夏季降水量差异较大,冬季降水量差异较小。1961—2004年AV 2.0与OI方法插值的降水场相关系数在0.22—0.98之间变化,冬季和春季降水场相关性较高,夏季和秋季降水场相关性较低;个别年份秋季和冬季插值后降水量的偏差稍大,最大偏差达3.08 mm,1961—2004年平均降水量偏差为0.64 mm。AV 2.0与OK方法插值的年平均温度差值小于0.54℃,且多年时间序列变化趋势较一致。     

智能网格气温降水实况插值方法优选研究

为生成任意位置气象“实况”，在智能网格5 km空间格距整点气温和小时降水量“实况”的基础上，选取湖北省10个不同地形和气候分区的气象站为代表站，开展了双线性插值、最近邻插值、反距离权重插值等3种不同插值方法的对比试验。结果表明：（1）整点气温插值反距离权重法精度最高，平均绝对误差为0.53℃。插值效果随气温升高而降低、随海拔高度上升而降低。（2）小时降水量插值双线性插值法精度最高，平均绝对误差为0.17 mm。08时插值效果最佳，20时插值效果最差；插值效果随降水强度增大而降低。     

基于ANUSPLIN软件的逐日气象要素插值方法应用与评估

气象要素是资源、环境、灾害以及全球变化等领域研究的数据基础,格点化数据在未来研究应用中显得日益重要。本文基于中国境内667个基本和基准地面气象观测站点的基本气象资料,使用ANUSPLIN专用气候插值软件对1961-2006年逐日气温、降水进行插值,并利用未参与插值的全国1667个加密站点对插值结果的准确性进行检验,同时与反向距离权重法和普通克吕格法等插值方法的结果进行对比。结果表明,利用667个站点使用ANUSPLIN软件进行逐日平均气温插值有92.0%的误差在2.0℃以内,75.0%的误差在1.0℃以内,0.9%的误差在5.0℃以上,平均绝对误差为0.8℃;对逐日降水进行插值,75.0%的误差小于5.0mm,85%的误差小于10.0mm,平均绝对误差为6.4mm,误差大小与降水量呈现出正相关性,对局地强降水的插值效果不好,这可能与参与局部拟合插值的样本数太少有关;同时,夏季的温度插值误差小于冬季,而冬季的降水误差小于夏季。将ANUSPLIN的局部薄盘样条插值结果分别与反向距离权重法和普通克吕格法的插值结果进行对比,显示ANUSPLIN软件的插值误差最小。结果同样表明,适当增加站点数量和提高DEM精度可进一步提高ANUSPLIN软件的插值精度。     

西宁与沈阳等城市的气候变化对比分析

利用国家气候中心整编的全国160站逐月气温和降水资料,对沈阳、北京、黄山、昆明和西宁等5城市的1951--2005年的年平均气温、冬季平均气温和年降水及夏季降水进行对比分析。结果表明：沈阳、北京和西宁年平均气温变化趋势较为一致。沈阳、北京、昆明和西宁4个城市气温年际变化幅度相对较大,而黄山气温年际变化幅度相对较小。上世纪80年代以前5城市冬季平均气温基本均属于偏低时期,但明显的低温期出现的年代略有不同;90年代之后5城市冬季平均气温均属于偏高时期。沈阳、北京和西宁冬季气温年际变化幅度大,昆明和黄山冬季气温年际变化幅度小。沈阳和北京年及夏季降水变化趋势具有较好的一致性,昆明和西宁年及夏季降水变化趋势也具有一定的相似之处,黄山年及夏季降水变化趋势,则表现出一定的特殊性。     

复杂地形区域平均气温空间插值方法研究

采用反距离权重、克立格、径向基函数法、三维二次趋势面和地理加权回归5种方法,对云南125个站1月、4月、7月、10月和年的30年平均气温进行空间插值并比较分析发现:反距离权重、克立格、径向基函数法3种常规插值方法对地形复杂的云南气温空间分布模拟精度不高;三维二次趋势面和地理加权回归模型对云南气温空间分布模拟较好,交叉检验结果显示前者的平均绝对误差(MAE)为0.43~1.02℃,均方根误差(RMSE)为0.67~1.77℃,其推算的云南气温栅格数据能较好地反映出云南各地气温的分布和差异;GWR模型对气温的交叉验证在5种插值方法中误差最小,插值结果 MAE在0.65℃以下,RMSE在0.8℃以下;进而使用"地理加权回归模型插值+反距离权重残差内插"叠加法对抽取的10个检验站平均气温进行插值检验,64%的插值结果绝对误差在0.5℃以内,74%的插值结果相对误差在5%以内,且实测值与插值估算值回归关系决定系数R2在0.9以上。     

基于DEM的气温插值方法研究

以甘肃河东为研究区,利用河东及周边的82个气象站点1971~2004年的月平均气温数据,结合数字高程模型(DEM),在分析平均气温与经度、纬度、海拔高度、坡度、坡向地形要素相关关系基础上,提出了一种基于DEM的多元线性回归空间插值方法(MLR),并与传统的反距离平方法(IDS)、样条函数法(SPLINE)和普通克里金法(OK)进行了精度比较.精度验证结果显示:无论从误差大小还是从插值效果上,考虑了地形要素的MLR方法均优于传统的插值方法.最后,基于MLR插值方法生成84 m×84 m甘肃河东地区月平均气温栅格数据集.平均气温结果表明:河东各月平均气温大致呈现由东南向西北逐渐降低的空间格局,且平均气温的季节内波动差异较大.其中,夏季气温的波动幅度最小,波动幅度自西向东减弱;冬季次之,有自北向南减弱的趋势;春季和秋季较大,有自西南向东北降低的趋势.     

合肥整层大气可降水量与地面露点相关性分析

根据合肥站地基双频微波辐射计和地面温、湿度传感器的4年观测资料,对比分析了国内外学者利用地面露点温度td计算整层大气可降水量W的经验计算模式.结果表明,合肥站td与lnW之间年线性相关系数普遍＞0.90,经验系数α=-0.521,6=0.0901℃1-,反映出合肥地区气候条件的特殊性.td与lnW之间月相关系数的变化范围较大(0.120～0.813),而且秋季和冬季各月相关性较好,晚春和夏季各月相关性较差,尤其是在7、8月份;两者的季节相关性为秋季最好,夏季最差,春季和冬季的相关系数差别很小;经验系数α与月相关系数的年变化近似呈反向,在春、秋、冬三季变化比较平缓,在夏季却出现剧烈变动.在月时间尺度上根据经验计算模式利用td计算W的方法不可取.     

珠江口近15年海平面变化特点及其与强咸潮发生的关系

通过对珠江口30多年相对海平面和近15年绝对海平面变化的研究,比较1992年12月～2008年12月南海卫星观测和珠江口验潮站观测的海平面变化趋势,认为珠江口的相对海平面（RSL）上升最主要原因是全球气候变暖、海平面上升所致;通过研究29个冬季各月西、北江冬季径流量、海平面、表层盐度的变化趋势,以及强咸潮月份的径流、海平面、盐度的对应关系,得出海平面上升是加大咸潮影响的重要因素。     

基于BP神经网络的海口住宅室内气温预测

利用2014年1月—2015年12月海南海口居民住宅室内小气候观测数据和室外气象要素,基于BP神经网络构建海口住宅室内气温预测模型,通过与统计回归模型相比来综合评估模型的预测效果。结果表明:BP模型预测精度较高,不同季节预测精度存在差异,春秋季精度最高、夏季精度最差,其中地温加入对模型预测精度有较大改进。不同季节采用地温的BP模型对室内气温的预测值与观测值的均方根误差分别为0.25℃、0.62℃、0.26℃和0.52℃,平均绝对误差均小于0.5℃,即误差均在合理范围内。且预测精度(RMSE)较统计回归模型分别提高了26.5%、34.7%、56.7%和25.7%。可见该模型可以满足海口居民住宅室内气温的预测需求,可为室内居住环境、建筑能耗研究提供有效的基础数据。     

基于西南地区台站降雨资料空间插值方法的比较

以西南地区1996～2000年93个气象台站观测的月均降雨量为基础,对各月降雨量进行空间自相关性,变异特征等空间分析后,采用反距离加权法(IDW)和以不同变异函数模型(指数模型、球面模型、高斯模型)为基础的普通克里金(O-Kriging)两种方法进行空间插值,通过交叉验证结果对两种方法进行分析比对。结果表明:(1)西南地区月均降雨量存在明显的空间集聚现象,并具有显著的空间自相关性和变异特征,可对该研究区域降雨量进行空间插值研究。(2)在O-Kriging插值时,变异函数选用指数模型的效果最好,球面模型次之,高斯模型最差。(3)两种方法对月均降雨量及其极大值和极小值插值时,O-Kriging的插值误差均小于IDW,插值误差整体上与降雨量呈正相关关系。在剔除各月降雨量极大值较为集中的两个站点后进行插值,插值结果的误差均明显降低。(4)对研究区域整体来说,O-Kriging的插值效果优于IDW,但就单个站点来看,结果并非如此。在降雨量的空间插值中,由于研究区域和时间尺度的不同,并不存在绝对的最优方法,应根据实际应用效果选择最适方法。     

基于DEM修订的新疆区域气温空间插值精度优化研究

为研究新疆地区气温的空间变异性,以新疆66个国家气象台站1981—2010年月平均气温和30 m空间分辨率DEM数据为基础,采用传统插值法、基于DEM多元线性回归插值和基于DEM修正的空间插值方法对新疆区域气温数据进行栅格化,并分析年平均气温与海拔的相关关系。通过采用反距离权重法(IDW),普通克里格法(Kriging),样条函数法(Spline)和趋势面分析法(Trend)4种空间插值方法对气象要素进行直接插值、气温多元回归模型残差结果插值、基于DEM修正插值对比分析。通过针对插值方法进行基于MAE和RMSIE的交叉验证,结果表明传统插值方法、基于多元线性回归和基于DEM修正4种空间插值精度均为IDWKrigingSplineTrend。反距离权重(IDW)空间插值方法最优,基于DEM修正IDW插值、基于多元线性回归IDW插值与传统IDW插值精度分别是0.039、0.477、1.038,插值结果客观的表达了新疆区域气温随空间梯度的变化趋势。     

重庆山地区域气象要素空间插值方法对比

利用重庆地区1999年和2018年气象数据, 分别采用薄盘光滑样条、协同克里金、普通克里金、反距离加权4种方法, 从年和月两种尺度对气温、降水、太阳总辐射三个要素进行空间插值; 采取交叉验证方法, 用MAE、MRE、RMSE评估插值精度, 确定各要素最优插值方法。结果表明: 气温和太阳总辐射最优插值方法为薄盘光滑样条, 降水为反距离加权; 插值精度上气温、太阳总辐射高值月份优于低值月份, 降水则相反, 但三个要素均表现出年尺度优于月尺度。MRE检验表明, 插值精度为气温>太阳总辐射>降水, 1999年年尺度插值精度分别为1.86%、4.60%、6.87%, 月尺度插值精度分别为2.79%、5.82%、17.42%;2018年太阳总辐射年、月尺度插值精度分别为3.03%、4.88%, 区域站加密后气温、降水年尺度插值精度分别为2.03%、11.20%, 月尺度对应插值精度分别为3.20%、23.14%。