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。     

考虑地形的空间插值算法在复杂下垫面地区气温和降水精细化插值的评估

为探索考虑地形的空间插值算法在复杂下垫面地区的适用性,利用重庆市区域自动气象站2017年逐月观测数据,采用Cokriging、PRISM和IDW三种算法进行了1 km分辨率插值试验,并分析对比了其在月累积降水、月平均气温插值中的误差。结果表明,当样本数量较多时,平均气温的插值以PRISM误差相对较小,Cokriging和IDW效果相当;对累积降水的插值,PRISM和Cokriging效果相当,并略优于IDW。三种算法的误差均随样本数量减少而增大,但PRISM的平均气温误差增长相对最慢,累积降水误差增长相对最快。当样本数量较少时,PRISM对气温插值的误差相对最小,而Cokriging对降水的插值误差相对最小。进一步分析表明:PRISM能显著减少复杂地形区的气温插值误差;累积降水插值主要受降水强度及降水局地性影响,考虑地形的插值算法并无明显优势。     

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.     

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。     

气象要素插值的空间化精度提高方法研究

为了提高气象要素空间化的精度,本文提出通过预先对气象数据进行处理,然后再进行空间化,以比较直接插值与原始数据处理之后再插值的精度的变化。文中采用数据为全国743个常规气象站40 a(1961—2000年)整编气象资料及2005年的常规气象资料;插值方法有反距离加权法(IDW)、克立格法(Kriging)和样条函数法(Spline);数据预处理方法采用距平处理。结果发现:使用IDW、Kriging和spline对平均温度距平进行插值精度比较,发现IDW方法最优;温度距平精度的提高比降水和相对湿度要好;降水距平误差呈现由东向西递增的趋势。由此可见,对气象要素做距平处理可以有效提高插值精度。     

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。     

近38年中国气温和降水的1 km网格数据集

对中国38年的气温和降水进行了空间插值分析,选取最优模型去生成1km网格数据集,为中国大陆的植被分布、气候变化和环境生态等研究提供支持。基于国家气象中心839个气象站的逐日气温和降水数据,用经度、纬度和海拔作为ANUSPLIN软件插值的3个变量,对降水进行开平方预处理,采用3次样条的薄盘光滑样条法,得到了1980—2017年中国大陆月平均气温和月累计降水1km网格插值数据集。数据集的广义交叉验证均方根(RTGCV)和均方根误差(RMSE)具有年周期性和明显的季节变化特征;各站点的平均误差(MBE)的频率分布近似正态分布,绝对误差(MAE)的空间分布也符合中国大陆气候的变化特征。数据集在精准度和时间序列上较新,且提供公共下载服务,可为全国陆地生态系统的研究提供信息支持。     

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。     

中国地面气温和降水网格化数据精度比较

采用2013年国家气象信息中心逐日的839个中国基准、基本气象站,2419个国家级地面气象站,3万个逐小时中国地面站气温和降水数据,利用ANUSPLIN、SHERPAD和OI插值方法进行网格化,比较了日尺度上不同方法插值不同站网密度站点数据的精度。结果表明:台站点数量多的插值结果,对降水或气温描述的准确性高,相关性随站点密度增加而增大,均方根误差随站点密度增加而减少。不同方法得出的相关性、均方根误差随季节变化明显,且差异较大,并具有月尺度变化特征。夏季站点数量相同的不同插值结果,降水场的相关系数、RMSE等评分指标均优于年平均,气温的相关系数则低于年平均。降水场的评估指标时间序列不确定性更大,波动范围大于气温。国家气象信息中心制作的基于气候背景场OI插值的2419站降水场和考虑高程ANUSPLIN插值的2419站气温的综合评价较好。     

基于DEM的复杂地形气温空间插值研究

利用江西省87个国家气象观测站点1987—2016年月平均气温资料,结合数字高程模型(DEM),建立了一个基于江西省DEM的多元线性回归空间插值模型,并与传统的反距离权重法(IDW)、普通克里金插值法(OK)和协同克里金插值法(CK)进行空间插值精度和效果对比。研究表明:基于DEM的多元线性回归空间插值方法(MLR)的误差精度和插值效果均优于其他3种传统插值方法。江西省月(年)平均气温与纬度和海拔高度呈负相关,与经度呈正相关,与坡度、坡向无明显相关性;江西省月平均气温垂直递减率约为0.35—0.65℃/(100 m),年平均气温垂直递减率约为0.49℃/(100 m)。     

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ANUSPLIN的京津冀区域逐日气温格点数据集建立方法研究

为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集（0.01°×0.01°）,并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数（Corr）、平均绝对误差（MAE）、平均相对误差（MRE）等作为评估指标来检验插值精度。结果表明：1）ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征;2）4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1 ℃之内占比为90.59%,MAE为0.46 ℃,MRE为1.81%;3）插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。     

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。     

基于机器学习的气温要素空间插值

掌握近地表气温的空间分布对于科学理解生态环境变化和陆地-大气热力学相互作用机理等至关重要,然而气象观测站在地理空间上分布不均,为区域的气温插值带来了挑战。本文以全国711个气象站点的月平均气温为基础数据,分析了气温与经度、纬度和高程的相关性,利用随机森林、支持向量机、高斯过程回归三种机器学习方法,对中国陆地区域的气温进行了空间插值,并与反距离权重、普通克里金以及ANUSPLIN等传统的插值方法以及全球土地数据同化系统（Global Land Data Assimilation System,GLDAS）气温数据产品进行对比。结果表明：（1）在整个中国陆地区域,利用机器学习进行气温插值的精度明显高于传统的反距离权重和普通克里金插值,并且机器学习方法明显提高了夏季的气温插值精度（R2）;(2)在三种机器学习方法中,高斯过程回归表现最好,支持向量机次之,然后是随机森林,ANUSPLIN具有较高的插值精度,但是整体低于高斯过程回归模型;（3）在气象站点稀少且分布不均匀的青藏高原地区,三种机器学习方法插值精度明显高于反距离权重和普通克里金方法,且整体优于ANUSPLIN的结果,尤其是在夏季,机器...     

江西省降水空间插值方法适用性分析

文中基于数字高程模型,建立了多元线性回归插值模型(MLR)和PRISM空间插值方法,并与传统的反距离权重法(IDW)和普通克里金插值法(OK)进行比较.结果表明:1)江西省5月、7—10月降水量与海拔高度存在显著的相关性,与坡度、坡向无明显相关.2)从插值精度来看,3—9月PRISM和MLR空间插值精度明显优于IDW和OK,冬半年IDW和OK插值精度略高于MLR和PRISM;4种插值方法的年降水量插值精度排序为PRISM>MLR>OK>IDW;PRISM和MLR在高海拔地区的插值精度远高于IDW和OK.3)从插值效果来看,4种插值方法的降水空间分布具有一致性,MLR和PRISM优于IDW和OK.     

专用气候数据空间插值软件ANUSPLIN及其应用

空间化的气候数据作为环境因子参数是区域气候模型和地学模型的基础,而插值软件是实现气候观测点数据空间化的工具.ANUSPLIN基于薄盘样条函数理论,引入多个影响因子作为协变量进行气象要素空间插值,大大提高插值精度,且能同时进行多个表面的空间插值,对时间序列的气象要素更加适合.     

三种插值方法对区域自动气象站日气温缺测数据插补的适用性研究

为解决气温观测记录缺测的问题,选择反距离权重插值(Inverse Distance Weighted,IDW)、普通克里金插值(Ordinary Kriging,OK)和多元线性回归(Multiple Linear Regression,MLR)三种方法,以湖北省2020年为例,对全省逐日平均气温(T)、最高气温(T_max)和最低气温(T_min)进行空间插补,并采用平均绝对误差(Mean Absolute Error,MAE)对3种方法的插补结果进行检验。结果表明:用MLR插补得到的Tmax、Tmin、T的MAE最小,分别为0.41℃、0.31℃和0.20℃,其中T的插补误差在1℃以内的站点比例高达100%;相比IDW和OK,MLR插补结果的MAE空间分布均匀,其不仅随海拔高度变化较小,随季节变化也相对较小。单站试验结果表明,当用于MLR模型的样本数量越多、时间离散度越大时,MLR对气温的插补效果越好。总体上,对日气温缺测数据的插补效果,MLR最优,IDW次之,OK最差;对于建立气象站点长时间连续气温数据集而言,MLR更适合解决区域自动气象站...     

东北地区逐日气象要素的空间插值方法应用研究

针对作物生长动力模型区域应用时对高精度格点逐日气象要素输入值的需要，以东北地区为例，选用克立格法 (Kriging)、以经纬度分布方向为权重的距离权重反比法（IDW）及带高度梯度订正的距离权重反比法（GIDW）3种插值方法进行有限气象站点4~10月逐日气象要素空间插值方法研究，并进行插值的统计量分析和估值的交叉验证。结果表明，对温度而言，GIDW方法估值精度较高，插值结果的平滑程度适中，插值结果分布趋势也较为接近实际站点的分布。对降水而言，IDW估值精度高于Kriging, 而且插值结果的平滑程度较小，更适合于日降水量的空间插值。GIDW、IDW估值精度较高的原因是研究中考虑到日最高温度、最低温度和降水量的经向、纬向梯度、海拔高度梯度存在明显的季节性变化，采用了根据气象要素经纬度方向确定权重，以及根据气象要素高度梯度年内变化进行高度订正的结果。     

基于Shepard和OI方法对雨量计逐时资料的分析

引入地形影响效应的日降水量气候分析场,分别运用Shepard和最优插值(OI)两种插值方法对广东和广西2007年5月20日—8月30日汛期小时雨量计降水量进行插值,得到0.125°×0.125°分辨率的规范化网格资料。结果表明:无论是直接插值还是用降水比率(地形影响效应的日降水量气候分析场)插值,两种方法均能很好地体现广东和广西雨量计站点观测降水的季内变化和日变化特征。虽然用直接插值方法比用降水比率插值方法得到的降水空间分布更为平滑,但估值精度没有用降水比率插值方法高。通过交叉检验进一步表明,总体上OI方法优于Shepard方法,而考虑地形影响效应的降水比率OI方法为最优,能有效提高相关性,并减少均方根误差和系统误差。