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。     

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KBSI模型的新疆平均气温空间插值研究

选取新疆近30a(1981—2010年)整编的月平均气温数据,定量分析了海拔高度、经纬度因子对气温空间分布的影响,利用KBSI模型对选定的新疆40个国家基本站月平均气温进行空间模拟,并对插值精度进行了交叉验证。结果表明,在进行新疆月平均气温空间模拟时,插值参数应充分考虑到温度分布的空间连续性和季节差异性。在选取参考站时应综合考虑到周边气象站点的疏密和实测数据的可用率等实际情况。为了提高插值精度,需要引入地形(坡度、坡向)和下垫面特征数据来对插值结果进行修正。     

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)。     

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.     

基于GIS的浙江省年平均气温空间模拟研究

高精度的空间化气温信息对于区域热量资源利用和农业结构调整等方面具有重要意义。本文选取浙江省72个气象站点1971—2008年的年平均气温作为数据源,以地理信息系统(GIS)为技术平台,采用逆距离权重法、普通克立格、样条法和多元回归法等四种空间插值方法,对研究区年平均气温进行空间插值,通过预设的10个检验站点来对插值结果进行评估。结果表明:多元回归法的相对平均误差、绝对平均误差、均方根误差分别仅为0.010、0.173和0.221℃,误差均小于其他三种插值方法,插值效果最好,对于验证站点的年平均气温模拟最接近实际值。     

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...     

基于GIS技术的甘肃省气温空间分布特征

利用40 a气象站气温观测数据,结合GIS技术,建立甘肃省气温空间化模型,以高分辨率的DEM作为模型的输入参数实现气温数据的空间化,同时与传统的气温内插方法 (反距离加权法(IDW)、克里格(Kriging)、协同克里格(Co-Kriging))的插值结果进行比较分析,结果反映利用多元回归分析+克里格方法建立的气温数据栅格化结果较好,比传统的气温内插方法插值精度高,插值结果很好的再现了原始测量结果。     

基于RS和GIS技术的新疆气温空间插值方法探讨

分析新疆90个气象站点2004年年均气温与经纬度、海拔高度的关系,之间具有较好的线形相关关系(r2=0.897)。通过"回归方程计算 空间残差"的方法对全疆2004年年均气温数据进行插值。验证结果为:插值计算值与实测值间相关系数r2=0.994,平均误差1.53%。插值结果表明:利用"回归方程计算 空间残差"的方法可以生成高精度、高空间分辨率新疆年平均网格温度结果。     

新疆地区平均气温空间插值方法研究

基于1981—2008年新疆地区53个测站和甘肃青海邻近10个测站的多年月(年)平均气温进行探索性分析和试验性插值的基础上,以"多元回归+残差内插+地形调节"和"海拔订正+零海拔插值+地形调节"两种混合性气温空间插值方法对该地区的多年月(年)平均气温进行了空间分布插值、交叉验证和对比分析。结果表明,单一的任何一种确定性函数或地统计方法都不能对新疆地区的气温进行较准确的插值,缺乏对影响因子的考虑,与实际情况相差较远;两种混合性插值方法都可以得到较精确的气温空间插值结果,空间分布一致,精度都随月份有所差异,对夏、秋季的插值结果较冬、春季的稳定、精度高;两种方法对夏、秋季各月的插值结果并无显著差异,而在冬、春季后者的误差大于前者。整体而言,"多元回归+残差内插+地形调节"的方法较"海拔订正+零海拔插值+地形调节"法更准确、稳定,但两种方法各有优缺点,应根据实际应用情况进行选择。     

近57年我国气温格点数据集的建立和质量评估

在普通克里金插值方法的基础上, 引入高程因子并充分考虑插值的边界效应, 对1951:2007年我国气温站点资料进行空间结构分析和插值, 得到我国地面气温日、月、年平均值1°×1°格点数据集。数据集的质量评估结果表明:高程在我国区域气温空间结构分析和插值中起着重要作用, 高程资料的引入有效提高了大部分高山地区的插值效果; 相比站点资料, 所建立的格点数据集在描述我国年平均气温以及季节平均气温分布时更为合理, 突出了温度场的大尺度特征; 数据集反映出了我国年平均气温变化趋势主要的空间差异; 数据集较好地反映了我国年平均气温变化状况, 1951- 2007年气温变暖幅度约为1.6 ℃, 增温速率0.28 ℃/10 a, 比全球或半球同期平均增温速率明显偏高, 且气温增暖主要发生在最近的20余年之内。另外, 格点数据集显示, 1998—2007年是1951年以来最暖的10年, 其中2006年全国平均气温距平接近2000年之前的历史最高年份1998年, 而2007年全国平均气温距平值超过1998年, 达到1951年以来的历史最高值1.3 ℃, 为最暖的一年。     

浑善达克沙地气候特征及其气候变化分析

利用浑善达克沙地及其周边气象台站1965～2001年气候资料,运用统计方法,分析浑善达克沙地主要气候因子的时空变化,结果表明：浑善达克沙地气候要素存在着明显的经向分异和一定程度的纬向分异;1965～2001年间,浑善达克沙地绝大部分地区的年平均气温呈明显上升趋势,季平均气温也有较明显的上升趋势,年平均风速变化有较明显的减小趋势,春季风速减小趋势最为明显;沙地大部年、季降水量变化趋势不甚明朗,年蒸发量呈较平缓下降趋势,年干湿度呈缓慢升高趋势。     

Air Temperature Estimation with MODIS Data over the Northern Tibetan Plateau

Time series of MODIS land surface temperature(T_s) and normalized difference vegetation index(NDVI) products,combined with digital elevation model(DEM) and meteorological data from 2001 to 2012,were used to map the spatial distribution of monthly mean air temperature over the Northern Tibetan Plateau(NTP). A time series analysis and a regression analysis of monthly mean land surface temperature(T_s) and air temperature(T_a) were conducted using ordinary linear regression(OLR) and geographical weighted regression(GWR). The analyses showed that GWR,which considers MODIS T_s,NDVI and elevation as independent variables,yielded much better results [R_(Adj)~2 0.79; root-mean-square error(RMSE) =0.51℃–1.12℃] associated with estimating T_a compared to those from OLR(R_(Adj)~2= 0.40-0.78; RMSE = 1.60℃–4.38℃).In addition,some characteristics of the spatial distribution of monthly T_a and the difference between the surface and air temperature(T_d) are as follows. According to the analysis of the 0℃ and 10℃ isothermals,T_a values over the NTP at elevations of 4000–5000 m were greater than 10℃ in the summer(from May to October),and T_a values at an elevation of3200 m dropped below 0℃ in the winter(from November to April). T_a exhibited an increasing trend from northwest to southeast. Except in the southeastern area of the NTP,T d values in other areas were all larger than 0℃ in the winter.     

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。     

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%。     

中岳嵩山高山站平均气温资料插补及其变化趋势分析

为明确近60 a来在近对流层自由大气底部这一特定高度上河南省中岳嵩山气温变化特征,在对河南省登封气象站月平均气温数据均一化的基础上,采用该站均一化数据构建嵩山站月平均气温模拟模型,对1990—2002年缺测数据插补,建立中岳嵩山高山国家基准气候站1956—2017年时间序列连续的月平均气温资料,采用线性回归对其进行气温变化趋势分析。结果表明：均一化处理对登封站月平均气温因台站迁移的非自然因素引起的非均一性取得了明显的校正效果。均一化后,1969—2017年登封站年平均气温由显著上升速率0.218℃/10 a增至0.310℃/10 a。利用独立数据对模型进行验证表明,总体上,嵩山站各月平均气温推算模型模拟值与实测值的线性相关系数和斜率分别为0.999和0.989(n=204,P < 0.01);1—12月各月模型验证检验参数的平均值相关系数为0.958、均方根误差为11.7%、平均绝对偏差为0.3℃、平均偏差为0.1℃、拟合指数为0.973、模拟效率为0.900,模型具有较好的模拟效果。1956—2017年嵩山站年平均气温增温显著,其速率为0.223℃/10 a。四季之间,以春季增温速率最大,为0.350℃/10 a;冬季和秋季次之;夏季增温不显著。各月之间,以2月增温速率最大,达0.445℃/10 a。     

气候变化背景下秦岭-淮河地区亚热带北界变化

基于1970—2019年秦岭-淮河地区气象站点观测数据,以日均温稳定≥10℃持续日为主要指标,以1月平均气温为辅助指标,借助薄盘样条插值（TPS）及基于数字高程模型（DEM）的普通克里金插值法,探讨秦岭-淮河地区亚热带北界对全球气候变暖及变暖“停滞”现象的响应及变化。结果表明,1970—2019年秦岭-淮河地区日均温稳定≥10℃持续日及1月平均气温均呈不同程度的上升趋势,但二者高低值的分布年份并不相同;50年来亚热带北界在秦岭段出现了明显的向高海拔地区移动的趋势,其中,秦岭南坡共计抬升153.3 m,北坡抬升148.8 m。在变暖“停滞”期间,秦岭南、北坡亚热带北界所处海拔的变化具有较高的同步性,但在1980s至1990s期间差异性较大。1970—2019年亚热带北界在淮河段北移1.3个纬度以上,在115°E附近甚至达到3个纬度,与中国过去2000年亚热带北界曾到达的最北位置相仿;从年代际上来看,亚热带北界在1990s期间北移最明显,黄河流域下游部分区域已由暖温带逐渐转化为亚热带。     

长江中上游区基于GIS的不同时间尺度降水插值方法探讨

为了获取长江中上游地区高分辨率的降水情况,本文以长江中上游及其周围地区共613个气象站点的降水资料为基本数据,利用分辨率为4 km的DEM(Digital elevation model),采用了较适合地理信息系统(GIS)的插值方法,分别对该区域1992—2001年间年、月及日平均等不同时间尺度降水量进行了分析。结果表明:逐步插值法得到的高分辨率降水空间分析效果较好,计算的精度较高。该方法提高了计算的准确性,体现了降水随地形的变化以及在空间分布上的不连续性,有效地解决了复杂地形条件下降水空间插值精度不高的问题,对于不同的时间尺度都有较好的适用性。