基于地形高程的云南省降雨量空间插值方法研究

以云南省1961-2010年多年平均降雨量和云南省数字高程模型为基础数据源,通过对降雨数据的分析,将数字高程模型作为影响降雨强度的主要因素,引入到降雨量空间预测的多元地理统计中,并利用协同克里格算法构建降雨强度与地形高程之间的数学关系模型,对云南省年平均降雨数据进行空间插值模拟。插值结果与距离权重法、一阶局部多项式法、二阶局部多项式法、样条函数法、普通克里格法等其他5种空间数据插值方法进行对比与分析,并通过分析各个交叉检验统计量来验证评估数据的误差,从而选取出最优的空间插值方法。结果显示,普通克里格法和协同克里格法对降雨量空间插值的效果和精度高于反距离法、局部多项式法和样条函数法,而协同克里格法由于考虑了地形高程对降雨量的影响,具有更好的插值效果,因而更适合山地降雨数据的空间插值。     

松花江哈尔滨段悬浮物含量遥感反演与克里格插值预测精度对比

以松花江干流哈尔滨段水体中悬浮物为研究对象,2012年7月14~15日,设置了11个采样断面,共33个采样点,测量得到总悬浮物含量和江面高光谱反射率数据;选用时间上较为接近的TM影像,分别用遥感反演模型(PSO-LSSVM模型)和克里格空间插值方法,对总悬浮物含量进行预测,并对使用两种方法的结果进行比较。结果表明,使用两种方法的结果的预测精度较为接近,遥感反演模型预测值的平均绝对百分误差为11.21%,均方根误差为10.05 mg/L;克里格空间插值预测结果的平均绝对百分误差为11.32%,均方根误差为10.93 mg/L;遥感反演模型预测值能较好的反映出松花江干流哈尔滨段总悬浮物含量的总体分布特征和变异特征;克里格空间插值对空间自相关小范围内具有较好的预测能力,超出自相关范围不能预测。     

基于贝叶斯最大熵的甘肃省多年平均降水空间化研究

 贝叶斯最大熵方法可以对具有一定不确定性的“软数据”和认为没有误差的“硬数据”进行插值。对甘肃省1961—1990年52个气象站点的多年平均降水数据进行空间化研究。通过比较普通克里格、共协克里格、三元回归建模后残差插值以及基于贝叶斯最大熵的3种不同软硬数据参与情况下的插值结果,发现考虑降水30 a时间序列不完整性以及辅助变量经验模型不确定性的插值结果的MAE和RMSE,比直接使用多年平均降水数据直接插值的MAE和RMSE小,表明贝叶斯最大熵方法通过对不确定性的考虑可以有效降低预测结果的绝对误差。从降水的空间分布来看,考虑辅助变量DEM的插值结果能相对较好的体现高程对降水的地形影响,尤其分区将辅助变量转换为软数据可以有效体现不同区域高程对降水的不同影响问题。综合误差评价以及降水插值结果的空间分布,认为BME插值过程中可以考虑数据本身以及辅助数据利用的不确定性,使降水空间化的结果更加真实客观,同时为合理利用辅助信息提供了一个新思路。     

SRTM DEM高程精度评价

为了全面认识SRTM DEM数据精度特征并完善SRTM DEM数据精度评定方法,该文以我国1∶5万比例尺DEM为参考数据,以具有多种地貌类型的陕西省为实验样区,利用高程中误差模型及空间插值方法对SRTMDEM进行高程精度分析。结果表明:陕西省的SRTM DEM高程中误差在3.5~60.7 m,呈现出较为显著的空间分异特征;并且高程中误差与实验样区平均坡度有较强的指数相关性,拟合的指数函数具有较高的模拟精度。     

DEM的不确定性对温度插值精度的影响

以2001-2010年全国711个气象站点温度观测数据为数据源,在薄板样条插值方法和ANUSPLIN软件支持下,对比分析了使用GTOP30、SRTM3和ASTER GDEM三种DEM数据作为协变量开展空间插值得到的温度成果数据精度。研究发现:1)GDEM的平均相对误差(MRE)、平均绝对误差(MAE)和均方根误差(RMSE)明显高于其他两套数据,数据质量最差;SRTM3和GTOP30的数据精度较高,各误差评估指标大致相同。2)在全国尺度上,在MAE方面,基于ASTER GDEM所得温度插值结果比其他两组DEM得到的温度插值结果高0.4℃左右;在RMSE方面,基于ASTER GDEM获得的温度比其他两组DEM得到的温度高0.5℃左右。基于ASTER GDEM所得温度插值数据的误差明显高于其他两套数据。3)在温度插值误差的空间分布格局上,在我国中东部地区,三种DEM温度插值误差分布规律基本相同;在我国西南部地区,基于GTOP30和SRTM3的温度插值结果的数据精度明显好于基于ASTER GDEM的温度插值结果。4)温度插值误差与DEM高程误差呈现明显的耦合特性,这表明DEM数据的精度是影响温度插值结果的重要因素。     

气候时空数据的样条插值与应用

该文论述了根据1951——2000年中国逐月温度和降水量数据采用样条函数插值实现气候时空数据数字化和可视化扩展的过程。对来自气象站的逐月气候数据利用样条函数插值拟合气候空间曲面，在DEM支持下建立气候变量的空间栅格数据文件，用于GIS对气候变量的查询、成图和二次开发。结果表明插值效果因样本数量、样本空间分布和不同的气候变量会有所不同，较多的样本数量有助于插值质量的提高。由栅格数据文件转换而成的逐月气候图形格式文件可以通过Java编程的浏览器实现气候时空动态变化的直观表达，从而使历史气候数据得到有效扩展、集成和应用。     

顾及各向异性的CSRBF空间插值及其在气温场重建中的应用

在地理空间中各种地理现象实际上是一种连续变化的空间场。由于受到观测手段、工具的限制,只能从有限的地点获得有限的观测数据。为了获得连续的空间场,通常采用克吕格插值、反距离权重插值等方法进行重建。但这些方法都是各向同性的,与具有各向异性的真实地理现象分布并不相符。该文以各向同性的紧支撑径向基函数插值模型为基础,对其进行改进,使其能够顾及空间场的各向异性。其方法是利用加权主成分分析对原始数据进行方向性特征分析并进行旋转,再利用半变异函数拟合变换后坐标系下各轴向的变程值,以此为基础构建紧支撑径向基函数插值模型并进行插值,最后将插值结果逆旋转到真实地理空间。以国家气象中心提供的黄淮海平原气温数据与香港天文台提供的香港地区气温数据为例,对该文提出的顾及各向异性紧支撑径向基函数空间插值方法进行验证,并与反距离权重插值、全局径向基函数插值及顾及各向异性的普通克里格插值进行对比,实验表明该方法具有较高的精度且能够对气温场的细节进行准确的重建。     

利用LM-BP神经网络估算西北地区太阳辐射

气候、生态、水文等模型的应用需要空间连续分布的太阳辐射数据,由于地形等条件的制约,气象站点的分布有限,无法利用稀少的站点获得空间连续分布的辐射数据,而BP(Back-propagation)神经网络模型对太阳辐射具有很好的预测性,但以往的研究都是基于单个站点估算太阳辐射,而且BP神经网络模型存在收敛速度慢、学习时间长等问题,为解决BP算法存在的不足,采用LM(Levenberg-Marquardt)算法优化后的BP神经网络(简称LM-BP神经网络)结合DEM(Digital Elevation Model)数据估算西北地区128个气象站点2011年的太阳总辐射月均值,通过乌鲁木齐和银川两台站的实测数据进行验证,两台站的平均百分比误差分别为2.89%和3.24%,平均偏离误差分别为0.27 MJ·m-2和0.61 MJ·m-2,且拟合优度均0.90。该模型各项误差指标较小,估算精度较高。最后将模型模拟出的辐射值,结合已有的24个辐射站点的实测值进行空间插值,得到西北地区2011年逐月太阳辐射精细化空间分布图。     

AVHRR 1B定位数据经验插值模型的误差分析

确定像元地理坐标是几何纠正及卫星数据应用的基础。经验插值方法常用于计算高分辨率辐射计AVHRR1B定位数据,研究插值模型的定位误差具有重要意义。该文分析了AVHRR像元空间位置和像元大小,利用AVHRR扫描线的圆心角θ表示像元的位置,建立了像元位置θ和像元大小Δθ的表达模型;根据分段线性插值模型,计算插值后的像元位置θafter和像元大小Δθafter,获得分段线性插值模型的像元位置和大小的误差模型。     

基于DEM的中国陆地多年平均温度插值方法

以1961~2000年全国726个气象站点旬平均温度为基础数据,在分析了多年月平均温度和年平均温度的空间分布与经度、纬度、高度的内在关系后,提出了一种基于DEM和智能搜索距离的温度空间插值方法(SSI),并与反距离平方(IDS) 等传统方法进行了对比。交叉验证结果表明:1) 传统的IDS方法最优结果的MAE范围是1.44 oC~1.63 oC,平均1.510C;而SSI温度插值方法的平均绝对误差为0.53 oC~0.92 oC,平均值0.69 oC,精度超过IDS等方法一倍以上。2) 随着距离的增大,站点间温度的相关性逐渐降低,会降低估算精度;小于一定的搜索半径,被估算点周围的相邻站点的数目逐渐减少,同样会降低插值的精度,因而对中国陆地部分温度插值而言,最优的空间插值搜索半径介于150~250 km之间。最后,结合DEM数据,生成了0.1o ×0.1o中国陆地区域多年月平均和年平均温度栅格图像数据集,该结果表明:利用SSI方法不仅可以生成高精度、高空间分辨率的网格温度结果,而且其插值结果能客观细致的反映温度随经度、纬度和高度梯度变化的地带性特征。     

降雨量地面观测数据空间探索与插值方法探讨

空间插值方法广泛应用于气象数据产品的制作,其精度与气象要素的空间变异特征、气象观测站分布和插值方法选择有关。选择美国得州599个地面观测站30年平均降雨量记录,设计了27个观测站样本方案,选择全年、1月和8月数据,利用空间统计、空间自相关、半变异函数等方法探索降雨量的空间变异特征,并采用5种常规方法进行空间插值,比较和解释插值结果,在此基础上讨论基于知识的气象要素空间插值方法。案例研究发现:①降雨量地面观测数据通常具有明显的空间趋势、较强的空间自相关特征和较稳定的空间变异规律,但针对不同时段或采样方案,其空间自相关强度和半变异函数模型会有一定的差异。②增加气象观测站数,空间插值误差有减小的趋势;但观测站数目达到一定数值后,增加观测站数,插值精度提高并不明显。③在观测站较少时,不同插值方法间的精度差异较大,而在观测站充足的情况下,其差异有减小的趋势。④探讨气象要素与地理环境要素之间的关系,获得定量化的先验知识,开发基于知识的空间插值模型,是高精度气象要素插值的关键;线性加权回归和地理加权回归方法的初步试验验证了这一思路的有效性。     

基于GIS的农业气候资源区域化问题研究——以甘肃省为例

在农业气候资源研究中,站点数据的区域化问题是进行资源优化配置和高效利用的一个重要环节。通过采用逐步回归分析与空间插值相结合的方法,以甘肃省及其相邻省区的112个站点1970~2001年31年的月平均温度和降水数据以及计算得到的月平均太阳辐射和潜在蒸散量为数据源,对甘肃省气候资源进行了区域化。对每种气象要素都采用了两种空间插值方法,并对插值结果运用了绝对验证和相对验证两种方法进行了验证和对比。结果表明:温度残差的平均绝对误差(MAE)是Spline< IDW, 其值分别为:0.744℃和0.754℃,平均相对误差(RME)分别为:9.56%和9.66%。降水的平均绝对误差是Kriging温度>潜在蒸散量>降水,但都达到了较高的精度。     

秦岭—大巴山高分辨率气温和降水格点数据集的建立及其对区域气候的指示

本文建立了秦岭—大巴山高分辨率(～29 m×29 m)的气候格点数据集,包括逐月气温和降水、年均温和年降水、春夏秋冬气温和降水。空间插值方法采用国际上较为先进的ANUSPLIN软件内置的薄盘光滑样条函数,以经度、纬度和海拔为独立变量。空间插值结果与流行的WorldClim 2.0气候格点数据集具有一致性,但是比后者更精确、分辨率更高、细节更突出。本文揭示和证实:秦岭南麓是最冷月气温的0℃分界线。秦岭—大巴山气温具有明显的垂直地带性。6月气温直减率最大,为0.61℃/100 m;12月气温直减率最小,为0.38℃/100 m;年均气温直减率为0.51℃/100 m。夏季和秋季降水从西南向东北递减,强降水中心出现在大巴山西南坡。冬季降水从东南向西北递减。大巴山是年降水1000 mm分界线,夏季降水500mm分界线;秦岭是年降水800 mm分界线,夏季降水400 mm分界线。与大尺度大气环流对比揭示:秦岭—大巴山气温和降水空间分布主要受到东亚季风和地形因子的控制。本文进一步明确了秦岭和大巴山的气候意义:大巴山主要阻挡夏季风北上,影响降水空间分布;秦岭主要阻挡冬季风南下,影响冬季气温空间分布。本文建立的高分辨率气候格点数据集,加深了对区域气候的认识,并将有多方面的用途。     

Investigating long-term trends of climate change and their spatial variations caused by regional and local environments through data mining

Climate change is a global phenomenon but is modified by regional and local environmental conditions. Moreover, climate change exhibits remarkable cyclical oscillations and disturbances, which often mask and distort the long-term trends of climate change we would like to identify. Inspired by recent advancements in data mining, we experimented with empirical mode decomposition (EMD) technique to extract long-term change trends from climate data. We applied GIS elevation model to construct 3D EMD trend surface to visualize spatial variations of climate change over regions and biomes. We then computed various time-series similarity measures and plot them to examine spatial patterns across meteorological stations. We conducted a case study in Inner Mongolia based on daily records of precipitation and temperature at 45 meteorological stations from 1959 to 2010. The EMD curves effectively illustrated the long-term trends of climate change. The EMD 3D surfaces revealed regional variations of climate change, while the EMD similarity plots disclosed cross-station deviations. In brief, the change trends of temperature were significantly different from those of precipitation. Noticeable regional patterns and local disturbances of the changes in both temperature and precipitation were identified. The trends of change were modified by regional and local topographies and land covers.     

通过数据挖掘调查气候变化的长期趋势及其因区域和地方环境而产生的空间差异（英文）

Climate change is a global phenomenon but is modified by regional and local environmental conditions.Moreover,climate change exhibits remarkable cyclical oscillations and disturbances,which often mask and distort the long-term trends of climate change we would like to identify.Inspired by recent advancements in data mining,we experimented with empirical mode decomposition(EMD) technique to extract long-term change trends from climate data.We applied GIS elevation model to construct 3 D EMD trend surface to visualize spatial variations of climate change over regions and biomes.We then computed various time-series similarity measures and plot them to examine spatial patterns across meteorological stations.We conducted a case study in Inner Mongolia based on daily records of precipitation and temperature at 45 meteorological stations from 1959 to 2010.The EMD curves effectively illustrated the long-term trends of climate change.The EMD 3 D surfaces revealed regional variations of climate change,while the EMD similarity plots disclosed cross-station deviations.In brief,the change trends of temperature were significantly different from those of precipitation.Noticeable regional patterns and local disturbances of the changes in both temperature and precipitation were identified.The trends of change were modified by regional and local topographies and land covers.     

基于REOF-EEMD的西南地区气候变化区域分异特征

西南地区是全球变化区域响应的特殊地区,探究其气候变化区域分异特征具有重要的科学意义。文中选用REOF方法开展研究区气温和降水变化特征的空间分区,借助EEMD与BG分割算法等方法细致辨析了不同气候分区的气候演变特征。结果显示：① 西南地区年均温和年均降水变化均可划分为3个亚区,各自的空间界限高度相似,但降水Ⅱ、Ⅲ区的界限更偏南。② 20世纪50年代以来各气温亚区的年均温显著升高,川渝气温变化与全球变暖同步,黔西、黔中、滇北散布若干点状冷区。各降水亚区的时空差异明显,相较Ⅲ区,Ⅰ、Ⅱ区年均降水的波动性及年代际变化的差异更显著。③ ENSO事件对研究区气候变化的影响深远,不同气温、降水亚区对其的响应不尽相同。④ 不同气温亚区年均温序列突变点的收敛性较强,大致发生在1997年前后。不同降水亚区年均降水序列突变点的收敛性较弱。⑤ 各气温亚区年均温增加的持续性较强,Ⅱ、Ⅲ区尤甚。降水Ⅰ、Ⅱ区降水变化趋势不甚明显且具有一定的随机性,Ⅰ区的可能呈减速趋缓的减湿趋势,Ⅱ区的可能出现弱度减湿趋势,Ⅲ区降水趋于弱增。     

Climate spatial variability and data resolution in a semi-arid watershed, south-eastern Arizona

In the 10,000 km² San Pedro River watershed area in south-eastern Arizona, high-resolution spatial patterns of long-term precipitation and temperature were better reproduced by kriging climate data with elevation as external drift (KED) than by multiple linear regression on station location and elevation as judged by the spatial distribution of interpolation error. Mean errors were similar overall, and interpolation accuracy for both methods increased with increasing correlation between climate variables and elevation. Uncertainty in station locations had negligible effect on mean estimation error, although error for individual stations varied as much as 27%. Our future ability to examine spatial aspects of climate change at high spatial resolution will be severely limited by continuing closures of climate stations in this part of the United States.     

RCP4.5情景下淮河流域气候变化的高分辨率模拟

利用CCLM高分辨率区域气候模式RCP4.5情景预估数据与淮河流域1960-2005年日尺度气象观测资料,对比分析模式在试验期（1960-2005年）和预估期（2006-2040年）的模拟能力。结果表明：①试验期模式数据能较准确地模拟流域逐月平均温度时间变化特征,相关系数达0.99（通过95%置信度检验）;日均温空间分布特征相关系数达0.72;但在南部高海拔地区（安徽省霍山县和金寨县）精度不高;极端最高（低）气温的空间相关性达0.77（0.88）。②模式在试验期模拟的逐月平均降水量总体趋势与实测值变化一致,相关系数达0.63（通过95%置信度检验）;对干旱的模拟与观测数据存在一定误差,但整体趋势与其一致;年均降水量和极端强降水空间分布相关系数分别达0.90和0.93,模拟效果较好;整体上,模式对温度的模拟效果要好于降水模拟。③RCP4.5情景下,空间尺度上淮河流域未来温度和降水与观测期相比变幅小,时间尺度上年均降水量无显著变化,平均气温年际变化率约0.21℃/10a,极端高温持续增长,低温持续下降。     

Precipitation and Temperature Estimation Error at Alpine Treeline Ecotones Using the Mountain Climate Simulator Model (MT-CLIM)

In order to improve modeling of alpine treeline responses to climate change, estimations of snowfall at treeline sites are needed. The MT-CLIM climate model was evaluated for this purpose by extrapolating precipitation and temperature from standard weather stations at lower elevations to 30 alpine SNOTEL study sites across the western United States. Quantification of the topography between the base stations and the SNOTEL sites was used in inverse distance weighting and compared to straight-line weighting. The predicted temperature and precipitation under different weighting methods were compared to observed data over three months during the winter of 2006-2007. The errors were mapped and their spatial pattern analyzed. Error patterns indicate strong gradients, particularly in the Pacific Northwest, that are suggestive of areas where additional characteristics of atmosphere-land interactions and boundary layer climatology need to be considered in modeling applications.     

Impacts of land use and climate change on regional net primary productivity

Combined with recent historical climate data and two periods of land use data sets from remote sensing data, we test the net primary productivity (NPP) data sets in North China modelled by the satellite data-driven Global Production Efficiency Model (GLO-PEM) for detecting the widespread spatial and temporal characteristics of the impacts of climate and land use change on the regional NPP. Our results show that over the past 20 years, the mean annual temperature in the study region has remarkably increased by more than 0.064 oC, but over the same period, there has been a 1.49 mm decrease in annual precipitation and decrease in NPP by an annual rate of 6.9 TgC. The NPP changes in the study region were greatly affected by the average temperature and precipitation by ten-day periods as well as the seasonal temperature and precipitation in the study region. The correlation between seasonal NPP and seasonal precipitation and temperature is highly consistent with land cover spatially, and the correlation coefficient changes with the changes of vegetation types. The analysis reveals that the related areas in land use change only take up 5.45% of the whole studied region, so the climate changes dominate the impacts on the NPP in the whole study region (90% of the total). However, land use plays an absolute dominative role in areas with land cover changes, accounting for 97% of the total. From 1981 to 2000, the NPP in the whole study region remarkably reduced due to obvious precipitation decrease and temperature rise. Between two periods of land use (about 10 years), the changes in climate are predicted to promote a decrease in NPP by 78 (±0.6) TgC, and integrated impacts of climate changes and land use to promote a decrease in NPP by 87(±0.8) TgC.