基于DEM的气温空间插值方法比较

基于2007—2016年新疆105个气象观测站月平均气温数据,利用GIS技术提取数字高程模型(DEM)中的经度、纬度、坡度、坡向和高程,分析气温与各地形要素之间的关系,选取普通克里金、协同克里金、多元线性回归3种空间插值方法,分别对天山以北和天山以南的气温进行插值,并通过误差分析和相关性分析对插值精度进行对比检验。结果表明:无论是天山以北还是天山以南区域,普通克里金方法更适用于夏季,协同克里金方法则更适用于冬季,多元线性回归法的整体插值精度最低。因天山南北气候差异因素,普通克里金法和协同克里金法在天山以北的插值精度优于天山以南。同时受季节特征影响,天山以北4—9月普通克里金法最优,10月至次年3月协同克里金法最优;天山以南3—9月普通克里金法最优,10月至次年2月协同克里金法最优。     

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。     

气象卫星遥感地表温度推算近地表气温方法研究

气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数.多年来气温数据以离散的常规气象站点观测为主,连续分布的格点气温数据则以站点资料插值而得到,分辨率低,无法反映地形等下垫面因素对局地气温的影响,在农业气候区划等研究中具有一定的局限性.随着卫星遥感地表温度算法的日趋成熟,为探讨卫星遥感地表温度数据在气温观测中的可能性和可行性,利用全中国2340个站点1998 2007年的逐旬平均最高气温数据,以及相应时段的NOAA/AVHRR旬最高地表温度数据,以线性回归及拟合模型为主,通过考虑植被指数、土地覆盖类型、季节、风速、气压、降水等各类影响因子,建立了旬最高地表温度与旬平均最高气温间的推算模型,并利用未参与建模的2002-2003年的常规气象站点气温数据,同时与推算气温和插值气温结果进行对比分析.结果表明,利用卫星遥感地表温度数据推算的旬值气温数据可取得较高的精度,尤其在地形复杂地区以及站点稀疏地区精度明显高于插值气温结果.     

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.     

粤北山区降水量空间插值方法对比分析

利用韶关市2015—2020年区域自动气象站降水数据，选用泰森多边形法、反距离权重法、普通克里金法、协同克里金法、样条函数法、薄盘光滑样条函数法6种插值方法对降水插值效果进行对比分析，结果表明：各种插值算法一致反映出韶关地区2015—2020年平均降水空间分布整体呈现中南部多、北部少，降水大值区位于韶关南部与清远交界一带，且极值区域落在曲江南部喇叭口地形处；对于粤北山区降水插值，在前汛期、后汛期和年尺度上考虑高程和经纬度的协同克里金法的均方根误差(RMSE)最小，且能很好的反映局部地形降水特征；在月尺度上，泰森多边形法的RMSE最小。     

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...     

青海省逐日地面气温数据不同插值方法的对比

为了探索适合地形复杂区青海省的逐日地区气温数据空间插值方法,利用2008年7月青海省48个地面气象观测站获取的逐日气温数据进行插值试验,首先通过对逐日气温值与对应的测站高程进行回归分析,将回归分析得到的气温垂直递减率与数字高程模型（Digital Elevation Model,DEM）该站的高度相乘,并与回归直线截距...     

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)。     

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。     

安徽省电线积冰标准冰厚的气象估算模型

基于逐步多元线性回归和人工神经网络两种方法,利用安徽省有电线积冰观测的15个气象台站建站至2008年的观测资料,建立了安徽省3个不同区域电线积冰标准冰厚的气象估算模型。结果表明:相比人工神经网络模型,逐步多元线性回归模型预测效果较好;在覆冰机理认识上,印证了影响标准冰厚主要是气温、湿度和风速3个因子的配置,其中气温是影响覆冰的最重要因子;平原和丘陵地区的标准冰厚受当日气象条件影响更多,而高山地区与前几日及当日的气象条件均密切相关,且26个气象因子 (1987—2008年资料) 构建的模型的预测效果好于24个气象因子长序列 (建站—2008年资料) 效果。最后利用最优模型推算各区域非观冰站电线积冰标准冰厚,为冰冻灾害的评估以及风险区划的开展提供了基础。     

黑龙江省气候生产力时空分布及粮食产量预测

为充分利用气候资源推动农业可持续发展,研究复杂地形条件下气候生产力的分布变化.利用黑龙江省25个站点1961-2017年逐年气温和降水量资料,基于Thornthwaite Memorial模型研究了气候变化对气候生产力的影响;采用线性回归法、克里金空间插值和相关统计方法研究气候生产力时空分布特征;利用灰色系统方法预估了...     

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。     

冬小麦农田不同高度极端气温预测[ ]

利用2019年1月—2022年6月冬小麦农田小气候自动观测站观测的数据和齐河县国家基本气象观测站同期观测资料,采用多元线性回归和BP神经网络方法,建立冬小麦农田30 cm、60 cm、150 cm日最高和日最低气温预测模型。结果表明:两种模型对农田气温的预测效果均较好,阴天条件下150 cm最高气温预测效果最好;晴天条件下30 cm最高气温预测效果最差。两模型模拟结果分层次看,农田气温的模拟精度150 cm>60 cm>30 cm;分天气类型看,多元回归模型农田各层气温的模拟精度阴天>多云>晴天,BP神经网络模型农田30 cm、60 cm最高气温的模拟精度多云>阴天>晴天,农田30 cm最低气温的模拟精度多云与阴天相同,均大于晴天,农田60 cm最低气温的模拟精度晴天>多云>阴天,农田150 cm最高及最低气温的模拟精度晴天与多云相同,均大于阴天;分要素看,30 cm最低气温的模拟精度高于最高气温、60 cm和150 cm最高气温的模拟精度高于最低气温。通过比较,BP神经网络模型的预测精度比多元线性回归模型的预测精度高。两种模型均能满足冬小麦农田气温的预测需求。     

基于MODIS数据的近地表气温估算

气温是各种植物生理、水文、环境等模型中一个非常重要的近地表气象参数,多年来气温数据均以气象站点资料插值得到。近年来,卫星遥感数据被用于气温估算,且精度不断提高。为研究基于MODIS数据的近地表气温估算方法,以浙江省为研究区域,利用33个站点2011年逐日每10 min一次的自动气象站气温观测数据和MODIS地表温度产品及参数因子,建立了MODIS地表温度和地面观测的气温的线性关系,同时通过考虑归一化植被指数、水汽压、地表反照率、高程4个影响因子,得出了卫星过境时刻MODIS地表温度和气温的多因子估算模型;利用Zaksek等提出的基于能量平衡的遥感模型进行了气温估算,并采用多元回归分析法对该模型重新进行了拟合,得到近地表气温。结果表明:三种方法的决定系数R2分别为0.87、0.94、0.90,均方根误差RMSE分别为3.35℃、2.31℃、2.78℃,多因子估算模型得到的结果最好。同时对其分白天和夜间进行检验,二者的RMSE分别为2.27℃、1.93℃,夜间精度比白天高。对于季节的变化,秋季估算结果最好,春季次之,冬季稍差,夏季最差。     

基于ECMWF产品的站点气温预报集成学习误差订正

提出一种基于数值模式预报产品的气温预报集成学习误差订正方法,通过人工神经网络、长短期记忆网络和线性回归模型组合出新的集成学习模型（ALS模型）,采用2013—2017年的欧洲中期天气预报中心数值天气预报模式2 m气温预报产品和中国部分气象站点数据,利用气象站点气温、风速、气压、相对湿度4个观测要素,挖掘观测数据的时序特征并结合模式2 m气温预报结果训练机器学习模型,对2018年模式2 m气温6~168 h格点预报产品插值到站点后的预报结果进行偏差订正。结果表明:ALS模型可将站点气温预报整体均方根误差由3.11℃降至2.50℃,降幅达0.61℃（19.6%）,而传统的线性回归模型降幅为0.23℃（8.4%）。ALS模型对站点气温预报误差较大的区域和气温峰值预报的订正效果尤为显著,因此,集成学习方法在数值模式预报结果订正中具有较大的应用潜力。     

高分辨地形对华南区域GRAPES模式地面要素预报影响的研究

华南区域GRAPES模式动力框架的更新使得高分辨地形数据能够进入模式。引入SRTM数据实现静态数据更新,结合模式内置数据,进行了批量模拟试验;通过站点检验方式,对批量试验结果进行对比,得出以下结论:对比业务使用的Topo10 m地形、Topo30 s地形、SRTM地形和基于SRTM多种插值方案得到的地形,海拔偏差的空间分布和分位数统计都有明显的改善,复杂地形区域的改善效果更显著。通过地面要素平均绝对误差(MAE)箱须图统计和模式西部站点绝对误差(AE)时间序列图对比分析,发现高分辨地形试验的2 m气温和10 m风速MAE和AE有大幅度的改善。高分辨地形对模式静态数据的改善是2 m气温和10 m风速MAE下降的主要原因,地形复杂区域对MAE改善的贡献高于模式其他区域。高分辨地形进入模式后会引起动力过程计算的虚假扰动,适当的滤波平滑能够抑制扰动,从而进一步提高预报精度。      

两种统计降尺度方法在秦岭山地的适用性

基于ASD（automated statistical downscaling）统计降尺度模型提供的多元线性回归和岭回归两种统计降尺度方法,采用RCP4.5（representative concentration pathways 4.5）和RCP8.5情景下全球气候模式MPI-ESM-LR输出的预报因子数据、NCEP/NCAR再分析数据和秦岭山地周边10个气象站观测数据,评估两种统计降尺度方法在秦岭山地的适用性及预估秦岭山地未来3个时期（2006-2040年、2041-2070年和2071-2100年）的平均气温和降水。结果表明:率定期和验证期内,两种统计降尺度方法均可以较好地模拟研究区域的平均气温和降水的变化特征,且多元线性回归的模拟效果优于岭回归。在未来气候情景下,两种统计降尺度方法预估的研究区域平均气温均呈明显上升趋势,气温增幅随辐射强迫增加而增大。降水方面,21世纪未来3个时期降水均呈不明显减少趋势,但季节分配发生变化。综合考虑两种统计降尺度方法在秦岭山地对平均气温和降水的模拟效果和情景预估结果,认为多元线性回归降尺度方法更适用于秦岭山地气候变化的降尺度预估研究。     

GPS大气可降水量空间插值方法对比研究

对比分析不同空间插值模型对GPS大气可降水量的插值精度,并对插值误差影响因素进行研究.利用反距离权重法、全局多项式法、局部多项式法、径向基函数法、普通克里金法5种常用空间插值方法对SuomiNet 网GPS PWV数据进行插值,应用交叉验证法对比分析各方法的精度,得出5种插值模型均达到一定的插值精度.其中,普通克里金法和径向基函数法插值精度最高,全局多项式法和反距离权重法精度最低,而局部多项式法插值精度中等.对插值误差影响因素的分析表明,GPS站点密度越高、水汽值越低、水汽值变化程度越小,空间插值精度越高.研究成果可为大气水汽含量空间分布特征和规律研究,以及空间插值方法选取提供借鉴.     

都江堰特大暴雨过程中GIS的多种面雨量计算方法对比

本文采用GIS栅格插值的常用方法,反距离权重法(IDW),样条函数法(Spline),克里金法(Kriging),协同克里金法(Co-Kriging),泰森多边形法(Thissen)对2013年7月8～11日都江堰特大暴雨过程进行面雨量计算的对比分析,并用FLood Area模型对此次过程中白沙河流域的暴雨洪涝过程进行模拟,结果显示:5种面雨量计算方法的结果受雨量站密集程度和降水空间分布特征的制约,特别是样条函数法和泰森多边形法,对雨量站分布影响较为敏感;小时面雨量计算中站点分布对样条函数法影响更大;协同克里金法计算面雨量可使FLood Area模拟结果更优,更接近于真实值;在复杂地形条件下面雨量计算中,考虑地形的相关影响可有效提高降水插值精度,使Flood Area模型的模拟结果误差更小。