短时间序列气温要素空间插值方法精度的比较研究

利用中国气象局国家气象中心的全国1956年和1998年1月和7月平均气温数据,对综合法与ANUSPLIN软件插值精度进行了比较。结果表明:在具有30 a的月平均气温栅格数据库作为背景的前提下,采用综合法对短时间序列平均气温数据进行空间化处理,其方法简单、方便,误差相对较小,是一种较适合的方法。     

基于GIS的新疆多年平均降水量空间插值精度比较研究

以新疆具有完整资料的90个气象站点中的75个站点的基本地理信息和1995—2008年平均降水数据资料为基础,以ArcGIS为数据处理平台,分别采用反距离加权法、径向基函数法、克里格法、协克里金方法对全疆降水空间分布进行插值,并通过没有参与插值的15个气象站点的实际降水量与插值结果进行相对误差分析,研究结果表明:在年降水量插值的4种算法中,普通克里格法(Kriging)的计算精度最高。利用最优的插值方法的栅格降水空间数据库,建立的多年降水资源信息系统,可快速计算研究区内任一地域单元中降水的总量及其空间变化,对降水资源模拟、工程规划、发展战略及决策管理,均具有重要的意义。     

山地降水的空间分布特征研究综述

降水是影响自然环境基础的因子，是影响气候变化的重要指标，关于降水尤其是山地降水的空间特征研究对防灾减灾和开发利用水资源具有重要意义，本文对山地降水中地形的影响、降水空间分布研究方法以及国内外研究动态进行了综述，认为：对山地降水空间特征的研究必须结合数据本身的特点和空间特性选择合适的插值方法，必须把随机插值方法和确定性方法结合起来，要想进一步减小误差，需要更多的降水数据和更为精准的地图数据。     

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...     

青藏高原气温分布的空间插值方法比较

使用反距离平方、趋势面、Kriging插值、Cokriging插值和综合方法对青藏高原1961-1990年30年平均1月气温进行空间插值比较研究，其中后两种方法能够把影响青藏高原气温分布的关键因素——高程置于插值算法之中。反距离平方和趋势面插值的结果都与实际情况相差较远；普通Kriging插值能够反映出青藏高原气温分布的一定的空间结构，但结果依然不好；由于考虑了高度变量，Cokriging插值表现出一定程度的性能改进，但因为台站海拔高度偏低，插值结果依然不理想。前4种方法效果不好的原因主要是因为青藏高原上气象台站稀少且高原西北地区无气象台站。综合方法把气温分解为结构化分量和随机分量，使用直减率把气温订正到同一海拔高度后，再对它们做Kriging插值分析，其结果较为正确地反映了青藏高原气温空间分布的特征，误差远小于其它方法。研究结果表明：样本本身的空间分布是影响插值精度的重要因素，合理的采样设计是必要的前提；对于台站稀少的地区，必须把随机插值方法和确定性方法结合起来估计气候变量的空间分布。同时给出了青藏高原1月的气温空间分布状况。     

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。     

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。     

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。     

基于地统计方法的气候要素空间插值研究

在回顾了地统计学的产生、发展及其基本原理的基础上,对于目前众多可以提供计算网格的气候要素的空间插值方法中,具体探讨了普通克里格法和协同克里格法。将甘肃省1961—1990年30年平均降水量和蒸发量作为区域化变量,根据不同的半变异函数理论模型,采用普通克里格法和双变量协同克里格法,通过对比分析得到：（1）不论是多年均降水量还是多年平均蒸发量在空间上都呈现明显的梯度变化,二者的空间变程都很大,而降水量变化幅度更大。降水量从东南部向西北部逐渐减少,蒸发量则相反,从东南向西北逐渐增加。（2）基于地统计的插值方法,根据半变异函数云图和试验方差最小的原理,选择合适的半变异函数理论模型进行变量的空间插值,能够较好地模拟区域化变量的空间连续分布格局,并取得较好的效果。对比普通克里格法和协同克里格法,后者增加了高度对降水量和蒸发量的影响,在空间分布上更为合理,插值的精度也要明显好于普通克里格法。（3）采用地统计方法虽然在总体上能够较好地反映气候要素的空间分布格局,但检验显示,两种方法空间插值的精度都还不是很高,插值的精度还有待进一步提高。     

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%。     

Distribution of lightning spatial modes and climatic causes in China

This paper investigates the distribution of spatial modes of cloud-to-ground (CG) lightning activity across China's land areas during the period 2010–20 and their possible causes based on the CG lightning dataset of the China National Lightning Detection Network. It is found that the first empirical orthogonal function mode (EOF1) occupies 32.86% of the total variance of the summer CG lightning anomaly variation. Also, it exhibits a negative–positive–negative meridional seesaw pattern from north to south. When the SST of the East Pacific and Indian Ocean warms abnormally and the SST of the Northwest Pacific becomes abnormally cold, a cyclonic circulation is stimulated in the Yellow Sea, East China Sea, and tropical West Pacific region of China. As the water vapor continues to move southwards, it converges with the water vapor deriving from the Bay of Bengal in South China, and ascending motion strengthens here, thus enhancing the CG lightning activity of this area. Affected by the abnormal high pressure, the corresponding CG lightning activities in North China and Northeast China are relatively weak. The ENSO phenomenon is the climate driver for the CG lightning activity occurring in land areas of China.摘要本文利用中国气象局国家雷电监测网 (CNLDN) 的地闪观测数据集, 分析了2010–2020年中国陆地区域地闪空间模态分布特征及其可能的气候成因. 研究发现, 夏季地闪第一模态的方差贡献率为32.86%, 其分布从北到南呈现出“−+−”的经向跷跷板模式. 当东太平洋和印度洋的海温异常增暖, 西北太平洋的海温异常变冷时, 在中国黄海, 东海及热带西太平洋地区激发出气旋性环流. 随着水汽南下至华南地区, 与来自孟加拉湾的水汽汇合, 上升运动在此加强, 从而使得该地区的雷电活动增强. 表明厄尔尼诺-南方涛动 (ENSO) 现象, 是发生在中国陆地区域的地闪活动的气候驱动因子.     

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.     

DEM-based delineation for improving geostatistical interpolation of rainfall in mountainous region of Central Himalayas,India

In mountainous region with heterogeneous topography, the geostatistical modeling of the rainfall using global data set may not confirm to the intrinsic hypothesis of stationarity. This study was focused on improving the precision of the interpolated rainfall maps by spatial stratification in complex terrain. Predictions of the normal annual rainfall data were carried out by ordinary kriging, universal kriging, and co-kriging, using 80-point observations in the Indian Himalayas extending over an area of 53,484 km². A two-step spatial clustering approach is proposed. In the first step, the study area was delineated into two regions namely lowland and upland based on the elevation derived from the digital elevation model. The delineation was based on the natural break classification method. In the next step, the rainfall data was clustered into two groups based on its spatial location in lowland or upland. The terrain ruggedness index (TRI) was incorporated as a co-variable in co-kriging interpolation algorithm. The precision of the kriged and co-kriged maps was assessed by two accuracy measures, root mean square error and Chatfield’s percent better. It was observed that the stratification of rainfall data resulted in 5–20 % of increase in the performance efficiency of interpolation methods. Co-kriging outperformed the kriging models at annual and seasonal scale. The result illustrates that the stratification of the study area improves the stationarity characteristic of the point data, thus enhancing the precision of the interpolated rainfall maps derived using geostatistical methods.     

Notes on the temporal and spatial scales of climatic changes

Summary An investigation of the relationship between climatic change at various temporal and spatial scales was conducted making use of correlation and coherence analyses applied to observed monthly and annual global mean temperature data. Results indicate that the spatial scale does not change in spite of an increase in the temporal scale. Furthermore, a certain pattern, suggesting a teleconnection, was often observed in the scatter diagrams of correlations and coherence squared related to distance. We speculate that this is due to the constancy of the general circulation of the atmosphere for temporal scales.With 5 Figures