基于站点观测数据的气温空间化方法评述

基于统计学的插值方法是地理学、生态学领域研究气温空间化的主要方法之一,对获取精细化气温数据进行生态模拟具有重要意义。结合国内外气温空间插值的主要研究成果,对常用气温空间化方法进行了归纳、对比,探讨各种方法的适用性和不足之处,从而为涉及气温空间化的具体研究提供一定的参考,并探讨了各类方法优化的方向。不同方法的对比分析结果表明:各种气温空间化方法各有所长,在具体的应用中都取得过较好的效果,但并不存在普适性的方法,在实际应用时必须针对研究区域具体的地理特征进行方法适用性验证或对各类方法中的具体参数进行改进,才能实现区域气温的空间最优化模拟。根据气温场的物理分布特征,结合GIS技术,考虑地形等更多的相关因子以提高气温分布微观细节的模拟精度是未来重要的发展趋势。     

基于MODIS数据的青藏高原气温与增温效应估算

利用2001-2007 年MODIS地表温度数据、137 个气象观测台站数据和ASTERGDEM数据, 采用普通线性回归分析方法(OLS)及地理加权回归分析方法(GWR), 研究了高原月均地表温度与气温的相关关系, 最终选择精度较高的GWR分析方法, 建立了高原气温与地表温度、海拔高度的回归模型。各月气温GWR回归模型的决定系数(Adjusted R²) 都达到了0.91 以上(0.91~0.95), 标准误差(RMSE) 介于1.16~1.58℃;约70%以上的台站各月残差介于-1.5~1.5℃之间, 80%以上的台站的残差介于-2~2℃之间。根据该模型, 估算了青藏高原气温, 并在此基础上, 将高原及周边地区7 月份月均气温转换到4500 m和5000 m海拔高度上, 对比分析高原内部相对于外围地区的增温效应。研究结果表明:(1) 利用GWR方法, 结合地面台站的观测数据和MODIS Ts、DEM等, 对高原气温估算的精度高于以往普通回归分析模型估算的精度(RMSE=2~3℃), 精度可以提高到1.58℃;(2) 高原夏半年海拔5000 m左右的高山区气温能达到0℃以上, 尤其是7 月份, 海拔4000~5500 m的高山区的气温仍能达到10℃左右, 为山地森林的发育提供了温度条件, 使高原成为北半球林线分布最高的地方;(3) 高原的增温效应非常突出, 初步估算, 在相同的海拔高度上高原内部气温要比外围地区高6~10℃。     

基于MODIS的秦巴山地气温估算与山体效应分析

秦巴山地作为横亘在中国南北过渡带的巨大山脉,其山体效应对中国中部植被和气候的非地带性分布产生了重要的影响,山体内外同海拔的温差是表征山体效应大小较为理想的指标。本研究结合MODIS地表温度（LST）数据、STRM-1 DEM数据和秦巴山地的118个气象站点的观测数据,分别采用普通线性回归（OLS）和地理加权回归（GWR）两种分析方法对秦巴山地的气温进行估算,在此基础上将秦巴山地各月气温转换为同海拔（1500 m,秦巴山地平均海拔）气温,对比分析秦巴山地的山体效应。结果表明：① 相比OLS分析,GWR分析方法的精度更高,各月回归模型的R ²均在0.89以上,均方根误差（RMSE）在0.68~0.98 ℃之间。② 利用GWR估算得到的同海拔气温,从东向西随海拔升高呈现了明显的升高的趋势,秦岭西部山地比东段升高约6 ℃和4.5 ℃;大巴山西部山地年均和7月份同海拔的气温较东段升高约8 ℃和5 ℃。③ 从南向北,以汉江为分界,秦岭与大巴山的同海拔的气温均呈现出由山体边缘向内部升高的趋势。④ 秦巴山地西部大起伏高山,秦岭大起伏高中山和大巴山大起伏中山,相比豫西汉中中山谷地,各月均同海拔气温分别升高了约3.85~9.28 ℃、1.49~3.34 ℃和0.43~3.05 ℃,平均温差约为3.50 ℃,说明秦巴山地大起伏中高山的山体效应十分明显。     

顾及风向和风速的气温空间插值方法

当前气温插值方法多将高程、经纬度等作为影响因素,无法解决风向、风速对气温空间分布的影响问题。该文提出一种顾及风向和风速的气温空间插值方法:1)根据气象观测站点的风向、风速数据进行插值,生成连续的风场表面;2)基于该风场数据利用高斯扩散模型构建成本表面;3)利用Dijkstra最短路径算法计算观测点与待求点的累计移动成本最短路径(SPOCMC);4)将SPOCMC作为协变量进行薄盘光滑样条插值以实现气温插值。为验证该方法的有效性和可靠性,选取山东省109个气象观测点样本数据,以SPOCMC、DEM和SPOCMC-DEM分别作为协变量对气温数据进行薄盘光滑样条插值,结果显示:SPOCMC-DEM法的MAE和RMSE均值(分别为0.517、0.779)略低于SPOCMC法(0.583、1.016),显著低于DEM法(0.809、1.231),表明添加SPOCMC作为协变量可有效提高气温空间插值的准确性。在江苏省与贵州省的插值实验结果证明了该方法的普适性。     

MODIS资料用于塔克拉玛干沙漠地表温度计算方法初探

用热红外通道的遥感数据计算陆地表面温度是MODIS资料的重要应用之一。陆地表面温度(LST)是表征地球表面能量平衡和气候变化的很好指标,也是研究区域或全球陆地物理过程的关键参数。特别是对于面积广大、人烟罕至的沙漠地区,用遥感资料反演其地表温度更显得非常必要。作者主要介绍MODIS资料用于塔克拉玛干沙漠地表温度的计算方法。     

基于MODIS数据的陕西省地表温度的空间分布研究

由热红外波段获得的影像是地物发射的热辐射量的直接记录,可用于地面温度和热量空间分布的动态监测。本文利用MODIS数据可见光波段b1、近红外波段b2和中红外波段b19,获得所需要的两个基本参数：地表比辐射率与大气透过率;然后对于热红外波段b31、b32,运用劈窗算法反演出陕西省地表温度：并与陆面实际状况进行了对照分析。结果表明,这一方法能获得较合理的地表温度,符合陕西省实际地表状况;另外也为应用MODIS热红外波段数据进行大范围实时监测地表温度提供了新的途径。     

基于MODIS数据的青海湖流域地表温度反演研究

地表温度是检测地球环境变化的重要指标,将地表温度与气象观测资料相结合可以更准确地检测地表履被、土壤湿度及水分含量变化。利用MODIS数据对青海湖流域地表温度进行反演,将反演结果与实测0 cm地面温度对比分析,显示反演的地表温度值与实测0 cm地面温度值平均差-1.05℃,在当前遥感反演地表温度的误差之内。结果表明地表温度和气象观测资料相结合,可以用于监测地表温度的变化,进而建立偏远地区气候资源数据库。     

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。     

不同时间尺度、季节的气温数据空间平稳特征及其对插值结果的影响

不同时间尺度、季节的气温数据表现出不同的空间平稳特征。为探讨分析空间平稳性对气温插值的影响规律,采用趋势线法对气温数据进行空间平稳性探索,并对比分析不同空间平稳性条件下,普通线性回归、普通克里格、回归克里格的气温插值精度及插值结果的空间分布特点。结果显示：冬季日均、月均气温与年均气温呈现空间非平稳,插值精度随时间序列的增长而提高,随着气温数据逐渐趋于稳定,精度提高的幅度逐渐下降;夏季日均、月均气温呈现空间平稳,随时间序列的增长,插值精度的提高并不显著;夏季日均气温各插值方法的插值精度普遍高于冬季日均气温。与普通克里格相比,回归克里格能有效提高空间非平稳数据的插值精度。时间序列的增长削弱了不同插值算法之间的插值精度差异和插值结果空间分布差异。     

基于GIS的新疆气温数据栅格化方法研究

以新疆99个气象台站1971-2010年年平均气温为数据源,采用多元回归结合空间插值的方法对新疆区域气温数据进行栅格化研究。建立了年平均气温与台站经纬度和海拔高度的多元回归模型,对于残差数据的插值采用了反距离权重法(IDW) 、普通克立格法 (Kriging)和样条函数法(Spline)3种目前应用广泛的空间插值方法,针对于这3种方法进行了基于MAE和RMSIE的交叉验证和对比分析,结果表明在新疆的年平均气温的GIS插值方案中,IDW方法精度总体要高于其他两种插值方法。     

基于DEM的地理要素PRISM空间内插研究

利用PRISM模型基于DEM、站点数据和其它空间数据图层内插了气象要素,以便准确表达其空间分布特征。为了比较PRISM空间内插结果,采用GIS常用的Kriging内插、Spline内插等方法分别对降水和气温站点数据进行空间插补,并对内插结果进行精度分析、DEM空间分辨率的影响分析和各个权重因子的影响分析。分析表明,PRISM方法比其它内插方法能够更加精确地表达气象要素的空间分布,更适合于在地形复杂地区地表参数的空间内插。由于气象要素空间分布的复杂性,PRISM内插方法不能完全表达地表参数空间异质性。以后研究中,应在更小的站点影响单元内考虑更多因子利用PRISM方法进行气象要素的空间内插。     

空间软数据及其插值方法研究进展

由于对地观测技术的迅速发展,空间数据的种类和数量增长迅猛,由空间数据反演得到的各种信息日趋膨胀,这些反演结果中的信息不少以软数据的形式出现。在实际应用中,这些软数据往往与空间插值的目标变量具有一定的相关性,甚至成为控制目标变量空间分布特征的重要因素。然而,由于这些数据通常表示为非数值形式,在计算和处理上存在着一定困难,以致被传统的插值方法所忽视,从而造成信息浪费。近来出现的空间软插值方法是一种利用空间软数据作为辅助信息并以改善插值效果的方法,能够较好的处理并利用软数据所隐含的信息,具有较好的应用发展前景。本文根据空间软数据的特点及其分类,系统综述了空间软插值方法及其应用领域。首先分析了空间数据软硬性质的根本区别,论述了软数据的分类和“硬化”方法,然后介绍空间插值模型中对空间软数据的集成方法和原理,最后对空间软插值方法及其应用研究领域进行了展望。     

降雨信息空间插值的不确定性分析

文章以潮白河流域为样区,根据58个雨量站1990年的降雨观测数据,采用反距离权重法、克立格法、样条函数法、趋势面法等插值方法,分析了站点数量变化、时间尺度变化、栅格像元的尺度变化、插值方法的差异对降雨数据空间插值结果的影响,剖析降雨插值中的不确定性。结果表明：（1）插值站点数量越大,区域降雨插值的不确定性越小;（2）像元尺度在50m~1000m间变化对降雨插值的不确定性只有微弱的影响;（3）对应于时间尺度由年到月到日的变化,降雨插值的不确定性随时间尺度的减小而显著增大;（4）不同插值方法影响到降雨空间插值的不确定性水平。为了减少降雨信息空间插值的不确定性,根本途径是要引入第三方相关变量,并将其整合到现有的插值算法中。高相关性变量的选取及其与插值模型的整合方式将成为降雨插值研究的主导方向。     

利用空间插值法估算云覆盖像元地表温度的可行性研究

云覆盖是热红外遥感应用和地表温度遥感定量反演的重要障碍。实验选取河北衡水地区Landsat TM影像,借助GIS的空间分析功能,探索运用反距离加权(IDW)和普通克里金插值(OK)方法近似估算3种典型地表类型(水面、城镇、农田)下的云覆盖像元地表温度的可行性。实验结果显示:当云覆盖区域达15 000个像元(约等于13.5km2)时,两种空间插值方法对城镇的云覆盖像元地表温度估算误差都为1.6°C左右,而农田和水面的估算误差在1°C左右(且水面估算误差小于农田),这与3种典型地表类型的地表温度空间异质性密切相关。因此,当Landsat TM图像中有少块云覆盖而发生地表温度值缺失时,利用空间插值法估算云覆盖像元的地表温度是切实可行的。     

梅江河流域年均降雨量空间插值方法研究

分析了降雨空间分布的影响要素及降雨空间插值的主要方法,并在此基础上,利用地理信息系统(GIS)的空间分析功能,综合考虑高程、坡度、坡向等影响降雨空间分布的多种要素,应用协克里金方法,探讨流域降雨量的空间插值问题及其应用,并与反距离权重法、克里金方法等单要素方法进行了降雨空间插值的效果比较.结果表明:应用协克里金方法,在综合考虑高程、坡度、坡向等影响要素的条件下,对降雨进行空间插值,其结果具有比较好的精度.     

梅江河流域年均降雨量空间插值方法研究

分析了降雨空间分布的影响要素及降雨空间插值的主要方法,并在此基础上,利用地理信息系统(GIS)的空间分析功能,综合考虑高程、坡度、坡向等影响降雨空间分布的多种要素,应用协克里金方法,探讨流域降雨量的空间插值问题及其应用,并与反距离权重法、克里金方法等单要素方法进行了降雨空间插值的效果比较.结果表明:应用协克里金方法,在综合考虑高程、坡度、坡向等影响要素的条件下,对降雨进行空间插值,其结果具有比较好的精度.     

中国城市扩展对气温观测的影响及其高估程度

由于中国城市扩展导致部分气象站点被动进入城市内部,从而造成对区域气温的高估.本文利用遥感多期影像对中国700多个气象站点各历史时期的下垫面进行判别,得到"进城"站点及其进城时间.通过比较"进城"站点的观测数据和背景气温,计算出70年代以来"进城"气象站点上的平均热岛效应强度,并对热岛效应强度的季节性筹异进行了分析,得出70年代以来秋冬季节的热岛强度高于春季和夏季的结沦.通过比较真实气温和背景气温的空间数据,识别出了气温高估区域,得出中国东部地区的气温高估略高于中部地区,东部地区和中部地区的气温高估均远高于西部地区的结论.通过计算真实气温和背景气温序列的年平均气温变化趋势,得出近40年来全国的增温值约为1.58℃,其中凶城市扩展带来的增温贡献约为0.01℃,在气温高估的核心区域的贡献约为0.09℃.