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。     

辽宁乡镇天气预报中风和相对湿度及云量的空间插值方法

针对开展乡镇天气预报时对高精度逐日气象要素输入值的需要,以辽宁地区为例, 在乡镇预报前期研究成果的基础上,选用距离权重反比法作为基本方法,综合考虑海拔高度,建立风向、风速、相对湿度和云量历史资料库。结果表明：风速、相对湿度可由经度和纬度求算权重,然后采用海拔高度订正插值误差最小;风向和云量可由经度、纬度和海拔高度求算空间距离确定权重插值误差最小。     

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.     

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。     

GIS支持下的自动站雨量插值方法比较

介绍常用的地理信息空间分析插值方法,选择"灿都"台风降雨过程,以南宁市及其周边的212个站点分别利用距离反比法、克吕格法和梯度距离平方反比法进行插值,并利用未参与插值的30站点计算每种插值方法结果的平均绝对误差(MAE)、平均相对误差(MRE)、最大相对误差(MMRE),结果表明,梯度距离平方反比法在实验中较好.     

两类不同月平均气温空间推算方法的对比

利用全国660个常规气象站40年(1961-2000年)整编气象资料.采用逆距离权重反比法、样条函数法和普通克立格法等常用的3种插值方法,分析了直接插值法和综合余项法对气温插值的影响,提出了去除气温形成中的确定性部分后,以随机项进行插值可提高气温插值精度。并从空间上、时间上对比眲不同插值方法的误差,最后分析了气象站的空间分布密度对插值方法的敏感性。验证结果表明:除个别月份外,综合余项法的各项平均绝对误差均在1℃以内,比直接插值法减小了0.6～1.6℃,精度提高了38%～85%;且综合余项法的精度不依赖于台站密度的大小、插值方法的不同,具有较高的精确性和稳定性,这说明影响空间插值精度的关键因子并非是气象观测站点密度的提高、空问插值方法的改进。     

基于GIS的四川省区域性暴雨降水分布的空间插值方法与面积估测

暴雨是四川省主要的灾害性天气之一,每年由暴雨引发的次生灾害在全省造成严重的人员伤亡和经济损失。本研究利用四川省5006个气象站逐日降水量资料,采用距离权重反比法(IDW)和普通克里金插值法(Ordinary Kriging)法对2018年8次区域性暴雨过程降水分布进行计算,统计出不同降水等级的面积及面积比例,并对两种插值方法的的计算精度进行了评估。结果表明:(1)在8次区域性降水过程中的距离权重反比法(IDW)和普通克里金插值法(Ordinary Kriging)法的平均相对误差均低于7%,有较高的计算精度;(2)2018年区域性暴雨降水主要分布于盆地西北部、盆地南部和盆地东南部地区,川西高原与攀西地区降水量相对较小;(3)8次区域性暴雨过程中,过程累计降水量>50mm的面积在20247~158144km2,面积比率在4.17%~32.54%。分析发现,暴雨面积能更较好的反映出一场暴雨天气过程的影响范围,同时也可以作为区域暴雨的判别指标。      

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.     

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。     

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。     

基于西南地区台站降雨资料空间插值方法的比较

以西南地区1996～2000年93个气象台站观测的月均降雨量为基础,对各月降雨量进行空间自相关性,变异特征等空间分析后,采用反距离加权法(IDW)和以不同变异函数模型(指数模型、球面模型、高斯模型)为基础的普通克里金(O-Kriging)两种方法进行空间插值,通过交叉验证结果对两种方法进行分析比对。结果表明:(1)西南地区月均降雨量存在明显的空间集聚现象,并具有显著的空间自相关性和变异特征,可对该研究区域降雨量进行空间插值研究。(2)在O-Kriging插值时,变异函数选用指数模型的效果最好,球面模型次之,高斯模型最差。(3)两种方法对月均降雨量及其极大值和极小值插值时,O-Kriging的插值误差均小于IDW,插值误差整体上与降雨量呈正相关关系。在剔除各月降雨量极大值较为集中的两个站点后进行插值,插值结果的误差均明显降低。(4)对研究区域整体来说,O-Kriging的插值效果优于IDW,但就单个站点来看,结果并非如此。在降雨量的空间插值中,由于研究区域和时间尺度的不同,并不存在绝对的最优方法,应根据实际应用效果选择最适方法。     

Observed monthly precipitation trends in China 1951–2002

Summary Monthly precipitation trends of 160 stations in China from 1951–2002 have been analysed and interpolated. The Mann-Kendall trend test was applied to examine the monthly precipitation data. Significant positive and negative trends at the 90, 95, and 99 percent confidence levels were detected for numerous stations. The number, distribution, and direction of the trends varied from month to month.The detected trends were spatially interpolated by applying the Inverse Distance Weighted (IDW) interpolation method. The spatial presentation of the detected precipitation trends gives a better understanding of climatic changes or variations in China during the last 50 years. This is especially the case for highlighting the spatial structure of precipitation trends.A clustering of trends is observed in certain months, including distinct trend belts especially in east and north-east China. Nevertheless, positive as well as negative monthly trends can be noted simultaneously in different areas. The spatial interpolation of precipitation trend analysis results is a useful approach to give further understanding of the regional pattern of precipitation trends in China.     

基于GIS的黔南州近31年降水时空分布特征分析

本文利用贵州省黔南州12个国家级自动气象站1989-2019年的地面降水观测资料,采用线性回归方法、Kriging法、反距离权重法、滑动t检验等方法,分析了黔南州近31年降水的时空变化规律及突变特征,主要得出以下结论：（1）黔南州年平均降水呈东西部偏多、北部和中南部偏少的“川”字型分布,降水量有明显的增加趋势;（2）季节降水高值区围绕都匀为中心南北摆动,其中春、夏、秋三个季节降水呈增多趋势,冬季呈减少趋势;（3）月降水主要集中在4-8月,其中11-4月降水为东多西少的东西向分布,5-9月为南多北少的南北向分布,10月为北多南少的南北向分布;（4）降水突变总体表现为2000年左右由减少趋势向增多趋势突变、21世纪10年代初由增多趋势向减少趋势突变。     

日降水量空间插值方法研究

采用反距离权重法和普通克里格方法对26°~34°N, 103°~115°E范围内2004年逐日降水量进行空间插值试验分析, 分辨率为1 km×1 km。采用交叉检验方法和准确率方法对两种方法插值的总体效果及不同等级的降水插值效果进行综合对比。结果表明:两种方法插值效果近似, 插值结果与实测值相关系数分别为0.83和0.82。但对日雨量较大的情况, 两种方法插值效果均有所降低, 相关系数为0.66和0.67。两种方法的实测值与插值结果的相关系数在不同季节非常接近, 并且均以春季最大, 其次为冬、秋季, 夏季相关系数最小; 通过采用平均误差、平均绝对误差和均方根3个指标衡量及不同等级雨量的插值准确率统计比较, 普通克里格方法插值效果略好于反距离权重法。     

基于GIS的沙澧河流域面雨量算法对比分析

为了获取更客观有效的沙澧河流域面雨量计算方法,提高暴雨强度和落区监测与预报的准确率,利用ArcGIS9.3中的空间分析功能,以沙澧河流域1∶25万地理信息数据、16个气象站和217个加密自动雨量观测站的实况雨量资料为背景数据库,选取反距离加权算法、克里金算法、样条函数算法、泰森多边形算法,对沙澧河流域6个分片区的面雨量进行计算,并对计算结果进行了对比分析。结果表明,面雨量计算精度与雨量观测站密度与分布、降雨强度有关。其中,克里金算法计算的流域面雨量精度较高,更适合于整个沙澧河流域面雨量的计算;其次是泰森多边形算法和反距离加权算法,样条函数法算法应用效果较差。当雨量站点分布密集且比较均匀、降水空间分布均匀时,4种算法均适用于面雨量的计算,其中以克里金算法计算的面雨量使用效果最好;当雨量站点分布密集且比较均匀,降雨强度大,降水空间分布不均匀时,反距离加权算法、克里金算法、泰森多边形算法均适用于流域面雨量的计算,其中以泰森多边形算法计算的面雨量效果最好,样条函数法算法不适用此情况下面雨量的计算。当雨量站点分布密集且比较均匀、降水空间分布均匀时,计算的面雨量较站点或降水空间分布不均匀时计算的面雨量更接近实际情况。     

Evaluation of methods of spatial interpolation for monthly rainfall data over the state of Rio de Janeiro,Brazil

Five deterministic methods of spatial interpolation of monthly rainfall were compared over the state of Rio de Janeiro, southeast Brazil. The methods were the inverse distance weight (IDW), nearest neighbor (NRN), triangulation with linear interpolation (TLI), natural neighbor (NN), and spline tension (SPT). A set of 110 weather stations was used to test the methods. The selection of stations had two criteria: time series longer than 20 years and period of data from 1960 to 2009. The methods were evaluated using cross-validation, linear regression between values observed and interpolated, root mean square error (RMSE), coefficient of determination (r ²), coefficient of variation (CV, %), and the Willmott index of agreement (d). The results from different methods are influenced by the meteorological systems and their seasonality, as well as by the interaction with the topography. The methods presented higher precision (r ²) and accuracy (d, RMSE) during the summer and transition to autumn, in comparison with the winter or spring months. The SPT had the highest precision and accuracy in relation to other methods, in addition to having a good representation of the spatial patterns expected for rainfall over the complex terrain of the state and its high spatial variability.     

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%。