氣象空間插值技術(shù)的研究進(jìn)展知識(shí)分享

氣象空間插值技術(shù)的研究進(jìn)展引言隨著現(xiàn)代社會(huì)需求與農(nóng)業(yè)生態(tài)學(xué)、氣候?qū)W等學(xué)科的發(fā)展，也迫切需要高時(shí)空分辨、空間柵格化的氣象要素?cái)?shù)據(jù)。利用已知?dú)庀笳军c(diǎn)的觀測(cè)數(shù)據(jù)對(duì)未知點(diǎn)進(jìn)行插值預(yù)測(cè)是20世紀(jì)以來(lái)地理科學(xué)研究的一個(gè)熱點(diǎn)。我國(guó)常規(guī)氣象站點(diǎn)分布圖氣象站點(diǎn)定位觀測(cè)獲取的只是局部、離散、有限的空間點(diǎn)數(shù)據(jù)，要想得到區(qū)域尺度上的有關(guān)氣象數(shù)據(jù)，通常利用空間插值的方法，以期來(lái)獲得連續(xù)有序的空間數(shù)據(jù)?？臻g插值通過(guò)填補(bǔ)樣本點(diǎn)之間的數(shù)據(jù)空白，將空間上離散的測(cè)量數(shù)據(jù)轉(zhuǎn)換為連續(xù)的曲面數(shù)據(jù)，以獲取區(qū)域上任何一點(diǎn)變量的屬性值。已知數(shù)據(jù)函數(shù)關(guān)系式未知數(shù)據(jù)氣象空間插值技術(shù)的研究進(jìn)展傳統(tǒng)的空間插值方法有反距離加權(quán)法、泰森多邊形法、多項(xiàng)式回歸法、克里金法等這些插值方法均是建立在存在空間自相關(guān)或在空間上平滑連續(xù)的假設(shè)之上，并未考慮相關(guān)因素的影響，插值精度不高，插值模型的物理意義也不明確。氣象空間插值技術(shù)的研究進(jìn)展最近鄰點(diǎn)法又叫泰森多邊形方法。它采用一種極端的邊界內(nèi)插方法—只用最近的單個(gè)點(diǎn)進(jìn)行區(qū)域插值（區(qū)域賦值）。反距離加權(quán)法Power=2,search=230Power=2,search=600Power=4,search=600Power=2,search=150權(quán)重系數(shù)和搜索半徑的影響反距離加權(quán)法最早由Shepard提出(1982)提出的，并逐步得到發(fā)展。每個(gè)采樣對(duì)插值結(jié)果的影響隨距離增加而減弱，亦即距目標(biāo)點(diǎn)近的樣點(diǎn)有較大的權(quán)重。多項(xiàng)式回歸多項(xiàng)式趨勢(shì)面隨著N值的不同，其形態(tài)也不同。一般地講，N值越大，擬合精度越高。擬合精度C以下式表示，通常C為60％～70％時(shí)，該多項(xiàng)式就能夠揭示空間趨勢(shì)。一次多項(xiàng)式二次多項(xiàng)式三次多項(xiàng)式通常把實(shí)際的地理曲面分解為趨勢(shì)面和剩余面兩部分，前者反應(yīng)地理要素的宏觀分布規(guī)律，屬于確定性因素作用的結(jié)果；而后者則對(duì)應(yīng)于微觀區(qū)域，被認(rèn)為是隨機(jī)因素影響的結(jié)果?？死锝鸩逯?Kriging)

克里金插值由南非采礦工程師D.G.克里格（D.G.Krige）于1951年首次提出，故命名為“克里金”法，后經(jīng)法國(guó)著名地理數(shù)學(xué)學(xué)家G.Matheron發(fā)展深化。氣象空間插值技術(shù)的研究進(jìn)展近年來(lái)出現(xiàn)了大量的插值模型和改進(jìn)算法，從發(fā)展方向上看，大致可以分為三類：一、數(shù)據(jù)上的改進(jìn)，通過(guò)增加這些輔助信息以提高插值模型的精度。二、數(shù)學(xué)模型上的改進(jìn)，即在同樣的數(shù)據(jù)源上，改進(jìn)新的數(shù)學(xué)算法，以獲取更優(yōu)的插值模型，以提高插值精度。三、根據(jù)特定區(qū)域的地形地貌特征而提出一種新的更適合該研究區(qū)域的插值方法。氣象空間插值技術(shù)的研究進(jìn)展①增加相關(guān)的輔助地理信息早在1984年，Eleanor等人運(yùn)用多元回歸法對(duì)氣溫和降水的空間分布進(jìn)行插值時(shí)，就考慮到了地形變量對(duì)氣溫和降水的影響。Marquinez等人則利用多元回歸方法和GIS技術(shù)，分析了降水和一系列地形變量的關(guān)系，并指出最好的插值模型是將五個(gè)影響降水的地形變量(高程、坡度、坡向、離海岸線的距離和離相對(duì)西邊的距離)作為影響因子來(lái)考慮。將更多的可能會(huì)影響到插值分析結(jié)果的因素考慮進(jìn)去，是插值方法發(fā)展的一個(gè)主要趨勢(shì)和突破點(diǎn)。案例：基于DEM的氣溫空間分布采用的方法：三維二次趨勢(shì)面+樣條插值法采用趨勢(shì)面分析、逐步回歸、宏觀地理因子模擬與小地形訂正等方法,建立氣象要素空間分布的數(shù)學(xué)模型。這種方法將氣候要素值分解為兩個(gè)部分：趨勢(shì)部分和偏差部分。案例：基于DEM的氣溫空間分布T=f(λ,φ,h)+ε式中:T為所要模擬的氣溫要素;λ為經(jīng)度;φ為緯度;h為海拔高度;ε為誤差項(xiàng)；f(λ,φ,h)為大地形影響的模擬值；ε為小地形和隨機(jī)誤差影響的結(jié)果。

f(λ,φ,h)=a0+a1λ+a2φ+a3h+a4λφ+a5φh+a6λh+a7λλ+a8φφ+a9hh三維二次趨勢(shì)面難點(diǎn)：a0-a9的求??；案例：基于DEM的氣溫空間分布SPSS軟件實(shí)現(xiàn)f(λ,φ,h)=36.4+（-3.5*10^6）*hh+（-0.005）*oa案例：基于DEM的氣溫空間分布求算實(shí)測(cè)值與模擬值的誤差模擬值f(λ,φ,h)=36.4+（-3.5*10^6）*hh+（-0.005）*oa其中hh是dem的平方，oa是經(jīng)度*緯度。然后求算誤差ERR=實(shí)測(cè)值-模擬值案例：基于DEM的氣溫空間分布?xì)庀罂臻g插值技術(shù)的研究進(jìn)展②數(shù)學(xué)模型上的改進(jìn)Wong等人將神經(jīng)元網(wǎng)絡(luò)、自組織方法、以及模糊數(shù)學(xué)等三種方法同時(shí)應(yīng)用到降水插值的模型之中，取得了比較理想的插值效果。Daly等人建立了PRISM(parameter—elevationregressionsonindependentslopesmodel)插值模型。該模型可對(duì)不同時(shí)間尺度的降水和溫度進(jìn)行插值分析。屬于多元回歸法的一種。該模型適宜于地形起伏較大的地區(qū)。氣象空間插值技術(shù)的研究進(jìn)展③新方法的提出Hutchinsont針對(duì)氣候要素插值的特點(diǎn)，基于經(jīng)度、緯度和海拔高度的線性相關(guān)關(guān)系，提出了薄板局部光滑樣條插值方法，經(jīng)不斷改進(jìn)得到了廣泛的應(yīng)用，之后還發(fā)展了相應(yīng)的空間插值軟件(ANUSPLIN)。這一方法之后成為空間插值的主要方法之一，是一個(gè)突破。氣象空間插值技術(shù)的研究進(jìn)展ANUSPLlN使用方法如下：(1)安裝ANUSPLIN(2)根據(jù)要求寫(xiě)批處理命令文件(3)在ARCGIS中將輸出表面ASCII文件轉(zhuǎn)換成grid格式文件，進(jìn)行可視化操作。氣象空間插值技術(shù)的研究進(jìn)展基于插值方法的氣候資料重建

研究?jī)?nèi)容科學(xué)重建余杭區(qū)西部山區(qū)（以現(xiàn)徑山鎮(zhèn)區(qū)域站代表站）和東部平原（以現(xiàn)臨平區(qū)域站為代表站）2010年逐日或逐月氣候資料序列。重建要素氣溫--逐日最高氣溫、最低氣溫和平均氣溫；氣壓--逐日平均本站氣壓；平均相對(duì)濕度--逐日相對(duì)濕度；風(fēng)--月平均風(fēng)速、月風(fēng)頻研究區(qū)域研究資料余杭區(qū)周邊建站歷史較長(zhǎng)的氣象站數(shù)據(jù)（杭州主城區(qū)、臨安、富陽(yáng)、德清、安吉、海寧、桐鄉(xiāng)等氣象站）和余杭區(qū)區(qū)域自動(dòng)氣象站數(shù)據(jù)。氣象站數(shù)據(jù)：日平均氣溫、日最高氣溫、日最低氣溫、四時(shí)次風(fēng)速、四時(shí)次風(fēng)向自動(dòng)氣象站數(shù)據(jù)：氣溫（平均、最高、最低）、風(fēng)速、風(fēng)向研究資料方法一、對(duì)氣溫、降水、風(fēng)速采用距離方向加權(quán)平均法進(jìn)行空間插值，并對(duì)氣溫考慮地形的影響，依靠余杭區(qū)部分自動(dòng)站實(shí)現(xiàn)參數(shù)調(diào)整和驗(yàn)證，最終建立氣象要素序列。二、依靠空間插值方法，結(jié)合周邊氣象站的風(fēng)向數(shù)據(jù)，實(shí)現(xiàn)余杭區(qū)風(fēng)頻序列的重建。結(jié)果分析相關(guān)系數(shù)平均絕對(duì)誤差平均相對(duì)誤差絕對(duì)值徑山鎮(zhèn)10.290.04臨平10.300.02氣溫（平均氣溫）結(jié)果分析相關(guān)系數(shù)平均絕對(duì)誤差平均相對(duì)誤差絕對(duì)值徑山鎮(zhèn)10.750.04臨平10.630.04氣溫（最高氣溫）結(jié)果分析相關(guān)系數(shù)平均絕對(duì)誤差平均相對(duì)誤差絕對(duì)值徑山鎮(zhèn)10.54

臨平10.60

氣溫（最低氣溫）結(jié)果分析相關(guān)系數(shù)平均絕對(duì)