考虑地形的空间插值算法在复杂下垫面地区气温和降水精细化插值的评估
发布时间：2021-11-11 19:53
为探索考虑地形的空间插值算法在复杂下垫面地区的适用性,利用重庆市区域自动气象站2017年逐月观测数据,采用Cokriging、PRISM和IDW三种算法进行了1 km分辨率插值试验,并分析对比了其在月累积降水、月平均气温插值中的误差。结果表明,当样本数量较多时,平均气温的插值以PRISM误差相对较小,Cokriging和IDW效果相当;对累积降水的插值,PRISM和Cokriging效果相当,并略优于IDW。三种算法的误差均随样本数量减少而增大,但PRISM的平均气温误差增长相对最慢,累积降水误差增长相对最快。当样本数量较少时,PRISM对气温插值的误差相对最小,而Cokriging对降水的插值误差相对最小。进一步分析表明:PRISM能显著减少复杂地形区的气温插值误差;累积降水插值主要受降水强度及降水局地性影响,考虑地形的插值算法并无明显优势。
【文章来源】：气象. 2020,46(05)北大核心CSCD
【文章页数】：11 页
【部分图文】：
图１重庆市地理高程分布（ａ）以及区域自动气象站点（红点）及??２０?ｋｍ半径圆域内站点数量（填色）分布（ｂ）??
１１?１２??０．１７５?（ｃ）??０．１５０??０．１２５??Ｉ?０．１００??－０．０７５??０．０５０??０．０２５??０．０００??１．２ｎ??１．０??０．８??＞??ｊ?０．６??ｌ?０．４??０．２??０．０??１１１??１１１?Ｍｉ?ｉ?ＩＩ?１１１??１?２?３?４?５?６?７?８?９?１０?１１?１２??（ｅ）??ｕｎｎｉｎｉｉｉ??１?２?３?４?５?６?７?８?９?１０?１１?１２??月份??Ｃｏｋｒｉｇｉｎｇ?ＰＲＩＳＭ??图３?逐月平均气温（ａ，ｃ，ｅ）和累积降水（ｂ，ｄ，ｆ）的ＲＭＳＥ（ａ，ｂ）、ＭＲＥ（ｃ，ｄ）和ＭＡＥ（ｅ，ｆ）变化??Ｆｉｇ．?３?Ｍｏｎｔｈｌｙ?ＲＭＳＥ?（ａ，ｂ），ＭＲＥ?（ｃ，ｄ）?ａｎｄ?ＭＡＥ?（ｅ，ｆ）?ｏｆ?ｉｎｔｅｒｐｏｌａｔｅｄ?ｍｏｎｔｈｌｙ??ａｖｅｒａｇｅ?ｔｅｍｐｅｒａｔｕｒｅ?（ａ，ｃ，ｅ）?ａｎｄ?ｉｎｔｅｒｐｏｌａｔｅｄ?ａｃｃｕｍｕｌａｔｅｄ?ｐｒｅｃｉｐｉｔａｔｉｏｎ?（ｂ，?ｄ，ｆ）??溫插值绝对误差与验证站观测值翁高程值计算的相??潷系数。可见芮程是气温镙差的重要影响因素，??ＩＤＷ和Ｃｏｋｒｉｇｉｎｇ箅法的插值误猶关高程的相关??系数均达到了?３以上；但ＰＲＩＳＭ算法将读差与??薔程的相关系数降到了?０．?１４２４兑明该．算法有效地??改＃了因地形高度造成的平均气：温插值误麁６表２??给出了擧积降水插值绝对溴＿与验证站观测和高程??的相关系数Ｉ可见降水量与误差的相关牲曰録超过??了窩程与误差的相关，说明降水插值询误差主要：受??降水事＃？＝身擧晌翁重庚这样降水局地．性较強的??地区，考虑地形的空
ＳＭ的賊ＲＥ较趙：??外两种算法棄高，且ＰＲＩＳＭ的误差增长速度较快：??ＲＭＳＥ的增长斜率为０．?０５＆，明显高于另外两种算??法》使用不同数量样本时．ＰＲＩＳＭ法的谋差均禽于??Ｇｄｋｒｉｇｉｎｇ；当只嘗ＺＯＯ：个样，本时，ＰＲＩＳＭ的均方根??摸善达到孤２９?ｍｍ，已縴接近ｆ?ＩＤＷ的误養ｙ这??说明迸行累积阵水插值时，ＰＲＩＳＭ法受样本数量彰??响较大＞谟差随样本数量减少增长较快；当样本徵量??載少时采用Ｃｏｋｒｉｇｉｎｇ雾法可—農差蠢校??为直观地分析误差的分布情况，图６给出了各??算．法釆用１３００和２００个样本时在不同观测数值和??验证站髙度等级区问的全年平均ＲＭＳＥ变化。虫??图６ａ可知，三祌寡法＃温插值误塞表现为随高度増??加先减小后增大，并以Ｃｅｋｒｉｇｉｎｇ和ＩＤＷ误差随海??拔升高增：加量糖显；说明在地势较餐地区和地势樣??禽区域插值误差都備大．，前者可能是薆城市热岛或??河谷的影晌，后者则可能，受高海拔地Ｋ站点数貴较??少：嶽ｆｌｉｔ？擊用■?２？?（１３德：）个祥本时，ＩＤＷ、Ｃｂｋｒｉｇ－??ｉｎｇ和ＰＲＩＳＭ三种算處參２ｆｔ０?ｍ以Ｔ？地区的气温??ＲＭＳＥ?分别．身：１．?４．２?ｔ：ｌ．爵：）、丄?１３?￡１．?１）和?１．?．１６．??战３＃）；救１２００?ｍ以上地：区的ＲＭＳＥ分别为￡??２．？：６ｔ：；Ｌ．?５（么?０．）和?１．?０３（０．?Ｗ．?＇Ｃ。可里样本数??黧较少时，Ｃｏｋｒｉｇｉｎｇ的误差略低于ＩＤＷｆ而不论样??本鐘量多少，猶任蠢海锻眞间ＰＲＩＳＭ鸪ＲＭＳＥ都??棊最低的，且可见ＰＲＩＳＭ在温．度插後．中对样本数??ｉ的变化并不敏感。另外稂据图＆，三
【参考文献】：
期刊论文
[1]基于雷达资料的上海地区暴雨面雨量计算及应用[J]. 贺芳芳,徐卫忠,周坤,穆海振. 气象. 2018(07)
[2]同化自动站资料建立三峡地区2014年1月高分辨率温度场的模拟研究[J]. 江志红,祝亚鹏,马红云,邱欣. 大气科学学报. 2018(03)
[3]站点密度对复杂地形PRISM月降雨空间插值精度的影响[J]. 蒋育昊,刘鹏举,夏智武,许等平,张英凯. 南京林业大学学报(自然科学版). 2017(04)
[4]基于PRISM的山地环境大气湿度的空间插值[J]. 蒋育昊,刘鹏举,夏智武,贾道祥,闫明. 福建农林大学学报(自然科学版). 2016(06)
[5]综合分析法在复杂地形气温精细格点化中的应用[J]. 陈锋,董美莹,冀春晓. 高原气象. 2016(05)
[6]空间数据插值的自动化方法研究[J]. 徐武平,邱峰,徐爱萍. 武汉大学学报(信息科学版). 2016(04)
[7]山地环境日气温PRISM空间插值研究[J]. 夏智武,刘鹏举,陈增威,蒋育昊. 北京林业大学学报. 2016(01)
[8]重庆市降雨空间模拟方法研究[J]. 刘强,林孝松. 重庆工商大学学报(自然科学版). 2015(10)
[9]基于站点观测数据的气温空间化方法评述[J]. 李月臣,何志明,刘春霞. 地理科学进展. 2014(08)
[10]滑动窗口的普通克立格方法在降水量插值中的应用[J]. 熊敏诠. 气象. 2013(04)
硕士论文
[1]基于线性加权回归模型的降水量空间插值方法研究[D]. 徐成东.河南大学 2008
本文编号：3489432
【文章来源】：气象. 2020,46(05)北大核心CSCD
【文章页数】：11 页
【部分图文】：
图１重庆市地理高程分布（ａ）以及区域自动气象站点（红点）及??２０?ｋｍ半径圆域内站点数量（填色）分布（ｂ）??
１１?１２??０．１７５?（ｃ）??０．１５０??０．１２５??Ｉ?０．１００??－０．０７５??０．０５０??０．０２５??０．０００??１．２ｎ??１．０??０．８??＞??ｊ?０．６??ｌ?０．４??０．２??０．０??１１１??１１１?Ｍｉ?ｉ?ＩＩ?１１１??１?２?３?４?５?６?７?８?９?１０?１１?１２??（ｅ）??ｕｎｎｉｎｉｉｉ??１?２?３?４?５?６?７?８?９?１０?１１?１２??月份??Ｃｏｋｒｉｇｉｎｇ?ＰＲＩＳＭ??图３?逐月平均气温（ａ，ｃ，ｅ）和累积降水（ｂ，ｄ，ｆ）的ＲＭＳＥ（ａ，ｂ）、ＭＲＥ（ｃ，ｄ）和ＭＡＥ（ｅ，ｆ）变化??Ｆｉｇ．?３?Ｍｏｎｔｈｌｙ?ＲＭＳＥ?（ａ，ｂ），ＭＲＥ?（ｃ，ｄ）?ａｎｄ?ＭＡＥ?（ｅ，ｆ）?ｏｆ?ｉｎｔｅｒｐｏｌａｔｅｄ?ｍｏｎｔｈｌｙ??ａｖｅｒａｇｅ?ｔｅｍｐｅｒａｔｕｒｅ?（ａ，ｃ，ｅ）?ａｎｄ?ｉｎｔｅｒｐｏｌａｔｅｄ?ａｃｃｕｍｕｌａｔｅｄ?ｐｒｅｃｉｐｉｔａｔｉｏｎ?（ｂ，?ｄ，ｆ）??溫插值绝对误差与验证站观测值翁高程值计算的相??潷系数。可见芮程是气温镙差的重要影响因素，??ＩＤＷ和Ｃｏｋｒｉｇｉｎｇ箅法的插值误猶关高程的相关??系数均达到了?３以上；但ＰＲＩＳＭ算法将读差与??薔程的相关系数降到了?０．?１４２４兑明该．算法有效地??改＃了因地形高度造成的平均气：温插值误麁６表２??给出了擧积降水插值绝对溴＿与验证站观测和高程??的相关系数Ｉ可见降水量与误差的相关牲曰録超过??了窩程与误差的相关，说明降水插值询误差主要：受??降水事＃？＝身擧晌翁重庚这样降水局地．性较強的??地区，考虑地形的空
ＳＭ的賊ＲＥ较趙：??外两种算法棄高，且ＰＲＩＳＭ的误差增长速度较快：??ＲＭＳＥ的增长斜率为０．?０５＆，明显高于另外两种算??法》使用不同数量样本时．ＰＲＩＳＭ法的谋差均禽于??Ｇｄｋｒｉｇｉｎｇ；当只嘗ＺＯＯ：个样，本时，ＰＲＩＳＭ的均方根??摸善达到孤２９?ｍｍ，已縴接近ｆ?ＩＤＷ的误養ｙ这??说明迸行累积阵水插值时，ＰＲＩＳＭ法受样本数量彰??响较大＞谟差随样本数量减少增长较快；当样本徵量??載少时采用Ｃｏｋｒｉｇｉｎｇ雾法可—農差蠢校??为直观地分析误差的分布情况，图６给出了各??算．法釆用１３００和２００个样本时在不同观测数值和??验证站髙度等级区问的全年平均ＲＭＳＥ变化。虫??图６ａ可知，三祌寡法＃温插值误塞表现为随高度増??加先减小后增大，并以Ｃｅｋｒｉｇｉｎｇ和ＩＤＷ误差随海??拔升高增：加量糖显；说明在地势较餐地区和地势樣??禽区域插值误差都備大．，前者可能是薆城市热岛或??河谷的影晌，后者则可能，受高海拔地Ｋ站点数貴较??少：嶽ｆｌｉｔ？擊用■?２？?（１３德：）个祥本时，ＩＤＷ、Ｃｂｋｒｉｇ－??ｉｎｇ和ＰＲＩＳＭ三种算處參２ｆｔ０?ｍ以Ｔ？地区的气温??ＲＭＳＥ?分别．身：１．?４．２?ｔ：ｌ．爵：）、丄?１３?￡１．?１）和?１．?．１６．??战３＃）；救１２００?ｍ以上地：区的ＲＭＳＥ分别为￡??２．？：６ｔ：；Ｌ．?５（么?０．）和?１．?０３（０．?Ｗ．?＇Ｃ。可里样本数??黧较少时，Ｃｏｋｒｉｇｉｎｇ的误差略低于ＩＤＷｆ而不论样??本鐘量多少，猶任蠢海锻眞间ＰＲＩＳＭ鸪ＲＭＳＥ都??棊最低的，且可见ＰＲＩＳＭ在温．度插後．中对样本数??ｉ的变化并不敏感。另外稂据图＆，三
【参考文献】：
期刊论文
[1]基于雷达资料的上海地区暴雨面雨量计算及应用[J]. 贺芳芳,徐卫忠,周坤,穆海振. 气象. 2018(07)
[2]同化自动站资料建立三峡地区2014年1月高分辨率温度场的模拟研究[J]. 江志红,祝亚鹏,马红云,邱欣. 大气科学学报. 2018(03)
[3]站点密度对复杂地形PRISM月降雨空间插值精度的影响[J]. 蒋育昊,刘鹏举,夏智武,许等平,张英凯. 南京林业大学学报(自然科学版). 2017(04)
[4]基于PRISM的山地环境大气湿度的空间插值[J]. 蒋育昊,刘鹏举,夏智武,贾道祥,闫明. 福建农林大学学报(自然科学版). 2016(06)
[5]综合分析法在复杂地形气温精细格点化中的应用[J]. 陈锋,董美莹,冀春晓. 高原气象. 2016(05)
[6]空间数据插值的自动化方法研究[J]. 徐武平,邱峰,徐爱萍. 武汉大学学报(信息科学版). 2016(04)
[7]山地环境日气温PRISM空间插值研究[J]. 夏智武,刘鹏举,陈增威,蒋育昊. 北京林业大学学报. 2016(01)
[8]重庆市降雨空间模拟方法研究[J]. 刘强,林孝松. 重庆工商大学学报(自然科学版). 2015(10)
[9]基于站点观测数据的气温空间化方法评述[J]. 李月臣,何志明,刘春霞. 地理科学进展. 2014(08)
[10]滑动窗口的普通克立格方法在降水量插值中的应用[J]. 熊敏诠. 气象. 2013(04)
硕士论文
[1]基于线性加权回归模型的降水量空间插值方法研究[D]. 徐成东.河南大学 2008
本文编号：3489432
本文链接：https://www.wllwen.com/projectlw/qxxlw/3489432.html
