為探索考慮地形的空間插值算法在復雜下墊面地區(qū)的適用性,利用重慶市區(qū)域自動氣象站2017年逐月觀測數(shù)據(jù),采用Cokriging、PRISM和IDW三種算法進行了1 km分辨率插值試驗,并分析對比了其在月累積降水、月平均氣溫插值中的誤差。結(jié)果表明,當樣本數(shù)量較多時,平均氣溫的插值以PRISM誤差相對較小,Cokriging和IDW效果相當;對累積降水的插值,PRISM和Cokriging效果相當,并略優(yōu)于IDW。三種算法的誤差均隨樣本數(shù)量減少而增大,但PRISM的平均氣溫誤差增長相對最慢,累積降水誤差增長相對最快。當樣本數(shù)量較少時,PRISM對氣溫插值的誤差相對最小,而Cokriging對降水的插值誤差相對最小。進一步分析表明:PRISM能顯著減少復雜地形區(qū)的氣溫插值誤差;累積降水插值主要受降水強度及降水局地性影響,考慮地形的插值算法并無明顯優(yōu)勢。 

【文章來源】：氣象. 2020,46(05)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

圖１重慶市地理高程分布（ａ）以及區(qū)域自動氣象站點（紅點）及??２０?ｋｍ半徑圓域內(nèi)站點數(shù)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??圖３?逐月平均氣溫（ａ，ｃ，ｅ）和累積降水（ｂ，ｄ，ｆ）的ＲＭＳＥ（ａ，ｂ）、ＭＲＥ（ｃ，ｄ）和ＭＡＥ（ｅ，ｆ）變化??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）??溫插值絕對誤差與驗證站觀測值翁高程值計算的相??潷系數(shù)�？梢娷浅淌菤鉁劓牪畹闹匾绊懸蛩�，??ＩＤＷ和Ｃｏｋｒｉｇｉｎｇ箅法的插值誤猶關高程的相關??系數(shù)均達到了?３以上；但ＰＲＩＳＭ算法將讀差與??薔程的相關系數(shù)降到了?０．?１４２４兌明該．算法有效地??改＃了因地形高度造成的平均氣：溫插值誤麁６表２??給出了擧積降水插值絕對溴＿與驗證站觀測和高程??的相關系數(shù)Ｉ可見降水量與誤差的相關牲曰録超過??了窩程與誤差的相關，說明降水插值詢誤差主要：受??降水事＃？＝身擧晌翁重庚這樣降水局地．性較強的??地區(qū)，考慮地形的空

ＳＭ的賊ＲＥ較趙：??外兩種算法棄高，且ＰＲＩＳＭ的誤差增長速度較快：??ＲＭＳＥ的增長斜率為０．?０５＆，明顯高于另外兩種算??法》使用不同數(shù)量樣本時．ＰＲＩＳＭ法的謀差均禽于??Ｇｄｋｒｉｇｉｎｇ；當只嘗ＺＯＯ：個樣，本時，ＰＲＩＳＭ的均方根??摸善達到孤２９?ｍｍ，已縴接近ｆ?ＩＤＷ的誤養(yǎng)ｙ這??說明迸行累積陣水插值時，ＰＲＩＳＭ法受樣本數(shù)量彰??響較大＞謨差隨樣本數(shù)量減少增長較快；當樣本徵量??載少時采用Ｃｏｋｒｉｇｉｎｇ霧法可—農(nóng)差蠢校??為直觀地分析誤差的分布情況，圖６給出了各??算．法釆用１３００和２００個樣本時在不同觀測數(shù)值和??驗證站髙度等級區(qū)問的全年平均ＲＭＳＥ變化。蟲??圖６ａ可知，三祌寡法＃溫插值誤塞表現(xiàn)為隨高度増??加先減小后增大，并以Ｃｅｋｒｉｇｉｎｇ和ＩＤＷ誤差隨海??拔升高增：加量糖顯；說明在地勢較餐地區(qū)和地勢樣??禽區(qū)域插值誤差都備大．，前者可能是薆城市熱島或??河谷的影晌，后者則可能，受高海拔地Ｋ站點數(shù)貴較??少：嶽ｆｌｉｔ？擊用■?２？?（１３德：）個祥本時，ＩＤＷ、Ｃｂｋｒｉｇ－??ｉｎｇ和ＰＲＩＳＭ三種算處參２ｆｔ０?ｍ以Ｔ？地區(qū)的氣溫??ＲＭＳＥ?分別．身：１．?４．２?ｔ：ｌ．爵：）、丄?１３?￡１．?１）和?１．?．１６．??戰(zhàn)３＃）；救１２００?ｍ以上地：區(qū)的ＲＭＳＥ分別為￡??２．？：６ｔ：；Ｌ．?５（么?０．）和?１．?０３（０．?Ｗ．?＇Ｃ。可里樣本數(shù)??黧較少時，Ｃｏｋｒｉｇｉｎｇ的誤差略低于ＩＤＷｆ而不論樣??本鐘量多少，猶任蠢海鍛眞間ＰＲＩＳＭ鴣ＲＭＳＥ都??棊最低的，且可見ＰＲＩＳＭ在溫．度插後．中對樣本數(shù)??ｉ的變化并不敏感。另外稂據(jù)圖＆，三

【參考文獻】：
期刊論文
[1]基于雷達資料的上海地區(qū)暴雨面雨量計算及應用[J]. 賀芳芳,徐衛(wèi)忠,周坤,穆海振.  氣象. 2018(07)
[2]同化自動站資料建立三峽地區(qū)2014年1月高分辨率溫度場的模擬研究[J]. 江志紅,祝亞鵬,馬紅云,邱欣.  大氣科學學報. 2018(03)
[3]站點密度對復雜地形PRISM月降雨空間插值精度的影響[J]. 蔣育昊,劉鵬舉,夏智武,許等平,張英凱.  南京林業(yè)大學學報(自然科學版). 2017(04)
[4]基于PRISM的山地環(huán)境大氣濕度的空間插值[J]. 蔣育昊,劉鵬舉,夏智武,賈道祥,閆明.  福建農(nóng)林大學學報(自然科學版). 2016(06)
[5]綜合分析法在復雜地形氣溫精細格點化中的應用[J]. 陳鋒,董美瑩,冀春曉.  高原氣象. 2016(05)
[6]空間數(shù)據(jù)插值的自動化方法研究[J]. 徐武平,邱峰,徐愛萍.  武漢大學學報(信息科學版). 2016(04)
[7]山地環(huán)境日氣溫PRISM空間插值研究[J]. 夏智武,劉鵬舉,陳增威,蔣育昊.  北京林業(yè)大學學報. 2016(01)
[8]重慶市降雨空間模擬方法研究[J]. 劉強,林孝松.  重慶工商大學學報(自然科學版). 2015(10)
[9]基于站點觀測數(shù)據(jù)的氣溫空間化方法評述[J]. 李月臣,何志明,劉春霞.  地理科學進展. 2014(08)
[10]滑動窗口的普通克立格方法在降水量插值中的應用[J]. 熊敏詮.  氣象. 2013(04)

碩士論文
[1]基于線性加權回歸模型的降水量空間插值方法研究[D]. 徐成東.河南大學 2008



本文編號：3489432