气候要素空间插值技术的研究进展

开篇：润墨网以专业的文秘视角，为您筛选了一篇气候要素空间插值技术的研究进展范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要:诸多研究者们在其研究中发现,对空间插值分析方法而言,没有绝对最佳的方法,只有在特定的条件下,考虑到研究区域的实际情况选用最佳的方法。文章对空间插值分析方法近年内的国内外研究成果进行综述,分析各方法的使用和特点,为空间插值分析方法的具体研究和应用提供参考。

关键词:气候 空间插值 环境影响因子

中图分类号:P46 文献标识码:A 文章编号:1007-3973 (2010) 03-059-03

1前言

温度、降水等数据一般都来自于有限的气象站点观测,进而插值生成连续分布的空间信息。但由于气象站点定位观测获取的只是局部、离散、有限的空间点数据,要想得到区域尺度上的有关气象数据,通常利用空间插值的方法,以期来获得连续有序的空间数据。

利用已知气象站点的观测数据对未知点进行插值预测是20世纪以来地理科学研究的一个热点,而且随着现代生态学和全球变化科学的发展,也迫切需要高时空分辨率、空间栅格化的气象要素数据。因此如何充分利用有限的气候资源,根据气候要素的空间分布规律,推测无观测点和少观测点区域的气候要素值,一直是相关学科研究的热点。本文通过对空间插值方法的研究成果进行综述,分析各种插值方法的特点,期望能为空间插值方法的具体研究和应用提供一定的参考借鉴。

2气候因子的特点

由于插值方法的选择和运用是要考虑具体区域情况而定的,所以,要研究插值方法,首先就要对区域气候的形成和其气候因子的特点进行研究。某一区域气候的形成,主要取决于太阳辐射、大气环流、地理环境状况(地理位置、地形地势、下垫面状况)等因素共同作用的结果。其中,太阳辐射是气候形成的基本因子。当晴朗无云时,太阳辐射总量在地球表面的分布随纬度的增加而递减;地球表面及其上空的热量和水汽可籍大气环流的作用进行交换,因而一地的气候受大气环流的影响。而地理环境因素可影响热量平衡和水分平衡以及大气环流形势,因此一地离海洋的远近、地形地势、植被状况等也均影响其气候。

3空间插值技术的发展

空间插值技术的发展是一个由传统方法向现代方法不断演变的历史沿革过程。传统的空间插值方法有反距离加权法、泰森多边形法、多项式回归法、克里金法等,这些插值方法均是建立在存在空间自相关或在空间上平滑连续的假设之上,并未考虑相关因素的影响,插值精度不高,插值模型的物理意义也不明确。

大量的研究表明,观测站点密度比较大的地区,插值方法的精度才比较可靠,而稀疏站点以及地表变化较大区域的气候插值精度较难尽如人意。针对这一问题,近年来出现了大量的插值模型和改进算法,从发展方向上看,大致可以分为三类:一类是数据上的改进,即增加与气候相关的辅助地理信息,除经纬度与海拔高程被大量使用外,还有坡度、坡向、坡面连续性等地形地貌参数;大气影响因子如湿度、风向、离海岸线距离等等。通过增加这些辅助信息以提高插值模型的精度。另一类是数学模型上的改进,即在同样的数据源上,改进新的数学算法,以获取更优的插值模型,如PTISM模型通过加入移动窗口权重函数,以提高插值精度。还有一类则是根据特定区域的地形地貌特征而提出一种新的更适合该研究区域的插值方法。

3.1增加相关的辅助地理信息

在气象要素的插值中,要想得到较高的空间插值精度,必须进行方法性的研究,特别需要进行气象要素和影响它的诸因子之间相互关系的研究。

早在1984年,Eleanor等人运用多元回归法对气温和降水的空间分布进行插值时,就考虑到了地形变量对气温和降水的影响。而Marquinez等人则利用多元回归方法和GIS技术,分析了降水和一系列地形变量的关系,并指出最好的插值模型是将五个影响降水的地形变量(高程、坡度、坡向、离海岸线的距离和离相对西边的距离)作为影响因子来考虑。将更多的可能会影响到插值分析结果的因素考虑进去,是插值方法发展的一个主要趋势和突破点。

增加更多相关的辅助地理信息,首先就是需要掌握更多的信息,那么,在缺乏观测或数据的区域,这一方法将如何发展引来了之后的研究,特别是近年来人们越来越关注对地形复杂且气象观测站点稀疏的高原山地区域的插值研究,取得了一定的成效。穆振侠等人通过比较分析反距离加权、克里金等插值方法,探讨了天山西部山区降雨量的空间分布,得出在地形复杂的山区降雨量空间插值中将高程、坡度、坡向等作为影响因素引入共协克里金方法(co-kriging)中其插值结果较为理想,能大大提高水文预报的精度。周锁铨等人利用逐步回归方法和GIS技术对长江中上游大流域降水进行了不同时间尺度的分析,通过把降水量从地形影响部分分离出来,显著提高了年、季降水空间分布的计算精度,有效地解决了复杂地形条件下空间插值精度不高的问题,对不同的时间尺度都有较好的适用性。而阎洪在运用薄板光顺样条插值法对中国气候空间进行模拟时发现:样条插值明显优于其它插值方法,其插值结果更能反映中国气候空间的基本特征。由于局部薄板光顺样条插值法考虑到了地形对气候空间分布的影响,并结合了精确的DEM,利用线性模型而不是一个固定的经验比值表达气候变量随位置和时间而变化的比降,使山地和边远地区气候信息的表达更加真实准确。另外还指出样条法利用线性模型反映地形对气候的影响,并提供了简便的误差诊断程序,具有良好的实用性。所以说,插值方法的运用是多元化的,可以融入更多的技术和因素,不存在最好的方法,只有最适合的方法。

3.2数学模型上的改进

Wong等人将神经元网络、自组织方法、以及模糊数学等三种方法同时应用到降水插值的模型之中,取得了比较理想的插值效果。Daly等人建立了PRISM(parameter―elevation regressions on independent slopes mode1)插值模型。该模型可对不同时间尺度的降水和温度进行插值分析。属于多元回归法的一种。该模型适宜于地形起伏较大的地区。

对插值方法的改进,追求插值方法精度的提高,不能仅局限于一种方法,而是要和方法之间的分析比较相结合的。如徐成东等人在考虑到降水量与高程之间较强的相关关系,采用局部线性加权回归模型来预测山地和高原区域的降水分布时得出结论:在不同的时间段,降水量的空间分布规律有所差异,线性性加权回归模型的插值精度也有所不同;在降水量大且局部降水随机性强的月份,线性加权回归模型插值精度比常规方法要高。而在地形相对平坦的高原区域,由于线性加权回归模型中高程因素的作用降低,此时模型相当于IDW方法。又如刘劲松等人采用多元线性回归、局部插值、整体插值、综合模拟等多种插值模型对河北省年降水量的空间插值问题进行了讨论,得出插值站点数、模型类型、模型参数都会影响插值精度。对于一般的区域插值可直接采用局部插值模型,较大区域范围(如全国)可考虑多种局部插值法相结合(即分区域插值),如果要细化插值结果,可考虑引入经度、纬度、海拔等因子与局部模型相结合。选择插值模型的关键在了解不同插值模型的特点及站点的分布密度、区域特征。

随着时代的更替,特别在现代,数理方法的应用范围变的更广,对于插值方法这一包容性很大的科学来说,十分适用,更可能的是,将一些例如数理方法、高新科技手段等新方法本身作为技术主线,以插值方法为载体,提出一些新的方法。

3.3新方法的提出

Hutchinsont针对气候要素插值的特点,基于经度、纬度和海拔高度的线性相关关系,提出了薄板局部光滑样条插值方法,经不断改进得到了广泛的应用,之后还发展了相应的空间插值软件(ANUSPLIN)。这一方法之后成为空间插值的主要方法之一,是一个突破。

随着科学方法的进步,从来就是遵循从学到破再到立的过程,当有限的气象站、不尽合理的空间布局获取的气象数据难以满足对不同空间尺度下插值精度的要求时,人们往往会寻求一种新的更有效的空间插值方法。如:Lin等人提出了一种名为改良型径向基函数网络(IRBFN)的插值方法,这种插值方法是将标准型径向基函数网络与半方差函数模型相结合而产生的。并且还将IRBFN运用于台湾南部的潭水河区域的空间降水插值分析,并与标准型径向基函数网络及普通克里金插值方法进行了对比,得出用IRBFN插值所得估测数据的插值误差最小。

潘耀忠等人在分析了中国多年月平均温度和年平均温度的空间分布与经度、纬度、高度等的内在关系,以及温度插值过程中的站点间的最佳响应距离后,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),并与反距离加权等传统方法进行了对比研究。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。这对与温度相关的其他指标的空间插值具有一定的借鉴意义。

辜智慧,史培军,陈晋提出一种基于地统计学分析,在无站点分布且无周边站点影响的区域增加模拟站点的方法,对气象观测站点稀疏的地区进行降水插值,其既不完全依赖于其他自然因子与降水数据的相关性,又对原观测站点降水数据的空间变异性进行了补充,可作为观测站点稀疏区域插值算法改进的一个新方向。但此方法在对模拟站点布局等问题上存在较多的主观性和不确定性,理论变异模型的拟合优化也需要进一步明确的验证。可见,新方法的完善还需要一段时间,但其基本思路是值得借鉴的。

4检验方法

插值方法的改进、创新,就是为了得到一个更加精确、更加可靠的结果,所以,就要进行检验。在进行气象数据空间插值时,交叉验证(cross-validation)是应用最广泛的一种精度评价方法。它通过逐一剔除站点的观测数据,利用其他站点数据进行模拟生成该站点的预测值,将其与实测数据进行比较,以分析估计误差在各个站点的分布情况。对不同的插值方法,交叉验证可以准确的验证不同插值方法之间的相对精度。而在一般情况下,在比较不同模型的模拟精度时,通常彩平均绝对误差、平均相对误差和平方根误差作为评价指标。

5讨论与展望

纵观插值方法的研究,可以看出,大尺度(如全球)观测站点密度较低的插值不宜用局部插值法,但可以引入经度、纬度、海拔等因子进行模拟;地形复杂、实测站点少的小区域插值则应考虑海拔、坡度、坡向等地形因子;而一般的区域插值可直接采用局部插值模型,较大区域范围(如全国)的可考虑多种局部插值法相结合(即分区域插值),如果要细化插值结果,也可考虑引入经度、纬度、海拔等因子与局部模型相结合。

综上所述,从国内外的研究来看,空间插值方法的研究在对于方法本身的突破上已基本处于停滞状态,新方法的产生具有很高的难度。现今的研究趋势已从对插值方法本身的研究转移到对传统方法的改良上来,主要是强调其实用性。主要的改良方法:一是在插值方法中引入尽量多的影响气象要素的环境因子来进行运算分析;二是将现代数理方法及现代科学技术方法与各类传统的插值方法进行融合;三是将各类传统插值方法放到具体的地区和领域中去,并进行比较分析,得出相对最优的插值方法。在以后的几十年内,这三种改良方法还有进一步结合的趋势。

总之,应根据研究目的和研究区域的自然地理地形特征来选择合适的插值方法和参数。对于众多的空间插值方法而言,没有绝对最佳的方法,只有在特定的条件下,对于特定区域实际情况的最佳方法。而随着人工神经网络等新科学技术的引入,结合各种方法优点的混合插值法是未来插值方法研究的一个重要方向。

参考文献:

[1]Christopher D.Guidelines for assessing the suitability of spatial climate data sets[J].International Journal of Climatology,2006(26):707-721.

[2]朱会义,刘述林,贾绍凤.自然地理要素空间插值的几个问题[J].地理研究,2006,23(4): 425-432.

[3]Ninyerola M,Pons X,Roure J M.A methodological approach of climatological modeling of airtemperature and precipitation through GIS techniques[J],2002(14).

[4]孙鹏森,刘世荣,李崇巍.基于地形和主风向效应模拟山区降水空间分布[J].生态学报 2004(9).

[5]Joyce R J,Janowiak J E,Arkin P A.A method that produces global precipitation estimates frompassive microwave and infrared data at high spatial and temporal resolution [J].2004(3).

[6]Daly C,Helmer E H,Maya Quinones.Mapping the climate of Puerto Rico,Vieques and Culebra.2003(11).

[7]Eleanor R,Cross M S,Rick Perrine B S. Prediction areas endemic for schistosemiasis using weather variables and a landsat data base

[J]Mili.Medi.1984,149(10):542-545.

[8]Marquinez J,Lastra J,Garcia P.Estimation model for precipitation in mountainous regions[J].J.Hydrol.2003,270(1-2):1-11.

[9]穆振侠,姜卉芳,刘丰,王俊.天山西部区降雨量空间分布的研究[J].新疆农业大学学报.2007,30 (1):75-77.

[10] 周锁铨,孙琪,肖桐松,任永建.长江中上游区基于GIS的不同时间尺度降水插值方法探讨[J].高原气象.2008,27(5):1021-1034.

[11] 阎洪.样条插值与中国气候空间模拟[J].地理科学.2004,24 (2):163-169.

[12] Wong K W,Wong P M,Gedeon T D. Rainfall prediction model using soft computing technique Soft Computing-A Fusion of Foundations.2003.

[13] Daly C,Helmer E H,Quiones M.Mapping the climate ofPuerto Rico, Vieques and Culebra[J].Int.J.Climatol.2003,23 (11):1359-1381.

[14] 徐成东,孔云峰,仝文伟.线性加权回是模型的高原山地区域降水空间插值研究[J].地球信息科学.2008,10(1):14-19.

[15] 刘劲松,陈辉,杨彬云,王卫,相云,赵超.河北省年均降水量插值方法比较[J].生态学报.2009,29(7):3493-3500.

[16] Hutchinson M F.Interpolating mean rainfall using thin plate

smoothing Splines[J].Int.J.GIS,1995(9):385-403.

[17] Lin G F,Chen L H.A spatiall Interpolation method based on radial basis function networks incorporating a semivatiogram model[J].J.Hydrol.2004,288(3-4):288-298.

[18] 潘耀忠、龚道溢,邓磊,李京,高静.基于DEM的中国陆地多年平均温度插值方法[J] .地理学报.2004,59(3):366-374.

[19] 辜智慧,史培军,陈晋.气象观测站点稀疏地区的降水插值方法探讨-以锡林郭勒盟为例[J].北京师范大学学报(自然科学版).2006,42(2):204-208.

[20] 潘耀忠,龚道溢,邓磊等.基于DEM的中国陆地多年平均温度插值方法[J].地理学报,2004,59(3):366-374.