基于空间可视化的气温插值方法比较

2013-12-06焦永清

测绘工程 2013年5期

焦永清，李斌，张坤

（1.长安大学地质工程与测绘学院，陕西西安 710054；2.湖南省芷江侗族自治县气象局，湖南芷江 419100）

空间插值是通过一定数量的样本点来反映、预知未知空间分布特征的重要方法和手段［1］。对分布稀少且不均匀的离散分布的空间数据（如区域气温观测序列）而言，就需选择合适的空间插值方法进行插值以满足研究等应用的要求。

孟庆香、李新等人的研究均以插值效果优劣为依据，进而得出最佳插值方法［2－3］。潘耀忠等根据特殊地形地貌特征提出新的插值方法，并与常规方法作比较，以验证其有效性［4］。金君等通过增加辅助要素以提高插值精度［5］。但借助GIS的空间分析功能直观地研究空间插值法却不多见。本研究旨在GIS环境下，针对气温插值的现实需要，直观、形象地探讨空间插值的效果问题。

本文将空间插值方法与GIS技术结合，利用遍布全国的684个气象站点气温资料，进行了空间插值研究，并绘制1982年陕西省年均气温预测图，旨在从精度和直观性两个方面确定较适用的空间插值方法，以期为一般性的空间插值应用提供借鉴和参考。

1 研究资料与方法

1.1 数据来源

数据包括台站信息文档、温度数据表格和陕西省区划图。台站信息文档包括1951－2007年中国756个地面气候台站信息，提供了台站编号、所属省份、经纬度、观测海拔高度、观测起止时间及相关信息。温度数据表提供了台站编号、观测截止年限、气温积累和年均气温等信息，涉及684个气象台站的信息。陕西省区划图包含了陕西省各市县的行政区划界线信息（见图1）。

图1 陕西省气象站点分布图

1.2 空间插值方法

目前，用于气象要素空间插值的方法有很多，本文采用的是反距离加权插值法、规则样条函数插值法和普通克里格插值法。

反距离加权插值法适用于分布均匀且密集程度足以反映局部差异的样点数据集，缺点是其结果容易受到数据集的影响，经常出现孤立数据点明显高于周围数据点的情况。规则样条函数插值法适用于样点数据集大、表面变化平缓的情况，不适用于局部变异性大且无法确定样点数据的准确性情况。相比前两种方法，普通克里格插值法考虑了样本数据的空间自相关性［1］。

2 误差比较与结果分析

2.1 插值比较流程及精度比较的依据

本文采用的插值方法比较流程见图2。

图2 插值方法比较流程

一般采用误差均值（MEAN）和误差均方根（Root－Mean－Square，RMS）作为空间插值精度判定的主要依据。总的来说，各种插值方法的MEAN和RMS总体最小者，具有较好的插值效果，MEAN相等时，RMS越小越好。

2.2 插值误差对比

图3是气温数据在插值后生成的预测值与真实值之间线性回归图，表1是在此基础上产生的误差比对。由表1可知，RMS的排序为：反距离加权插值法＜普通克里格插值法＜样条函数插值法；MEAN的排序为：样条函数插值法＜普通克里格插值法＜反距离加权插值法。因此，普通克里格插值法最优，样条函数插值法次之，反距离加权插值法较差。