摘要：气象数据的插值对于农业生产、生态环境资源监测和气候资源开发利用等方面具有重要意义。气象数据的空间化是气象行业研究的热点之一，本文将对利用不同插值算法对研究区多年平均气温与降水数据空间插值方法进行研究。以吉林省为研究区，以获取的多年日平均气温和日降水量數据为基础数据，并对数据进行预处理操作，以保证插值数据的准确性。选择普通克里金法、反距离权重法、样条函数法、自然邻域法和趋势面法为此次研究的五种插值算法，利用“实际”验证法进行插值结果进行精度验证，以平均绝对误差 MAE（Mean Absolute Error）、平方根误差RMSIE（Root Mean Squared Interpolation Error）和相对误差分布范围评价空间插值效果。最后，结合研究区数字高程模型（DEM，Digital Elevation Model）和遥感影像数据，对气温和降水量的空间分布规律进行了分析和讨论。

关键词：气象要素；空间插值；吉林省；气温；降水

中图分类号： P468 文献标识码： A DOI编号： 10.14025/j.cnki.jlny.2018.20.076

随着科学技术的不断进步，人们越来越关注气象要素对人类生产和生活的影响，气象数据可以作为多学科、多行业研究的基础数据。通常研究区覆盖范围内气象观测站数量越多，观测频率越高，且观测站站点分布较为均匀的时候，能够获得较为准确的气象数据，但由于资金、人员的制约和地理条件的限制，很难建立足够密集的气象观测站点用于气象数据的获取，所以需要通过其他技术方法解决这一问题。针对这一问题，学者们开始从多学科相结合角度进行气象数据的研究，其中统计学、地理信息技术和计算机等技术被广泛应用于气象研究。研究人员通过建立数学模型，根据已知观测站点的气象数据来获取研究区范围内的气象信息，是当今生产中普遍选择的一种工作方案[1-2]。

越来越多的学者关注于气象要素的空间化插值方法的研究，常用于气象要素空间插值的方法有多项式插值法、反距离加权插值法、克里金插值法、梯度距离反比插值法、样条函数插值法、趋势面插值法等[3-6]。本文选择吉林省为研究区，对研究区气温与降水数据插值方法进行了研究，结合地学知识，基于插值结果与数字高程模型和遥感影像数据分析气温和降水要素的空间分布特点，对这两类要素的应用具有一定的参考价值。

1 资料与研究方法

1.1研究区域概况

吉林省地理位置处于中国东北，与黑龙江、辽宁并称东北三省，经纬度范围是：东经121°38′～131°19′、北纬40°50′～46°19′，吉林省属于温带大陆性季风气候，四季分明，雨热同季。夏季高温多雨，冬季寒冷干燥。从东南向西北由湿润气候过渡到半湿润气候再到半干旱气候。吉林省气温、降水、温度、风以及气象灾害等都有明显的季节变化和地域差异。冬季平均气温在-11℃以下。夏季平原平均气温在23℃以上。年平均降水量为400～600毫米，但季节和区域差异较大，80%集中在夏季，以东部降雨量最为丰沛。

1.2 数据介绍

本次研究选择的数据包括气温与降水量统计数据、数字高程模型、遥感影像数据，以及吉林省其他自然与社会经济相关资料。

1.2.1气象站点数据 气象数据为选择与人类生活和生产息息相关的气温和降水量数据，具体为1951年～2015年吉林省共计55个观测站的日均气温和日均降水量统计数据，旨在研究吉林省多年平均气温与降水量变化情况，数据来源于吉林省气象局，气象数据观测站站点覆盖整个研究区。数据包括气象台站的名称、编号与地理位置坐标数据。

1.2.2其他数据 主要包括SRTM（Shuttle Radar Topography Mission） 90米数字高程模型、遥感影像数据。其中数字高程模型数据从美国USGS数据共享中心获得，SRTM数据是由美国太空总署（NASA）和国防部国家测绘局（NIMA）联合测量得到，最新版本为SRTM-4，虽然该数据的空间分辨率只有90米，远低于Aster GDEM数字高程模型的30米分辨率，但在部分地区其高程精度要高于对方，该数据被广泛应用于地形、地貌的特征识别和分析，也被作为三维系统高程信息的基础数据，本次研究中主要用于气象要素的空间分布讨论。

1.3 研究方法

观测站自动观测所在地实时气象数据，需要对收集到的逐日气象数据进行数据预处理操作，具体操作包括气象数据的极值检查、数据内部一致性检查和时间序列检查等[7]。具体检查项包括：极值检查，数据内部一致性检查，时间序列检查。

用于气温与降水数据的空间插值方法是普通克里金法、反距离权重法、样条函数法、自然邻域法和趋势面法。

2 气温空间插值方法适用性研究

插值软件是ArcGIS10.1，该软件空间分析模块的插值功能能够实现本次研究所选择的5种插值方法，其中每个插值方法需要输入的参数或选择的模型分别是：反距离加权法，梯度距离反比法的幂指数取值为2；样条函数法采用薄板样条函数；趋势面法采用二次趋势面方程；普通克里金法的拟合半方差模型采用球状模型。

2.1 气温与降水空间插值实验

随着时间的推移，研究区气候特点也在不断变化，年际之间的气候变化规律是气象学研究的重点之一。选择2000年～2015年，时间跨度为16年，对经过处理后的多年均气温数据进行空间插值计算。

由表1可知，年平均气温插值的MAE数值趋势面插值法值最大，自然邻域法值最小，其值分别为0.882、1.129、1.532、1.8741和1.914，排序为NN

由表2可知，年降水量插值的MAE数值趋势面插值法值最大，反距离权重法值最小，其值分别为100.3、103.9、105.2、116.4和120.6。排序为NN

2.2插值结果精度分析

2.2.1 气温插值结果精度分析 年平均气温插值后站点的相对误差分布见表3，通过统计落入不同误差范围内的样本点数量，分别将不同范围的统计值与总样本数求比值，并用百分数表示，本次研究将误差范围分为<10%、10%～20%、20%～30%、30%～50%、50%～100%和>100%等六类。对研究区气温插值结果进行误差分类，见表3。

通过表3可知，样条函数法（Spline）效果最好，处于“<10%”分级范围内的样本点所占比值是68.4%，处于“50%～100%和>100%”范围内的样本点数量值合计为6.7%。其次是普通克里金法，趋势面法处于“50%～100%和>100%”范围内的样本点所占比值总计为23.5%。

2.2.2 降水插值结果精度分析

通过表4可知，对于2000年～2015年平均降水量，自然邻域法（NN）效果最好，处于<10%和10%～20%分级范围内的样本点所占比值是81.9%，数量分别为69.4%和12.5%，处于误差范围分级较高的50%～100%和>100%的样本点数量分别为2.6%和2.6%。

结合插值结果分布图与遥感影像数据，对于年平均降水量，插值结果精度较低的区域为西北地区，其主要原因同样是高程落差大，地形起伏度高，以及站点稀疏。

3 不同要素空间分布分析

以上对研究区域多年气温和降水数据空间插值算法进行了实验。在实际生产应用中，进行空间插值的目的是获取目标区域气温的模拟数值，其中一个重要应用是将插值结果与研究区域数字高程模型及遥感影像等地理数据相结合，通过分析气温的地理空间分布情况，从而为农业生产、灾害监测和生态环境监测等提供数据支撑[8-11]，本章将对不同时间尺度气温的空间分布情况进行分析。将参与空间分析的插值数据重采样为10米，将数字高程模型重分类为9个数值范围。

3.1 气温空间分布分析

选取1988年年平均气温插值结果数据进行空间分布分析，图1为研究区季均气温自然邻域法（NN）插值结果图。

从数字高程模型数据可以看出，研究区西北区域高程低，东南区域高程最高，在东北处有一小区域高程值要高于周边地形，最小值为10米，高程最大值为2643米，高程差值比较大。由研究区不同时间尺度的气温插值结果图可知，研究区东南区域温度最低，由东南向西北温度逐渐升高，主要原因是东南区域高程值大，地形坡度大，温度梯度较大，越往西，地形低且平缓，温度相对较高而且变化小。从研究区气温插值结果图可知，气温插值结果以128°为分界线，左边的趋势是从左到右温度逐渐升高，右边的趋势是从左到右温度逐渐降低。

3.2 降水量空间分布分析

选取1977年～1992年年均降水量插值结果数据进行空间分布分析，图2分别为研究区月总降水量自然邻域法（NN）插值结果图。

结合数字高程模型数据可以看出，研究区西北区域高程低，东南区域高程最高，在东北处有一小区域高程值要高于周边地形，研究区高程最小值为10米，高程最大值为2643米，高程差值比较大。由年均降水量插值图可以看出，降水量最多的地方集中在南部，由南向北降水量逐渐减少，年均降水量最少的地方是西北区域，最小降水量低于400毫米。结合数字高程模型数据和年均降水量插值结果图可以看出：西北部地区高程低，降水量少，南部及东南地区高程高，且年均降水量较高，主要原因是南部区域靠近海洋；西北部远离海洋，高程低，降水量较少。

从研究区不同尺度降水量插值结果图可知，随着经度的增加，降水量先增多后减少，以127°为分界线，西边的趋势是降水量逐渐增加，东边的趋势是降水量逐渐减少。

研究区地形起伏，全省高程差非常大，研究区南部与东部邻海，同时研究区内植被覆盖度高，水资源丰富，这就使得整个研究区气候差异大，从研究区数字高程模型数据、降水量插值图和气温插值图可知，西部与西北部区域高程低，高程变化小，地势平缓，降水量少，气温高；南部与东南部地区高程高，高程变化明显，地形复杂，地势多变，靠近海洋，水汽运动明显，植被覆盖度高，年降水量多，年均气温低，该区域气候变化明显，年均降水量以127°经线为界，向两边降水量逐渐减少。年均气温以128°经线为界，向两边气温逐渐降低。

4 结语

本文通过对现有空间插值方法的分析和研究，选择吉林省为研究区，以研究区1961年～2015年55年的日均气温和日降水量数据为基础数据，主要研究了研究区气象要素的空间插值方法，并对插值结果进行了精度验证与分析，最后对研究区年均气温和年降水量进行了空间分析。本论文的主要研究成果和结论包括以下几个方面：

一是选择普通克里金法、反距离权重法、样条函数法、自然邻域法和趋势面法5种插值方法，对研究区多年气温与降水量进行空间插值研究，旨在研究不同插值方法对气温和降水数据的插值适宜性，通过研究发现，对于多年均气温，自然邻域法插值精度优于其他四种方法，对于年均降水量，反距离权重法插值精度较高。

二是利用GIS空间分析功能，对研究区多年平均气温和年平均降水量进行了空间分布分析，发现研究区高程低的区域降水量少且气温高。高程高的区域降水量多且气温低，同时年均气温和年均降水量分别以127°经线和128°经线为界，分别向两边逐渐减少与降低。

参考文献

[1]吴波.气象科技服务发展现状及对策[J].现代农业科技.2010（07）：336-336.

[2]Xie P.， P. Yatagai.A， M. Chen，etal.，2007：A gauge-based analysis of daily precipitation over East Asia[J]. J.Hy-drometeor，（08）：607-626.

[3]阵新，程国栋，卢玲.空间内插方法比较[J].地球科学进展，2000，15（03）： 260-26.5.

[4]李正泉.东北地区降水与湿度气候资料的栅格化技术[J].资源科学，2003，5（01）：72-77.

[5]岳文泽，徐建华，徐丽华.基于地统计方法的气候要素空间插值研究[J].高原气象，2005，24（06）：974-980.

[6]李军，游松财，黄敬峰，等.中国1961～2000年月平均气温空间插值方法与空间分布[J].生态环境，2006，15（01）：109-114.

[7]赵永.基于GIS技术的福建地区降水空间分布模型研究[硕士论文]，福建：福建师范大学，2008.

[8]臧辰龙.基于中国区域的气温和降水量的插值方法研究[硕士论文]，山东：山东农业大学，2014.

[9]李强.基于地统计的区域气象要素空间插值与分布研究[J].资源开发与市场，2012，28（05）：393-395.

[10]郑小波，罗宇翔，于飞，等.西南复杂山地农业气候要素空间插值方法比较[J].中国农业气象，2008， 29（04）：458 - 462.

[11]方书敏，钱正堂，李远平.甘肃省降水的空间内插方法比较[J].干旱区资源与环境，2005，19（03）：47-50.

作者简介：张梦远，本科学历，工程师，研究方向：灾害天气研究和中期预报。