论文部分内容阅读
气温是反映地球表层系统热量状态的基本气象要素之一，不仅是人类日常生活、工作、出行以及农事等活动的重要指导因子，更是科学研究的重要对象，是区划边界划分及地表陆面过程模拟的重要参数。目前可直接获取的气温数据主要来源于国家及各省市气象台站的监测数据，是一系列分布不均匀的站点数据，因此要全面深刻地了解我国气温分布情况，仅仅依赖于有限的监测数据是不够的。空间插值方法是获取连续未知区域气温数据的有效方法，而且通过空间插值获得的气温数据能够有效地与其他基于栅格的环境、遥感等数据进行叠加分析，适合作为模型的输入变量参与模型的计算。 气温监测数据存在小时、日、月、年、多年平均等不同的时间尺度，研究掌握不同时间尺度气温数据的特征规律，对比分析不同时间尺度气温插值的适宜算法，是精细刻画不同时间尺度下气温空间分布规律的重要手段，是地表陆面过程模型模拟不同时间步长参数的迫切需求。为此，本文分别选择了2010年1月1日、2010年7月1日的日平均气温，2010年1月、2010年7月的月平均气温，以及2010年的年平均气温作为源数据，在分析气温与经度、纬度、高程、坡度、坡向和地表粗糙度的相关关系基础上，通过逐步回归选择对气温回归模型贡献最大的地形因子作为回归参数。通过一系列空间插值方法的对比分析，总结气温时间尺度效应导致的气温数据空间平稳性差异对空间插值精度及插值结果空间分布特点的影响规律，确定出不同时间尺度、不同季节最适宜的气温插值算法。论文取得的主要成果及结论如下: 1)冬季日尺度、月尺度与年尺度气温数据在空间上是非平稳的，在南北方向上存在显著的随纬度降低温度逐渐升高的线性趋势，夏季日尺度与月尺度气温数据均是空间平稳的;影响不同时间尺度气温的环境因子不同;2）综合插值法如回归克里格、地理加权回归克里格和局部回归克里格适宜于不同时间尺度气温数据的空间化;局部回归克里格的插值精度与插值邻域大小密切相关，不同时间尺度的最优插值邻域不同;3）插值精度与插值结果的可靠性并非一一对应，对于局部模型，不同时间尺度气温插值结果的可靠性受局部邻域大小的控制，随着邻域的增大，可靠性提高;4)随着时间序列的增长，所有插值方法的理论精度都存在不同程度地提高，但是当气温数据达到稳定时，时间序列的长短对插值精度的贡献并不大。