基于ANUSPLIN的安徽省气象要素空间插值的研究#刘朝顺，束士杰*510152025303540（华东师范大学地理信息科学教育部重点实验室，上海200062）摘要：高精度的空间气象数据是气候、水文、生态及环境等研究必不可少的基础参数。本文尝试运用基于薄盘光滑样条函数插值理论的气象要素专用插值软件ANUSPLIN，利用安徽省71个气象站点日平均、月平均与年平均三个时间尺度下的气温数据和月平均与年平均两个时间尺度下的降水量数据对全省的气温和降水量进行空间插值。在插值过程中进行了针对三个变量（经度、纬度与高程）间不同组合形成的模型对于各个时间尺度下气象要素的插值效果实验，以获取最优的模型进行插值。对ANUSPLIN插值结果和普通克里格插值结果进行比较，证实ANUSPLIN的插值结果比普通克里格插值精度高、光滑度好，更适合用于气象数据的空间插值。关键词：气温；降水；DEM；空间插值；ANUSPLIN；薄盘光滑样条中图分类号：P413SpatialinterpolationofmeteorologicalvariablesoverAnhuiprovincebasedonANUSPLINLIUChaoshun,SHUshijie(KeyLaboratoryofGeographicInformationScience,MinistryofEducation,EastChinaNormalUniversity,Shanghai200062)Abstract:Spatialgridmeteorologicaldatawithhighprecisionareveryimportantparametersforstudyonclimate,hydrology,ecology,andevironmentresearchfields.ThispaperattemptstouseANUSPLIN,asoftwarebasedonthin-platesmoothingsplineforspatialinterpolation,tointerpolateaveragetemperatureandprecipitationindifferenttimescaleswithsourcedatafrom71meteorologicalstationsinAnhuiProvince.Beforeinterpolation,differentANUSPLINmodelswiththecombinationofthreevariants(longitude,latitudeandelevation)wereperformedtoensurethebestonecorrespondeachsourcedataindaily,monthlyandannualscale.TheinterpolatingresultsoftheANUSPLINwerecomparedwiththoseinterpolateddatabasedonordinarykrigingmethod.TheresultsshowthattheANUSPLINperformsmoreaccuracyandsmoothnessinallthetimescalesoftemperatureandprecipitationthanthosegeneratedbyordinarykrigingmethod.ItindicatesthattheANUSPLINismoresuitableforspatialinterpolationofmeteorologicalvariables.Keywords:Temperature;Precipitation;DEM;SpatialInterpolation;ANUSPLIN，Thin-PlateSmoothingSpline0引言空间数据插值是地理空间分析中重要的研究手段之一，用于填补数据缺值与数据格网化。准确的插值获得的地理要素可以作为景观、区域、全球等不同尺度下的气候、水文、陆面、生态等模型的输入参数，并在很大程度上影响到模式模拟获得的结果，其重要性不言而喻[1]。气象要素作为一种典型的地理要素同时也是大多地学模型必不可少的输入参数，但受---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---基金项目：国家自然科学基金(41101037);高等学校博士学科点专项科研基金资助课题(20100076120024);中央高校基本科研业务费专项(华东师范大学);地理信息科学教育部重点实验室主任基金(KLGIS2011C06)作者简介：刘朝顺（1980-），男，副研究员，主要研究方向：定量遥感与数据同化.csliu@re.ecnu.edu.cn-1----本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---人力、物力、以及区域地表等客观条件的影响，气象站点在区域尺度上呈现为密度低、不均匀的分布，站点的观测数据不利于进一步的空间分析研究和区域建模[2]。目前应用于空间插值的方法按原理分主要有几何方法、统计方法、空间统计方法、函数4550556065方法、随机模拟方法、确定性模拟法、综合方法七类[3]，各种方法均有各自的适用范围与优缺点，如几何方法与统计方法较为简便，计算量小，但精度偏低；空间统计方法计算比较复杂，但精度较高；函数方法所得结果具有趋势面特点，精度较难判断等。出于数据特点、算法复杂度和插值精度等的考虑，常用的插值方法有反距离加权平均法、多元回归法、趋势面分析、克里格插值、共协克里格插值核样条函数法[4]等，其中基于...