气温网格化方法对比分析.pdf

收稿日期院 圆园23原3原1基金项目院黑龙江省气象局智能网格预报及数值模式释用创新团队和黑龙江省气象局科学技术研究项目渊HQZC201908冤第一作者简介院王承伟渊1973-冤袁女袁黑龙江省尚志市人袁南京气象学院袁硕士生袁正高级工程师.王承伟袁国世友袁赵美玲渊黑龙江省气象台,黑龙江 哈尔滨 150030冤气温网格化方法对比分析摘要院为获取区域气温最优网格化方案袁采用反距离权重法尧普通克里格法尧径向基函数法和改进谢别德法对黑龙江省 976 个观测站气温资料进行网格化袁并利用 NCEP/GFS 资料进行验证遥 结果表明院4 种方法的气温误差空间分布存在差异袁反距离权重法尧普通克里格法的分布比较均匀袁而径向基函数法尧改进谢别德法存在误差大值点遥4 种方法均能反映气温误差随时间变化特征袁夏季的误差小于冬季袁反距离权重法最小袁普通克里格法次之袁径向基函数法再次之袁改进谢别德法最大遥 研究结果可以为气温网格化方法的选取提供借鉴遥关键词院气温曰网格化曰反距离权重法中图分类号院P456.7文献标识码院AComparison of Gridding Methods on Air TemperatureWANG Cheng-wei,GUO Shi-you,ZHAO Mei-ling(Heilongjiang Meteorological Observatory,Heilongjiang Harbin 150030)Abstract:In order to obtain the optimal gridding methods and simulate the spatial distribution of air temperaturein Heilongjiang Province,this paper selects inverse distance weighting(IDW),ordinary Kriging(OK),Radial Ba鄄sis Functions(RBF),Modified Shepard爷s Method(MSM)to grid based on data from 976 meteorological stations inHeilongjiang Province under the support of Surfer 8.0 platform,and compares the air temperature absolute errorof each gridding method.Results indicate that the spatial distribution of the air temperature absolute error of thefour gridding methods is different,and the air temperature absolute error distribution of IDW and OK is more u鄄niform,and the air temperature absolute error distribution of RBF and MSM is not uniform.Those four methodscan reflect the characteristics of the time variation of air temperature absolute error in Heilongjiang Province tosome extent.The air temperature absolute error of each gridding method in summer is smaller than that in win鄄ter,and the air temperature absolute error of IDW has the lowest absolute error,followed by OK爷s,RBF爷s hasslightly lower accuracy,and MSM爷s has the worst accuracy.The research results can provide reference for the se鄄lection of temperature gridding methods in Heilongjiang Province.Key words:Temperature;Gridding;Inverse distance weight文章编号院员园园圆原圆缘圆载穴圆园23雪园2原园园07原园31引言随着社会的发展袁 人类对气象服务的需求越来越高袁需要更加精细尧准确的天气预报产品遥 定点尧定时尧 定量的客观气象要素预报是建立在数值天气预报基础上的袁而数值模式的气象要素预报存在误差袁这就需要基于数值预报产品释用技术进行气象要素预报的再加工和修正袁以提高预报准确率1遥 用地面台站观测的高精度气象数据估计数值预报产品初始误差是非常必要的袁 这就需要采用网格化方法将空间分布不均的地面监测数据插值到网格点上袁 以获取整个区域内气象要素的网格化数据遥国内外研究人员对网格化方法进行了大量研究遥国外 Hansen2采用的网格化方法是在较大的格点内选择一个时间最长的台站作为参考站袁 然后计算每个时次所有站的距离权重平均袁 形成该格点的序列渊RSM袁Reference Station Method冤遥 Peterson3提出一第 40 卷第 2 期2023 年 6 月黑 龙 江 气 象HEILONGJIANG METEOROLOGYVol.40No.2Jun.2023个尽可能利用所有台站信息的一级差分方法渊FDM,First Difference Method冤遥 国内李颖4尧赵冰雪5尧廖荣伟6等使用反距离权重法尧全局多项式法尧局部多项式法尧径向基函数法尧普通克里格法尧协同克里格法尧薄盘样条法尧 谢别德法和最优插值法等对观测数据进行网格化遥 由于网格化方法比较多袁各种方法的适用环境不同袁并没有一种方法完全适用于所有情景袁因此需要根据实际情况优选方法遥本文以 Surfer 8.0 软件的 4 种常用空间插值模型为研究对象袁 利用黑龙江省气温观测数据和美国国家环境预测中心(NCEP)的 GFS(Global ForecastingSystem)预报资料袁对比分析由采用不同插值方法得到的气温误差特征袁 结论可为选用气象要素的空间网格化方法提供借鉴遥2资料与方法使用的资料为黑龙江省 976 个观测站 渊图 1冤2018 年 7 月 1 日-2019 年 10 月 31 日逐日 20 时气温遥NCEP/GFS 预报的逐日 20 时初始场 2 m 气温袁空间分辨率 0.25毅伊0.25毅袁黑龙江省内有 890 个格点袁缺2019 年 4 月 1-30 日尧8 月 11 日尧9 月 26 日尧9 月 28日数据袁实际使用 455 d 资料遥基于 Surfer 8.0 软件平台袁分别采用反距离权重法渊Inverse Distance Weighting袁IDW冤尧普通克里格法渊Ordinary Kriging袁OK冤尧径向基函数法渊Radial BasisFunctions袁RBF冤和改进谢别德法渊Modified Shepard爷sMethod袁MSM冤对观测的气温进行网格化袁网格分布与 NCEP/GFS 资料的相同遥 用观测气温的网格化数据与 NCEP/GFS 资料的绝对误差渊MAE冤7-8评估 4 种网格化方法的效果袁 绝对误差越小则网格化方法的效果越好遥3结果分析3.1误差空间变化图 2 为使用 4 种网格化方法得到 890 个格点的图 1地面观测站分布图 2渊a冤IDW尧渊b冤OK尧渊c冤RBF 和渊d冤MSM 的 455 d 气温平均绝对误差空间分布渊单位院益冤黑龙江省 455 d 20 时气温与 NCEP/GFS 的 20 时初始场 2 m 气温平均绝对误差分布遥 由图可见袁4 种方法的气温误差空间分布均存在差异袁 误差较大区域主要位于北部和东南部山区遥 IDW 的大兴安岭尧 黑河北部尧 伊春尧 牡丹江2 益区域较多袁 其它大部地区2益区域增大袁两者主要差异在黑河中部尧哈尔滨东部尧鸡西遥 RBF2 益区域比 OK 的还要大袁牡丹江东南部尧大兴安岭与黑河交界处存在4 益区域遥 MSM 的2 益范围较广袁4 益区域比 RBF 进一步扩大袁且空间分布不均袁主要分布在大兴安岭尧黑河尧伊春尧绥化北部尧牡丹江遥可见袁IDW尧OK 的误差分布相对比较均匀袁而 RBF尧MSM 存在误差大值点曰IDW 的2 益范围最小袁 其次是 OK袁MSM的最大遥由 4 种方法 890 个格点的气温平均绝对误差在不同范围出现频率可以了解到渊表 1冤袁随着误差的增大袁格点的数量在变少袁其中 IDW 的没有逸4.0 益点袁表 14 种方法的 455 d 气温平均绝对误差出现频率渊%冤臆1.9 益2.0-2.9 益3.0-3.9 益逸4.0 益IDW633340OK554041RBF424567MSM36331021第 40 卷黑龙江气象8注院a 时段为 2018 年 7-9 月曰b 时段 2018 年 10 月-2019 年2 月曰c 时段 2019 年 3-9 月曰d 时段 2019 年 10 月遥 其中2019 年 4 月 1-30 日尧2019 年 8 月 11 日尧9 月 26 日尧9 月28 日资料未参与统计遥表 24 种方法 890 个格点气温平均绝对误差渊单位院益冤OK 的仅占 1%袁而 RBF尧MSM 的占比相对较大袁为 7%尧21%遥 大多数格点的气温误差3.0 益袁IDW尧OK的格点数相当袁 分别占 96%尧95%袁 但 IDW 的2.0益格点比 OK 的多 8%袁 说明 IDW 较 OK 为优曰RBF的4.0 益也达到了 93%袁 但3.0 益的格点比 IDW尧OK 分别少 9%尧8%袁逸4.0 益的格点也多于以上两种方法遥 MSM 的4.0 益格点最少为 79%袁 高于 4.0益的格点达 21%袁远多于 IDW尧OK袁比 RBF 的也明显偏多遥通过以上分析可以看出袁用 IDW 和 OK 作气温网格化优于 RBF尧MSM 的结果遥3.2误差时间变化从 890 个格点气温平均绝对误差逐日变化可以看出渊图 3冤袁4 种方法的气温误差随时间变化趋势较为一致袁总体呈现平缓尧上升尧下降尧上升尧下降尧上升6 个阶段袁误差均在 10 月至次年 2 月处于最大时段袁其它月份相对较小遥 IDW尧OK 的逐日误差大都3 益日数较多袁MSM 的大都3 益遥 可见袁IDW尧OK 的误差较小袁RBF 其次袁MSM 最大遥依据气温平均绝对误差逐日变化特征袁 划分不同时段来对比 4 种方法的误差变化渊表 2冤袁各种方法图 3890 个格点渊a冤IDW尧渊b冤OK尧渊c冤RBF 和渊d冤MSM 的气温平均绝对误差逐日变化的 a 时段误差最小袁b 时段的最大袁b 时段误差大可能是由于秋末和冬季冷暖空气交替频繁袁NCEP/GFS 模式对气温变化幅度大不敏感造成的遥 从各时段误差来看袁IDW 的均2 益的范围较小曰而径向基函数法尧改进谢别德法的存在较大误差点袁误差2 益的区域较多遥渊2冤4 种网格化方法均能反映误差随时间变化的特征袁7-9 月较小袁10 月-次年 2 月较大遥 大多时段袁反距离权重法的误差较小袁普通克里格法次之袁径向基函数法再次之袁改进谢别德法的最大遥参考文献1潘晓滨,何宏让,王春明.数值天气预报产品解释应用M.北京院气象出版社,2016:1-8.2Hansen J,Lebedeff S.Global trends of measured sur鄄face air temperatures 1987 J.Journal of GeophysicalResearch:Earth Surface,1987,92(11):13345-133723Peterson T C,Karl T R,Jamason P F,et al.First dif鄄ference method:Maximum station density for the calcu鄄lation of long term global temperature changeJ.Journalof Geophysical Research:Earth Surface,1998,103(20):25967-25974.4李颖,张俊东,陈庆涛.GPS 大气可降水量空间插值方法对比研究J.气象与环境科学,2013,36(1):1-6.5赵冰雪,王雷,程东亚.安徽省气象数据空间插值方法比较与分布特征J水土保持研究,2017,24(3):141-144.6廖荣伟,曹丽娟,张冬斌,等.中国地面气温和降水网格化数据精度比较J.气象科技,2017,45(2):364-373.7王承伟,刘松涛,刘长城.黑龙江省智能网格客观预报方法评估J.黑龙江气象,2018,35(3):9-11.8董苍鹏,赵磊.陕西智能网格气象预报系统渊秦智冤在佛坪的检验J.陕西气象,2020,(5):16-20.IDWOKRBFMSMa 时段1.691.642.082.87b 时段1.972.262.923.90c 时段1.881.882.413.32d 时段1.722.012.924.42全时段1.861.962.553.50王承伟,等院气温网格化方法对比分析第 2 期9