如何对离散分布的气象台站观测数据进行高精度曲面模拟,为生态系统及服务功能时空变化趋势模拟及其综合评估提供高质量、高分辨率的空间气候数据,以满足栅格层次上的生态系统过程模型、生态系统格局模型及生态系统综合评估模型的参数需求,一直是存于生态学界的难点问题。在对全国1964-2007年的752个气象台站长期观测的气温和降水数据进行空间统计分析的基础上,综合考虑DEM数据、经纬度、坡向、坡度等系列地形特征因子对气温和降水空间分布的影响,对全国平均气温和平均降水空间分布趋势模型进行构建,并将其与高精度曲面建模(HASM)方法进行集成,实现研究周期内各时段的年平均气温和年平均降水时空变化趋势模拟。模拟结果表明,在1964-1974(C1)、1975-1985(C2)、1986-1996(C3)和1997-2007(C4)年4个时段内,全国年平均气温总体呈持续上升趋势(平均每10年上升近0.28℃),而全国平均降水总量变化幅度不大,存在显著的区域分布差异及变化特征。论文所建立的模型和方法,可以高效快速地实现将离散点气候观测数据转换成高分辨率的空间栅格数据,从而保证多尺度生态系统时空分析模型的参数精度需求。

气温数据空间化是插补无站地区温度、使气温数据便于综合分析的重要技术手段。理想情况下,气温的空间化分布受经度、纬度和海拔高度的影响,呈现规律性的空间分布态势。但是,各种微观因子如坡度、坡向、地形起伏、地表覆被等的存在,在一定程度上扰乱并弱化了这种规律性的分布态势。本文基于Matlab平台,利用BP神经网络研究了多年平均气温数据空间化的新方法。结果表明,与传统的IDW插值、Kriging插值、样条插值和趋势面插值相比,BP神经网络的绝对误差仅为0.51℃,具有较高的空间化精度,同时它更加准确地反映了诸如阿尔泰山、天山、昆仑山、喜马拉雅山等山区低温带的气温分布规律。本研究不仅丰富了气温数据空间化的理论、技术和方法,为相关研究提供了重要的基础数据;而且也为降雨、蒸发等模型因果关系不十分明确的气候/气象要素的空间化提供了一定的参考和借鉴。

气温是最重要的气象因子之一,空间插值为台站气象数据降尺度提供了有效方法。本文利用江苏省67个气象台站2003年的逐日气温资料计算逐月平均气温和年平均气温,结合空间分辨率为30m×30m的DEM数据,分别利用反距离权重法、张力样条插值法、普通克里格插值法和协同克里格插值法,对月和年平均气温进行插值,并利用交叉验证法对插值精度进行了验证。研究结果表明,考虑空间自相关性的普通克里格法的插值精度明显优于反距离权重法和张力样条插值法;而协同克里格法由于考虑了经纬度、距海岸距离和高程等影响气温空间分布的局地因素,其插值精度一般略优于普通克里格法,尤其是在站点稀疏的情况下,协同克里格的优势更加明显;由于受海陆分布和东亚季风的影响,江苏省气温的空间分布与距海岸距离有关,在利用协同克里格进行空间插值时,距海岸距离也是一个值得关注的因素。