运用GIS方法估计季节性气温的空间分布-以浙江省为例外文翻译资料

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

运用GIS方法估计季节性气温的空间分布-以浙江省为例

摘要：本文介绍了浙江省东南部基于GIS技术的季节性温度模型。使用1km分辨率DEM导出的地形变量作为季节温度的预测因子，采用基于回归的方法，用于建模的变量包括：精度、纬度、海拔高度、距离最近的海岸、方向最近的海岸、坡度、坡向以及给定半径内的陆地与海洋的比例。采用59个气象站点1971年至2000年观测的季节性温度数据，其中的52个气象站温度数据用于构建回归模型，保留剩余的7个站点的数据作为误差验证。季节性温度表面通过使用回归方程构建，并减去通过使用克里金回归模型预测的表面的残差。纬度、海拔高度和海洋距离被认为是预测当地季节性气候最重要的因子。验证回归加克里金预测季节温度系数，其估计值和观测值之间的测定大概范围（R2）为0.757（秋季）和0.935（冬季）。一个简单的回归模型不使用克里金数据量，其结果除秋天的温度之外，所有季节都不会产生不合格的结果。

关键词：GIS；多元回归分析；空间插值；季节性温度；空间分布

1. 引言

气象空间分布估计数据正在成为越来越重要的输入空间明确的景观，区域和全球楷模。插值是一种常用的翻译方法估计气象空间分布来自遥远的气象数据站到栅格数据，这有利于简单方便。空间的选择内插器在山区尤为重要数据收集稀疏和气象的地区变量可能会在短的空间尺度上改变。传统上，用来插值的方法气象变量是线性插值在车站之间和绘制等值线的基础上研究人员正在研究的领域的知识。随着电脑的普及，更多的插值提出并实施了程序。那里是近期关于气象插值的工作处理模型的因素。插值通常用于估计温度的方法包括反距离权重（Eischeidet al。，1995;列侬和特纳，1995年;威尔莫特和松浦，1995; Ashraf等，1997;多德森和Marks，1997）花键（Hulme等，1995; Lennon和Turner，1995）和克里金（Hudson和Wackernagel，1994;哈蒙德和亚里，1996年; Holdaway，1996; Ashraf等，1997）。还有研究寻求地理变量与温度变量之间的统计关系（Benzi et al。，1997; Chessa和Delitala，1997;哈吉，1997;沃格特et al。，1997）。这些研究通常使用变量如海拔，纬度和经度作为预测因子的温度变量。 GIS是一个有效的工具数据整合与空间分析（Rhind，1991）并已被用于模拟温度（Lennon和特纳，1995年; Goodale等，1998; Kurzman和Kadmon，1999; Ninyerola等，2000; Agnew和Palutikof，2000）。本研究旨在开发客观的绘图以及考虑到地理位置的插值方法变量，并使用GIS技术获取季节性温度的最终地图比较大面积。目前的工作使用经验和统计估计空间分布的程序浙江省（东南部）季节性气温中国）。这个过程是经验的，因为它使用从气象站获得的数据建立和验证模型，也是统计学因为它是基于多元回归建模，然后是残留物的克里奇。在回归中建模，作为因变量，我们使用季节性温度，而作为自变量，我们使用高度，纬度，经度，距离海，坡，面等温度的变化与地形变量是前提的基础模型制定。

1. 研究区域与数据

2.1研究区域

浙江省（118ordm;00〜123ordm;00E，27ordm;00〜31ordm;30N）位于长江以南三角洲在中国东南部，其中71.6％的土地是山，22.0％平原和6.4％的水（图1）。该地形是非常复杂和可变的，包括山，丘陵和平原。 省面积101 800平方公里，人口众多约4500万。 根据地形结构和生态环境以及作物区域分布特征六个区域有自己的农地地形得到承认：浙江省平原地区，浙江西北山山地区浙江东部流域，浙江中部山区流域，浙江南部山区，岛屿和沿海平原地区浙江东南部 浙江省位于中国东南部属于中北部地区亚热带气象台（浙江统计局，1998）。

2.2数据采集和预处理

获得月平均气温数据来自浙江59个气象站气象局。因为世界气象组织（WMO）作为30年对一系列的最佳长度，站数据进行平均在1971年至2000年期间。只有网站保留至少25年的记录，除外对于所有记录的200米以上的地点用过的。超过200米的所有站点至少有22年记录。季节气温数据来自52个气象站用于构建回归模型。其他7个站的数据为保留用于模型验证。点覆盖的用于参数化的气象站模型在Arc / Info中创建。标准季节使用：12月，1月和2月冬，三，四，五月春，六月，7月，8月为夏季，9月，10月，秋季十一月。推导出数字高程模型（DEM）
从1：250000尺度的地形图以分辨率100米。 DEM被重新采样到一个决议1公里取平均值100原每个新网格单元的高程像素。一个1：250000尺度的矢量海岸线的研究区域和国界获得政治界限中国数学中心（NGCC）。矢量海岸线然后转换为栅格数据分辨率为高程数据，1公里。土地细胞是分配值为1，海细胞值为0。

1. 方法说明

该方法用于绘制季节性温度，基于季节回归模型温度，首先用地理标准化因素作为自变量，其次是通过插值模型残差。 这个方法涉及确定性和随机组件。地形变量用于参数化回归模型代表确定性模型的组成部分。 回归的残差模型，被视为随机空间变量，代表随机分量并进行插值使用克里金方法。 回归面并将内插的残余表面加在一起得到最终的数据集。 弧/信息GIS应用于季节性温度的4幅地图。

3.1多元线性回归模型

在给定方向的楔形内的最大高程和半径（ZXx），以确定人口强迫对温度的影响。这个变量使用FOCALMAX函数导出在Arc / Info中。经度和纬度变量（LON和LAT）包括参数化大规模梯度浙江省温度。的方向每个单元格面向的（aspect，ASP_x）都很重要因为对微气候的影响风，其SLOPE将决定数量太阳辐射受到影响，从而影响温度。斜率和方面是使用函数得出的Arc / Info中的名称相同。到最近的海岸线的距离包括在内考虑海洋影响并产生在Arc / Info中使用NEAR功能。进一步的测量的海岸线，即平均土地面积所选半径内的单元格（LANx）（x = 5，10，20，50和100公里），使用FOCALMEAN函数计算在Arc / Info中。当风来自一个明确的定义普遍的方向，只有向上的海岸应该是受海洋影响。合并这个效果，最近的海岸方向是计算8个罗盘点。

3.2从回归模型上对季节温度残差进行插值

季节温度估计使用多元线性回归模型。剩余来自这些回归模型被光栅化和随后使用a分析空间自相关变差。残留物被视为依赖于空间变量，可用于地统计学意义上部分地解释了任何空间相关性剩余温度场。其实选择了当插入被认为不太重要一整套地形数据可用。残差使用当地普通克里金和从预测的表面中减去。克里金是使用几种不同的方法对数据执行（球面，圆形，指数，高斯和线性）在Arc / Info中。使用样本变异函数进行选择最佳变异函数模型。哪里选择方法没有立即显现，残差被使用了几个显然是合理的克里金模型，最合适的方法是然后根据RMSE选择。从回归模型计算出的变异函数残差，显示较小的半方差值对于样本输入对之间的较短距离积分（滞后）。这表明温度更靠近的站点的残差更为相似一起比那些站在更远的地方。

1. 结果与讨论

4.1多元回归模型的结果

季节性温度之间的关系已经确定了数据和地形变量在季节性基础上，总结在表中与纬度（LAT）和ZX1S的相关性为更高。随着纬度的升高，温度降低，虽然关系的力量有所不同季节到季节关系最强冬季（r = -0.664），夏季最弱（接近零）。海拔高度也是温度的重要决定因素。季节温度之间的相关性和高程为预期为负（r = -0.580至-0.888），假设典型的温度下降速率（表2）。夏天的关系更强（r =-0.888）和秋季（r = -0.806）比冬季（r =-0.580）和弹簧（r = -0.633）。最大高程在更宽的半径（通常为20的半径）内公里，ZX20x）具有与站点高程相同的影响（高程）。也可以看出与相关性最大仰角在1公里的半径范围内方向S（ZX1S）比相关性强与站点高程（ELEV）。在春天，例如，ZX1S相关系数为0.6350.633用ELEV。一般有正相关温度和最大高程之间在给定的半径和方向的楔形。然而，如果楔形半径大于20公里，春天的关系是负面的。所选最大高程方向，以及的标志协会，应该与方向有关盛行风距离海洋和陆地/海洋比例是与冬季温度呈负相关秋天，但春天的关系是积极的夏天。在冬天和秋天这可能是归因于海洋的变暖影响。事实上，相关性在夏季最低。有可能的纬度和距离之间的关系在这种情况下，海洋有一定的影响。温度冬，秋季内陆距离减少，但在夏季，当对流强迫有所增加更大的作用。相关系数一般是小，最大的是春天的价值为0.260。经度不是一个重要的预测因素季节性气温在当地规模。对于回归模型（表3），异常值具有强大的影响力被淘汰和模型精制。差异金额占地形变量对于温度很高，范围从冬季97.0％，夏季98.2％。纬度（LAT）在回归模型中一致出现，是最重要的预测因子季节性气温。海拔被发现是第二（第一次在夏季温度的情况下）最多4个季节的3个重要预测变量温度模型，无论是电网的高程细胞（ELEV）或a内的最大高程一些半径和方向的楔形（ZXx）。最多有用的半径在南极方向似乎是1公里（ZX1S）。海洋影响的措施大大改善模型的适应性，并说明了可观的海对浙江温度的影响。虽然距海（距离）在季节温度的回归方程中不出现，陆/海比例相关除秋季外，季节温度均可。一个地面/海洋比例在更广泛的地区（一般半径100公里，LAN100）包括在所有季节性温度除了秋天的模特，但是更强大夏季，春季和冬季温度指标（分别为第二，第三和第三变量输入）。到最近的海岸的方向和方向是次要预测温度，但可以重要特别是季节。方面被包括在内预测每个季节的温度。方面是冬季和秋季更重要的预测因子温度模型比春季和夏季温度模式。方向到最近的海岸温度模型也具有重要意义此外，相关性更显着夏天和秋天，如果最近的方向海岸是E。

4.2多元回归模型空间插值的结果

样本变异函数是为季节性生成的温度。有正相关在半方差和分离距离之间达到一个范围。范围定义了空间的极限依赖，并指出了这一点变异系数线性上升至其上限（sill）。距离大于该范围时，无法辨别残差中的空间相关性。球形估计半方差模型提供了一个合理的适合季节性温度的样本数据。产生的克里格方差表面可以是用来给克里格特指定一定程度的确定性季节性温度表面。较低的值表示内插残差的置信度较高，虽然这也取决于准确性变异函数模型。表4表明更多确定性可以附加到插值的夏天温度表面（平均克里方差为0.04°C2）比秋天的温度表面（平均值）克里格方差为0.06°C2）。季节变化的空间分布温度。克里格方差在几个气象台站较高，并围绕域的边缘没有要插补的台站。克里格方差较低，气象密度较低车站较高。

4.3验证季节性温度表面

随机抽取7个验证站覆盖浙江省范围广泛。观测表面为季节性温度是单独使用回归生成的回归之后是残差的克里奇。然后，季节性温度的估计值的验证站被提取与观察比较。这两种方法是与均方根误差（RMSE）和确定系数（R2）之间的估计观察站。验证的结果是如表5所示除秋季外，所有季节均有RMSE和R2。对于RMSE而言，改善与下降有关冬季0.03，春季减少0.06夏季。由R2测量，改善程度有所不同从冬季增加0.02，增幅在夏天0.23。估计值（按方法2估算）相对于观察值进行了绘制样品。所有季节的数字样本点沿对角线更紧密地聚集冬季温度比其他季节要好温度。

4.4生成季节性温度表面地图

为了评估模型行为，生成了地图季节性温度。显示每个季节的温度表面由估算每个细胞的温度地形温度模型（地形回归跟随通过克里金的残差）。 山区是由于强烈的负面关系而清晰描绘高程与温度之间。 南面例如，浙江被证明是相当的比较低的海拔地区较冷。空间描述统计显示对于季节性温度表面进行计算逐个细胞的基础。 平均季节性温度范围从冬季的5.38°C到夏季的25.27°C秋季空间方差最大。

1. 总结与结论

这项工作调查了GIS的应用构建DEM派生的地形变量用于插值季节性温度数据浙江省每1公里times;1公里的电网中国东南部。验证结果表明地形温度模型建筑使用地形变量，然后克里金回归残差，用于内插季节性温度数据。插值结果可以转移到任何一个网格点在域中的特点的地形变量是已知的。纬度，a的最大仰角在1公里的范围内南极方向（ZX1S）和陆海比发现半径100公里（LAN100）当地季节性气温最强大的预测因子。方面和海事影响也有所改善模式适合，反映了重要性浙江省海洋效应。验证表明克里金的残差提高了开发了4款模型中的3款的RMSE。

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[26111]，资料为PDF文档或Word文档，PDF文档可免费转换为Word