何 鵬，張 媛，高文波，蹇東南，林正雨

(1.四川省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息與農(nóng)村經(jīng)濟研究所，成都 610066；2.四川省農(nóng)業(yè)科學(xué)院大數(shù)據(jù)中心，成都 610066； 3.成都理工大學(xué)旅游與城鄉(xiāng)規(guī)劃學(xué)院，四川成都 610059；4.四川農(nóng)業(yè)大學(xué)資源學(xué)院,成都 611130)

0 引言

隨著生態(tài)學(xué)、農(nóng)業(yè)科學(xué)、資源環(huán)境科學(xué)等相關(guān)學(xué)科的發(fā)展，氣象信息在區(qū)域和全球尺度變化研究中發(fā)揮著重要作用，特別是各類生態(tài)系統(tǒng)模型、作物模型都需要空間化的氣象要素，并且所要求的時間和空間分辨率也越來越高。例如，在全球變化研究中，MT-CLIM、FOREST-BGC等景觀、區(qū)域、全球尺度的生態(tài)系統(tǒng)模型，都需要空間化的氣溫、降水、太陽輻射等環(huán)境因子作為輸入?yún)?shù)[1]。因此，利用現(xiàn)有的地面氣象觀測資料和相關(guān)技術(shù)，開發(fā)空間化的氣候數(shù)據(jù)產(chǎn)品成為近年來生態(tài)學(xué)、農(nóng)業(yè)區(qū)劃、資源和環(huán)境科學(xué)研究的重點任務(wù)之一[2-5]。

然而有限的氣象站點僅代表一定區(qū)域內(nèi)氣象要素的分布情況，其觀測獲取的只是局部、離散、有限的空間點數(shù)據(jù)，對于沒有氣象站點分布的廣大區(qū)域，只能通過以點代面或者空間內(nèi)插等方法推算求得。國內(nèi)外學(xué)者已經(jīng)在氣象要素推算方面做了大量研究。國外，Eleanor等人引入地形，運用多元回歸法對氣溫和降水進(jìn)行空間化處理[6]；Marquinez等人引入高程、坡度、坡向、離海岸線的距離和離相對西邊的距離等因子，利用多元回歸方法和GIS技術(shù)擬合降水空間分布[7]；20世紀(jì)90年代以來，大量區(qū)域性乃至全球性柵格氣象數(shù)據(jù)庫不斷建立和完善，如基于PRISM建立的美國、加拿大、中國、蒙古、歐洲等國家和地區(qū)的空間氣象數(shù)據(jù)信息系統(tǒng)[8]；基于Anusplin插值方法的澳大利亞、南非等國家的氣象數(shù)據(jù)信息系統(tǒng)[9，10]；基于DAYMET的美國生物氣象數(shù)據(jù)信息系統(tǒng)[11]。國內(nèi)，20世紀(jì)80年代，以傅抱璞、沈國權(quán)等為代表的學(xué)者通過數(shù)理統(tǒng)計模擬方法對氣溫、降水等要素進(jìn)行推算，獲得了非氣象站點所在區(qū)域的氣象要素空間分布情況[12-14]；20世紀(jì)90年代以來，隨著GIS技術(shù)在國內(nèi)的流行，于貴瑞、陳曉峰等利用GIS軟件并結(jié)合地形等因素，對區(qū)域氣象要素空間分布進(jìn)行了深入研究[3-5，15，16]，廖順寶等、蔡福等還對氣溫空間化的插值方法、精度進(jìn)行研究[1，17，18]，廖玉芳等以湖南省為例，進(jìn)行了精細(xì)化農(nóng)業(yè)氣候區(qū)劃研究，建立相關(guān)的氣候空間化數(shù)據(jù)集[19，20]。

影響氣溫空間分布的因素很多，主要以海拔高度和地形條件最為顯著。一般情況下，隨著海拔高度的增加，氣溫下降，但其變化速率因山地性質(zhì)和氣候條件而不同。在對氣溫素進(jìn)行空間插值時，由于海拔高度的影響非常顯著，海拔高度的誤差對氣溫空間插值精度的影響不能忽略[21-24]。四川省處于我國東部季風(fēng)區(qū)與西南青藏高寒區(qū)的交接地帶，氣候垂直變化十分顯著，加之地形復(fù)雜，導(dǎo)致氣候的區(qū)域差異很大。江蕾采用全國633個站點數(shù)據(jù)，主要考慮地貌擬合插值模型，生成1km空間分辨率的氣溫數(shù)據(jù)，該研究對于四川省這一地貌復(fù)雜區(qū)的氣溫空間插值誤差研究不夠[25]。為了對比和分析海拔高度對四川省多年平均氣溫空間分布的影響，文章利用5種插值方法，同時考慮數(shù)據(jù)源密度(3種密度)和空間化柵格大小(10個空間化柵格尺度)對四川省144個氣象觀測站點的多年平均氣溫進(jìn)行了空間插值研究，并利用預(yù)留檢驗站點法對結(jié)果進(jìn)行評估。

1 數(shù)據(jù)與方法

1.1 氣溫數(shù)據(jù)

氣溫數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http：//data.cma.cn/)申請下載的“中國地面累年值月值數(shù)據(jù)集(1981—2010年)”，包括氣溫、降水、氣壓、濕度、風(fēng)向和風(fēng)速共五大類12小類的年均氣象數(shù)據(jù)，數(shù)據(jù)制作時間2012年，共包括四川省145個國家級地面站點(圖1)。參考四川省氣候區(qū)劃(自然資源區(qū)劃)，并考慮原有站點分布疏密現(xiàn)狀，采用分層隨機抽樣法，全省預(yù)留檢驗站13個(約10%)，剔除數(shù)據(jù)缺失較多的站點1個，實際131個站點參與插值運算。

氣象站點密度設(shè)定。數(shù)據(jù)源密度變化分析以預(yù)留的13個檢驗站點為基礎(chǔ)，仍然采用分層隨機抽樣方法，并考慮原有氣象站點分布的疏密度，131個站點按照1/3的比例遞減，得到低密度(43個站點)，中密度(87個站點)，高密度(131個站點)共3個級別。

圖1 四川省氣象站點分布

1.2 數(shù)字高程模型

數(shù)字高程模型(DEM)來源為國際科學(xué)數(shù)據(jù)服務(wù)平臺(http：//datamirror.csdb.cn/)申請下載的ASTER GDEM第一版本(V1)數(shù)據(jù)，數(shù)據(jù)時間2009年，數(shù)據(jù)投影為UTM/WGS84，空間分辨率30m，空間范圍為四川省全域。

空間化柵格大小設(shè)定。空間化尺度變化分析結(jié)合四川省幅員面積和已有研究文獻(xiàn)，依次為100、250、500、1 000、2 000、3 000、4 000、5 000、7 500、10 000m共10個尺度等級。

1.3 插值模型

①反距離權(quán)重法(IDW)和加入海拔影響因子的反距離權(quán)重法(IDWE)。反距離權(quán)重法是對采樣點進(jìn)行線性加權(quán)決定輸出的柵格值，加權(quán)值與距離成反比，采樣點離輸出柵格越遠(yuǎn)，它對輸出柵格的影響越小。反距離權(quán)重法的表達(dá)式為：

(1)

考慮了海拔高度影響后，由于氣溫隨著海拔高度增高而降低，進(jìn)行氣溫空間插值時，海拔高度是附加的重要變量，其計算公式為

(2)

式(2)中，Hk為第k個點的海拔高度，β為氣溫隨海拔高度的遞減率，其余參數(shù)與IDW同。

②普通克立格法(OK)和加入海拔影響因子的普通克立格法(OKE)。普通克立格法又稱局部最優(yōu)線性無偏估計法，建立在變異函數(shù)理論結(jié)構(gòu)分析基礎(chǔ)之上。所謂線性是指估計值是樣本值的線性組合，即加權(quán)線性平均；無偏是指理論上估計值的平均值等于實際樣本值的平均值，即估計的平均誤差為0，最優(yōu)是指估計的誤差平方差最小。其計算公式為：

(3)

式(3)中，Z(ti，j)為待插值的柵格點要素值；Z(tk)為第k個點的要素值；λk為權(quán)重系數(shù)，其和等于1。

加入海拔影響因子的普通克立格法基于普通克立格法并充分考慮了海拔因子的影響，其計算公式為：

(4)

③多元回歸分析法(MRM)。多元回歸分析模型是應(yīng)用數(shù)理統(tǒng)計方法，建立氣象要素與影響氣象要素空間插值因子的多元回歸模型。該文是基于經(jīng)度、緯度和海拔高度的多年平均氣溫多元回歸模型，并計算殘差。

多元回歸分析模型表達(dá)式為：

T(λ、φ、h)=b0+b1λ+b2φ+b3h+ε

(5)

式(5)中，b0為常數(shù)，b1，b2，b3為待定系數(shù)，λ為經(jīng)度，φ為緯度，h為海拔高度，ε為殘差。

表1 不同密度氣象站點海拔高度、經(jīng)緯度與平均氣溫的相關(guān)系數(shù)

1.4 數(shù)據(jù)處理

利用地理信息系統(tǒng)軟件ArcGIS 10.1的數(shù)據(jù)管理模塊(Data Management Tools)、轉(zhuǎn)換模塊(Conversion Tools)、地統(tǒng)計模塊(Geostatistical Analyst Tools)和空間分析模塊(Spatial Analyst Tools)進(jìn)行數(shù)據(jù)預(yù)處理和插值，并使用預(yù)留站點法檢驗插值精度。屬性數(shù)據(jù)的處理采用SPSS 20。主要工作如下：

(1)將氣象站點的經(jīng)度、緯度和多年平均氣溫在ArcGIS 10.1中生成點文件，分別使用兩種常規(guī)空間插值方法(逆距離權(quán)重法和普通克立格法)生成多年平均氣溫柵格圖。

(2)參考游松財[21]提出的氣溫垂直遞減法。首先，在考慮了海拔高度的影響下，根據(jù)氣溫垂直遞減率和各氣象站的海拔高度將各氣象站的年平均氣溫訂正到虛擬海平面上；其次，運用兩種常規(guī)插值方法(逆距離權(quán)重法和普通克立格法)對虛擬海平面上的月平均氣溫進(jìn)行空間插值，得到虛擬海平面上的氣溫空間分布；最后，在GIS環(huán)境下，利用DEM數(shù)據(jù)和氣溫垂直遞減率進(jìn)行柵格圖層的代數(shù)運算得到平均氣溫的空間分布。

(3)利用氣象站點的海拔高度、經(jīng)度、緯度和多年平均氣溫數(shù)據(jù)，在SPSS 20中進(jìn)行多元回歸分析，擬合出回歸模型。將四川省DEM數(shù)據(jù)在ArcGIS 10.1中生成value值分別為經(jīng)度(x)和緯度(y)的柵格圖層，使用柵格計算器根據(jù)回歸模型生成多年平均氣溫柵格圖。

1.5 模型驗證

在使用氣象站點數(shù)據(jù)進(jìn)行氣候指標(biāo)插值結(jié)果的精度檢驗時，交叉檢驗(cross-validation)是最常用的一種方法。該方法假設(shè)某一個氣象站點的氣溫未知，用其他所有氣象站點來估算該氣象站點的氣溫，通過計算所有氣象站點的實際氣溫值與估算值之間的誤差來評判空間插值方法的精度。對不同的插值方法，交叉驗證可以準(zhǔn)確的驗證不同插值方法之間的相對精度，使用時一般用平均絕對誤差(MAE)和均方根誤差(RMSE)作為檢驗精度的標(biāo)準(zhǔn)。MAE反映樣本數(shù)據(jù)估值的總體誤差或精度水平，RMSE則反映樣本數(shù)據(jù)的估值靈敏度和極值。計算公式分別為：

(6)

(7)

2 結(jié)果與分析

2.1 空間化模型精度分析

采用1km×1km柵格尺度，分別采用IDW、IDWE、OK、OKE和MRM 5種方法，以144個氣象站點進(jìn)行多年平均氣溫數(shù)據(jù)的空間化(圖2)，并對144個站點逐一做交叉驗證，統(tǒng)計平均絕對誤差和均方根誤差(表2)，其中IDWE精度最高，OKE精度次之，其中未引入海拔因子的IDW、OK模型，精度明顯低于有海拔因子參與的模型。

表2 不同模型空間化誤差 ℃

圖2 5種方法144個站點空間化結(jié)果

2.2 空間化誤差與數(shù)據(jù)源密度的關(guān)系

采用1km×1km柵格尺度，分別采用IDW、IDWE、OK、OKE和MRM 5種方法，按照低、中、高3個氣象站點密度等級進(jìn)行多年平均氣溫數(shù)據(jù)的空間化，并統(tǒng)計出13個檢驗站點的MAE、RSME(表3)。(1)應(yīng)用IDW和OK插值模型，采用中等密度站點對年平均氣溫插值精度最好，高密度站點插值精度次之，但兩者差異不顯著低密度站點插值精度最低，3種數(shù)據(jù)源密度之間的插值精度差異較大；(2)應(yīng)用IDWE、OKE、MRM插值模型，隨著站點密度的增大，多年平均氣溫數(shù)據(jù)空間化誤差總體上都保持減小的趨勢，3種數(shù)據(jù)源密度插值精度之間的差異較小，采用高密度站點插值年平均氣溫誤差最?。?3)3種插值模型中，IDWE方法插值精度最好，低、中、高3種密度的年平均氣溫誤差分別為0.74℃、076℃、0.67℃；OKE模型次之，其MAE值分別為0.87℃、0.82℃、0.80℃。

表3 不同站點密度插值精度檢驗結(jié)果 ℃

圖3 5種模型方法下10種柵格尺度插值精度的MAE和RSME

2.3 空間化誤差與空間化尺度的關(guān)系

針對131個氣象站點(即高密度)，分別采用上文中5種方法，按照10個尺度等級進(jìn)行多年平均氣溫數(shù)據(jù)的空間化，并統(tǒng)計出13個檢驗站點的MAE、RSME值，結(jié)果見圖4。在空間化尺度由100m增大到10km的過程中：(1)IDW和OK兩種插值模型隨著空間化柵格尺度的增大，其空間化誤差變化不大。應(yīng)用IDW和OK插值模型，平均氣溫誤差分別為0.92～0.99℃和1.26～1.34℃；(2)IDWE、OKE模型下，隨著空間化尺度的增大，其空間化誤差逐漸增大?？臻g化尺度小于2km時，其平均絕對誤差小于1℃。(3)應(yīng)用MRM插值模型下，總體來說，隨著空間化尺度的增大，其空間化誤差逐漸增大。除采用1km柵格尺度外，其余柵格尺度平均氣溫誤差均超過1℃；(4)總體來說，加入海拔因子的IDWE、OKE、MRM插值模型比IDW和OK插值模型精度更高，其中以IDWE插值精度最好，OK模型精度最差。

2.4 空間化誤差與數(shù)據(jù)源密度和空間化尺度的定量關(guān)系

上述分析表明，5種插值方法中，以IDWE插值精度最好。該部分采用插值最好的IDWE模型，分別采用高、中、低3種站點密度，按照10個尺度等級進(jìn)行多年平均氣溫數(shù)據(jù)的空間化，定量統(tǒng)計13個檢驗站點的平均絕對誤差(表4)。(1)隨著空間化柵格尺度的增加，空間化誤差逐漸增加；柵格尺度小于等于2 000m時，3種站點密度的平均氣溫誤差小于1℃。其中高密度站點插值精度最好；(2)同樣的空間化柵格尺度下，高密度站點的空間化誤差最小。高、中、低3種密度之間的空間化誤差差距不明顯。100m×100m尺度下3種密度的MAE在0.64～0.76℃，10km×10km尺度下3種密度MAE值在1.37～1.69℃。

表4 不同數(shù)據(jù)源密度和不同空間化柵格大小的空間化誤差分布 ℃

2.5 空間化誤差與海拔數(shù)據(jù)源的關(guān)系

游松財?shù)妊芯勘砻鱗21]，由于國家氣象局提供的氣象站點的經(jīng)緯坐標(biāo)只精確到分，其空間誤差大約±30″(約1km)，因此在氣溫內(nèi)插時考慮到海拔高度的影響，并且使用DEM數(shù)據(jù)就必須考慮兩者的海拔高度差異[13]。利用四川省144個氣象站點的經(jīng)度及緯度資料，從ASTER GDEM中提取相應(yīng)的海拔高度，發(fā)現(xiàn)有20個站點(約占?xì)庀笳军c總數(shù)的13.9%)具有100m以上的差異，其中有9個站點(約占?xì)庀笳军c總數(shù)的6.3%)具有200m以上的差異，已有的研究表明全國基礎(chǔ)氣象站點(約635個)中僅有8%左右站點海拔高度與DEM海拔高度有100m以上的差距，說明我國西南地區(qū)由于海拔較高，地貌類型復(fù)雜，給氣象數(shù)據(jù)空間化增加了不確定因素。該部分采用IDWE、OKE、MRM 3種插值方法，分析了氣象站海拔與DEM海拔插值之間的氣溫絕對誤差。氣象站海拔與DEM海拔插值之間的氣溫絕對誤差的空間分布見圖4。

表5 海拔高度差異及其溫度差異對比

圖4 IDWE(a)、OKE(b)、MRM(c)3種插值模型下氣象站海拔與DEM海拔插值的氣溫差

表6 站點海拔與站點DEM值參與插值的各海拔高度其溫差 ℃

圖4表明，采用IDWE、OKE、MRM 3種插值模型，采取氣象站海拔數(shù)據(jù)插值的氣溫(Tms)與DEM海拔數(shù)據(jù)插值的氣溫(TDEM)均存在差異，3種插值模型下的氣溫差空間分布相似。小部分區(qū)域TDEM小于Tms，主要位于四川的東部區(qū)域；大部分區(qū)域TDEM大于Tms；IDWE、OKE、MRM模型下，TDEM與Tms之間的氣溫差分別在-0.98～2.77℃、-0.98～2.69℃、-1.06～3.05℃范圍內(nèi)。3種插值模型下，氣溫差異最大的地方主要位于四川的西北部、中北部以及東南部。以柵格面積統(tǒng)計，3種插值模型空間化結(jié)果中，氣溫差絕對值大于1℃的區(qū)域分別占全省面積的0.76%、1.13%、1.52%，其中氣溫差絕對值大于1.5℃的區(qū)域僅分別占全省面積的0.21%、0.26%、0.31%，所以兩種海拔數(shù)據(jù)插值結(jié)果的差異性并不顯著。

按500m×500m的柵格密度分別以氣象站海拔和DEM海拔進(jìn)行氣溫插值，將海拔分為10個級別，分別統(tǒng)計不同方法下各海拔范圍內(nèi)兩者之間的氣溫差(表6)。結(jié)果表明：(1)采用3種方法對不同海拔插值的氣溫存在差異，在0～500m范圍內(nèi)兩者之間差異較小，氣溫差小于0.1℃。(2)海拔大于1 500m時，氣溫差普遍大于0.3℃；海拔在2 000～2 500m范圍內(nèi)時，氣溫差平均值為0.709℃；海拔在2 500～3 000m范圍內(nèi)時，氣溫差平均值為0.706℃；海拔大于5 000m時，氣溫差平均值為0.637℃。

2.6 空間化誤差和地形分區(qū)的關(guān)系

圖5 四川省農(nóng)業(yè)氣候區(qū)劃

以四川省地貌區(qū)劃和氣候區(qū)劃為參照，將全省分為4個區(qū)[26]，見圖5。采用131個站點，5種方法分別對各區(qū)進(jìn)行插值后拼接，與直接對全省131個站點插值的結(jié)果進(jìn)行對比，仍然以13個校驗站點進(jìn)行分析，其中IDWE表現(xiàn)仍為最優(yōu)(圖6)，其MAE、RSME分別為0.44℃、0.62℃，按不同地貌區(qū)劃進(jìn)行分區(qū)插值，各種方法的精度明顯優(yōu)于全域(圖7)，且MAE與RSME值的差距縮小。

圖6 采用5種方法分區(qū)與不分區(qū)插值精度比較

圖7 IDWE模型下不分區(qū)與分區(qū)插值結(jié)果圖(a.不分區(qū)插值；b.分區(qū)插值；c.已有的四川省多年平均氣溫分布數(shù)據(jù))

對比分區(qū)與不分區(qū)IDWE模型下的插值結(jié)果圖，不分區(qū)擬合結(jié)果年均溫的值域為-9.64～21.76℃，分區(qū)擬合結(jié)果年均溫的值域為-17.19～22.01℃，結(jié)合已有的四川省多年平均氣溫統(tǒng)計數(shù)據(jù)，可以看出分區(qū)擬合后氣溫的值域跨度更符合真實氣溫分布狀況。

3 結(jié)論與討論

3.1 空間化模型精度

空間化模型的選擇對空間化精度有較大影響。通過精度分析，以空間自相關(guān)為主導(dǎo)的傳統(tǒng)空間化模型，如IDW和OK，雖然理論和方法都比較成熟，但對真實氣溫環(huán)境的模擬能力較低，其相對誤差較大。而IDWE、OKE和MRM等方法較全面的考慮了海拔、經(jīng)緯度等因素的影響，對于海拔變化較大地區(qū)的氣溫有更好的表現(xiàn)。

3.2 數(shù)據(jù)源密度對空間化誤差的影響

研究結(jié)果表明，數(shù)據(jù)源密度(站點數(shù)量)對空間化結(jié)果有一定影響，但不顯著。隨著站點數(shù)量的逐漸增加，所有空間化方法的插值精度均有所提高。加入海拔因子的IDWE、OKE、MRM等模型除整體精度高于不考慮海拔因子的方法外，隨著站點密度的增大，空間化誤差總體減小，精度逐步提高，但3種數(shù)據(jù)源密度插值精度之間的差異較小，表明即使減少氣象站點數(shù)據(jù)，加入海拔因子的插值模型也能較好地模擬氣溫。其原因應(yīng)該是空間自相關(guān)模型是直接對站點觀測值進(jìn)行插值，沒有考慮其他影響因素，因此站點數(shù)量越多即樣本數(shù)越多，插值精度自然越高。而考慮了海拔、經(jīng)緯度等因素的異相關(guān)模型，方法核心是建立氣溫因子與其他環(huán)境因子的關(guān)系，樣本數(shù)大小反倒對插值精度影響不大。由于一般科研人員能共享的地面氣象觀測站點數(shù)較少，這一驗證結(jié)果也對我國地面氣象站點觀測結(jié)果插值精度提供了有利的佐證。

3.3 柵格尺度對空間化誤差的影響

柵格大小對空間化精度有一定的影響。一般空間化模型的柵格大小有經(jīng)緯度和地理空間距離兩種，兩種方法的空間化尺度一般從100km(1°)到30m(1″)不等。該次研究隨著空間化尺度從100m到10km的逐級變化，對于只考慮空間自相關(guān)性的模型，如IDW和OK，因未考慮海拔因素，隨柵格尺度的變化，誤差變化很小。但是，考慮了海拔影響的模型，如IDWE、OKE和MRM，隨著空間化柵格單元的增大，表現(xiàn)出較顯著的誤差增大、空間化精度減小的趨勢。究其原因，是因為考慮海拔因素的情況下，柵格尺度越大，柵格之間的方差縮小，柵格面趨于平滑連續(xù)，模擬真實情況的能力下降，又因垂直遞減率在0～1之間，在垂直遞減率的作用下這種擬合能力下降的效應(yīng)就被放大。

3.4 海拔數(shù)據(jù)源對空間化誤差的影響

采用氣象局提供的海拔數(shù)據(jù)和提取DEM的海拔數(shù)據(jù)進(jìn)行插值，不同范圍內(nèi)均存在誤差，尤其是四川的西北部、中北部以及東南部的氣溫差異較大。海拔在2 000～3 000m和大于5 000m時，氣溫差異達(dá)到0.6℃以上。因此，在地形復(fù)雜的地區(qū)，對氣溫插值時要適當(dāng)考慮兩種不同海拔數(shù)據(jù)源帶來的差異。但從四川省插值結(jié)果柵格統(tǒng)計面積來看，誤差絕對值大于1℃的區(qū)域占全省面積僅為1%左右，在相對宏觀的數(shù)據(jù)分析時可以不考慮兩種海拔數(shù)據(jù)源對空間化誤差的影響。

3.5 分區(qū)擬合對空間化誤差的影響

在地貌類型多樣，氣候條件復(fù)雜的地區(qū)，采用分區(qū)擬合能降低空間化誤差，類似的研究思路在其他社會經(jīng)濟數(shù)據(jù)空間化時多有體現(xiàn)[27]。區(qū)域地貌、氣候的差異導(dǎo)致地區(qū)與地區(qū)間存在明顯氣壓差異的，其垂直遞減率亦不相同，這是導(dǎo)致分區(qū)擬合優(yōu)于全域擬合的重要原因。由于歷史原因，川西高原和四川盆周山區(qū)屬于氣象觀測資料稀疏區(qū)，雖然分區(qū)擬合能提高空間化精度，但對川西地區(qū)提升有限。未來需要加密自動觀測站網(wǎng)，在地質(zhì)災(zāi)害易發(fā)區(qū)、輸油管線和輸電通道等重要基礎(chǔ)設(shè)施布局區(qū)、高原牧區(qū)完善氣象災(zāi)害監(jiān)測能力，提升中小尺度天氣變化監(jiān)測能力，發(fā)揮分區(qū)擬合等不同空間化方法的優(yōu)勢提升插值精度。

3.6 減小空間化誤差的途徑

根據(jù)上述分析，為減少空間化誤差，空間化過程中宜采用空間異相關(guān)模型，如考慮了海拔因子影響的空間自相關(guān)模型，或者同時考慮了海拔、經(jīng)緯度、距海岸線距離等因素的多元回歸模型并用殘差校正；柵格單元應(yīng)符合氣象觀測數(shù)據(jù)所能代表的范圍，一般宜采用500m(15")至2 000m(1′)的柵格單元；氣象站點應(yīng)具有一定的代表性，覆蓋各種地貌類型，空間分布上相對均勻，在氣象觀測資料稀疏區(qū)加密自動觀測站點。由于觀測資料本身受到時空代表性有限、分辨率不足、時空覆蓋范圍有限及不同觀測資料之間的系統(tǒng)偏差等問題的限制，以觀測資料為基礎(chǔ)進(jìn)行多元資料的融合分析及利用數(shù)值模式進(jìn)行資料的同化分析與再分析，是獲得質(zhì)量可靠、空間覆蓋完整、分辨率高的氣象數(shù)據(jù)產(chǎn)品的普遍做法[28]。對于四川省累年年平均氣溫、累年月平均氣溫等數(shù)據(jù)空間化產(chǎn)品生產(chǎn)加工，宜采用IDWE、OKE、MRM和Anusplin 等空間異相關(guān)模型，柵格單元的大小控制在2km以內(nèi)，可以保障產(chǎn)品的平均絕對誤差低于1℃。