基于PRISM的山地環(huán)境大氣濕度的空間插值

蔣育昊，劉鵬舉，夏智武，賈道祥，閆 明

(中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京100091)

基于PRISM的山地環(huán)境大氣濕度的空間插值

蔣育昊，劉鵬舉，夏智武，賈道祥，閆 明

(中國(guó)林業(yè)科學(xué)研究院資源信息研究所，北京100091)

基于PRISM方法設(shè)計(jì)開(kāi)發(fā)了山地大氣濕度空間插值模型，選取北京西部山區(qū)作為試驗(yàn)區(qū)域，利用氣象科學(xué)數(shù)據(jù)共享平臺(tái)上36個(gè)臺(tái)站資料和1∶25萬(wàn)DEM數(shù)據(jù)生成年、月、日3個(gè)時(shí)間尺度下大氣相對(duì)濕度的柵格信息.采取站點(diǎn)交叉驗(yàn)證的方式對(duì)插值結(jié)果進(jìn)行精度評(píng)估，并與反距離加權(quán)、克里金等其他空間插值方法的插值精度進(jìn)行比較.結(jié)果表明:基于PRISM模型的大氣濕度空間插值模型適合模擬北方山地的大氣濕度分布場(chǎng)，年平均相對(duì)濕度和月平均相對(duì)濕度的插值精度比較高；與考慮空間距離或者空間距離結(jié)合海拔的其他插值方法相比，該模型插值精度有了較大提高.

大氣濕度；空間插值；PRISM；加權(quán)線性最小二乘回歸

大氣濕度是指近地面大氣層空氣中水分的含量，常用水汽壓、露點(diǎn)、相對(duì)濕度等指標(biāo)來(lái)衡量[1].大氣濕度是重要的森林環(huán)境要素之一，它一方面調(diào)節(jié)著植物生理生態(tài)和水分的平衡過(guò)程，對(duì)森林植被的光合作用、蒸騰作用等有重要影響[2]；另一方面它也調(diào)節(jié)著土壤與森林可燃物的含水量，是林火預(yù)測(cè)的重要參考指標(biāo)[3－6].同時(shí)，在林木生長(zhǎng)模擬模型、林區(qū)水文－生態(tài)過(guò)程模型、林火發(fā)生及蔓延模型等研究中，山地大氣濕度均是其輸入因子[7].由于受到當(dāng)前站點(diǎn)分布和山地條件的影響，大范圍的濕度場(chǎng)信息往往難以直接獲取，所以依靠插值方法得到高分辨率的山地大氣濕度分布場(chǎng)網(wǎng)格數(shù)據(jù)是如今農(nóng)林生產(chǎn)與科學(xué)研究的迫切需求.

目前濕度要素空間分布數(shù)據(jù)的來(lái)源途徑主要有兩類:一類是基于遙感影像數(shù)據(jù)進(jìn)行空間場(chǎng)反演[8]，另一類是基于地面氣象臺(tái)站的觀測(cè)數(shù)據(jù)進(jìn)行空間插值[9－10].何杰穎等[11]利用地基和星載微波輻射計(jì)數(shù)據(jù)反演大氣濕度.劉旸等[12]基于高光譜分辨率遙感影像，使用人工神經(jīng)網(wǎng)絡(luò)法繁衍了晴空大氣濕度廓線.李正泉等[13]利用GIS技術(shù)，結(jié)合DEM和氣象站點(diǎn)數(shù)據(jù)建立了東北地區(qū)分辨率為1 km2的濕度分布圖.胡丹桂等[14]以東三省為例，結(jié)合氣象數(shù)據(jù)，采用克里金插值方法估計(jì)了試驗(yàn)區(qū)的空氣濕度分布情況.隨著地面氣象臺(tái)站自動(dòng)化程度的不斷提高和站點(diǎn)密度的不斷增加，空間插值成為獲得高分辨率濕度要素空間信息的主要方式[15].常用的空間插值方法有2種:(1)基于數(shù)學(xué)函數(shù)的確定性插值方法，包括反距離加權(quán)法、多項(xiàng)式法、樣條函數(shù)法、徑向基函數(shù)法等；(2)基于地統(tǒng)計(jì)模型的插值方法，包括普通克里金法、簡(jiǎn)單克里金法、泛克里金法、趨勢(shì)面法等[16].上述空間插值方法主要的不足之處是單純考慮空間距離因素，忽略地形地貌的影響；適用于大尺度空間，不適用于小尺度復(fù)雜環(huán)境；模型插值環(huán)境適應(yīng)性差，難于推廣[17－18].

針對(duì)以上問(wèn)題，國(guó)外研究者結(jié)合了空間插值原理，綜合考慮空間距離和局部地形地貌建立MTCLIM、DAYMET、PRISM等模型，用于復(fù)雜環(huán)境氣候的模擬[19－21].坡面回歸插值模型(parameter-elevation regression on independent slopes model，PRISM)是一種基于地理空間特征和回歸統(tǒng)計(jì)方法生成的氣候空間分布場(chǎng)模型.趙登忠等[22]最早引入PRISM模型進(jìn)行氣溫和降水的空間內(nèi)插，研究結(jié)果表明PRISM方法比其它內(nèi)插方法能夠更加精確地表達(dá)氣象要素的空間分布，更適用于地形復(fù)雜地區(qū)氣象要素的空間插值.夏智武等[23]也利用PRISM模型對(duì)北京西北山區(qū)進(jìn)行了山地日氣溫插值研究，得到了良好的結(jié)果.目前PRISM模型研究多集中于大尺度空間上氣溫和降水的氣象制圖應(yīng)用，大氣濕度分布模擬方面的研究尚未見(jiàn)報(bào)道[24－25].

本研究基于PRISM空間插值的理論與方法，探討海拔、坡向等地形因子對(duì)大氣相對(duì)濕度的影響，建立小尺度的山地環(huán)境相對(duì)濕度空間插值模型，并通過(guò)實(shí)測(cè)數(shù)據(jù)驗(yàn)證該模型的有效性.

1 PRISM模型

PRISM模型是由美國(guó)氣象學(xué)家Christopher Daly首先提出[26]，是基于獨(dú)立坡面的氣象－海拔回歸模型.該模型兼顧獨(dú)立坡面規(guī)律和局部地形的影響，將高程作為影響區(qū)域內(nèi)氣象要素空間分布的最主要因素，綜合考慮高程、距離、坡向、坡度、垂直分層、距離海岸線的遠(yuǎn)近等因子的影響，能夠有效地反應(yīng)小尺度復(fù)雜空間上氣象要素的分布特征[27－29].模型根據(jù)插值區(qū)域?qū)χ饕绊懸蜃拥臋?quán)重進(jìn)行調(diào)整，比如沿海平原地區(qū)考慮海洋距離的影響，復(fù)雜山地環(huán)境則考慮坡向的影響.模型有2個(gè)主要特點(diǎn):一是將坡向作為地形趨勢(shì)面劃分的依據(jù)；二是模型插值是通過(guò)移動(dòng)窗口技術(shù)得到本地化的氣象要素垂直變化率.PRISM模型主要有獨(dú)立坡面、加權(quán)回歸、綜合權(quán)重3個(gè)模塊.

1.1 單一坡面原理

具有相同坡向的連續(xù)空間區(qū)域稱為地形趨勢(shì)面或者獨(dú)立坡面.在地形趨勢(shì)面上，氣象要素隨海拔的變化呈規(guī)律分布.基于氣象臺(tái)站的海拔，采用線性函數(shù)估計(jì)獨(dú)立坡面上任何位置的氣象值.趨勢(shì)面上氣象要素線性回歸預(yù)測(cè)公式表示如下:

式中，β1是臺(tái)站資料統(tǒng)計(jì)回歸后的氣象垂直變化率；β0是臺(tái)站資料統(tǒng)計(jì)回歸后的虛擬海平面氣象值；X是輸入海拔；Y是氣象預(yù)測(cè)值；β1m、β1x是β1取值范圍的下限和上限，β1范圍的設(shè)置要依據(jù)插值區(qū)域的實(shí)際情況而定.

1.2 局部線性加權(quán)回歸

在插值過(guò)程中為了反映海拔對(duì)氣象要素的影響，模型采用一致的垂直變化率.PRISM模型認(rèn)為氣象要素垂直變化率是隨著環(huán)境而變化的，需要在每個(gè)獨(dú)立坡面計(jì)算當(dāng)?shù)氐拇怪弊兓?通過(guò)控制地形趨勢(shì)面的分辨率選擇合適的尺度，選中足夠多的位于同一坡面的臺(tái)站，根據(jù)選中臺(tái)站的綜合權(quán)重進(jìn)行線性加權(quán)回歸，并計(jì)算預(yù)測(cè)模型中的2個(gè)參數(shù).計(jì)算公式如下[30]:

式中，n是窗口內(nèi)樣本站點(diǎn)數(shù)目；β1是局部加權(quán)回歸的垂直變化率；β0是局部加權(quán)回歸的海平面氣象值；Wi是第i站點(diǎn)的綜合權(quán)重大?。粂i是第i站點(diǎn)的氣象要素值；xi是第i站點(diǎn)海拔.

1.3 綜合權(quán)重計(jì)算

氣象要素不僅受到海拔的影響，還受到坡向、坡度等地形要素以及其他因素的影響.PRISM模型通過(guò)綜合權(quán)重函數(shù)來(lái)反映不同類型的氣象站點(diǎn)對(duì)回歸過(guò)程的影響，與待預(yù)測(cè)點(diǎn)相似度高的氣象站點(diǎn)被賦予較大權(quán)重.綜合權(quán)重計(jì)算函數(shù)中需要輸入坡向、坡度、海拔、離海洋的距離，以及空間距離等地形因子，由于本研究針對(duì)山地小環(huán)境進(jìn)行預(yù)測(cè)，不考慮離海洋的距離、垂直分層等因子，僅選擇空間距離、海拔、坡向3個(gè)因子.調(diào)整后的綜合權(quán)重函數(shù)計(jì)算公式表示如下:

式中，W表示綜合權(quán)重函數(shù)；W(d)、W(z)、W(f)分別是空間距離權(quán)重函數(shù)、海拔距離權(quán)重函數(shù)、坡向權(quán)重函數(shù).參數(shù)Fd、Fz、a、b、c分別設(shè)置為0.8、0.2、2、1、1.Δf是站點(diǎn)與目標(biāo)柵格方位差值的絕對(duì)值(坡向方位最大差值為4個(gè)方位點(diǎn)，最小差值為0)，△z是柵格與站點(diǎn)間的高程差的絕對(duì)值，△zm、△zx分別為最小、最大高程差，a是距離權(quán)重指數(shù)，b是一維指數(shù)，c是坡向權(quán)重指數(shù)，d是站點(diǎn)與柵格的水平距離.

2 模型的實(shí)現(xiàn)及驗(yàn)證

2.1 PRISM模型的實(shí)現(xiàn)

根據(jù)PRISM模型原理與方法設(shè)計(jì)并開(kāi)發(fā)了基于臺(tái)站輸入數(shù)據(jù)和DEM數(shù)據(jù)的山地大氣濕度空間插值模型，通過(guò)該模型可以得到北京西部山地區(qū)域的大氣相對(duì)濕度空間分布信息.模型通過(guò)輸入不同時(shí)間尺度的數(shù)據(jù)源，分別得到年、月、日3個(gè)時(shí)間尺度的相對(duì)濕度空間分布結(jié)果.

大氣濕度空間插值模型設(shè)計(jì)為6個(gè)模塊:數(shù)據(jù)讀取模塊、數(shù)據(jù)寫(xiě)入模塊、移動(dòng)窗口模塊、加權(quán)回歸模塊、插值預(yù)測(cè)模塊、交叉檢驗(yàn)?zāi)K，其中移動(dòng)窗口、加權(quán)回歸、插值預(yù)測(cè)是關(guān)鍵模塊.移動(dòng)窗口模塊的功能是搜索窗口范圍內(nèi)與待插值柵格單元處于同一地形趨勢(shì)面的氣象站點(diǎn)數(shù)目，并記錄下各個(gè)選中站點(diǎn)的所有信息.加權(quán)回歸模塊的功能是通過(guò)坡位、坡向、海拔、距離等因素計(jì)算氣象站點(diǎn)的綜合權(quán)重大小，然后基于被選中站點(diǎn)的綜合權(quán)重和濕度、海拔信息，通過(guò)加權(quán)最小二乘回歸得到本地化垂直變化率.插值預(yù)測(cè)模塊的主要功能是設(shè)定地形趨勢(shì)面的最小站點(diǎn)數(shù)目閾值、窗口擴(kuò)展的步長(zhǎng)以及回歸分析失效情形下的系統(tǒng)默認(rèn)值，最后根據(jù)垂直變化率和虛擬海平面的相對(duì)濕度對(duì)柵格單元進(jìn)行相對(duì)濕度預(yù)測(cè).

基于Visual Studio 2010開(kāi)發(fā)環(huán)境和GDAL動(dòng)態(tài)庫(kù)，依據(jù)數(shù)據(jù)預(yù)處理的結(jié)果編寫(xiě)數(shù)據(jù)輸入接口，設(shè)置模型參數(shù)和專家知識(shí)預(yù)定值范圍，依據(jù)系統(tǒng)設(shè)計(jì)完成各個(gè)模塊的代碼編寫(xiě).在VS2010平臺(tái)上調(diào)試相對(duì)濕度空間插值程序直至成功，依次輸入預(yù)處理數(shù)據(jù)可以得到研究區(qū)域上各個(gè)時(shí)間尺度下大氣相對(duì)濕度分布圖.當(dāng)利用程序調(diào)用交叉檢驗(yàn)?zāi)K時(shí)，程序則輸出研究區(qū)內(nèi)各個(gè)臺(tái)站之間的交叉檢驗(yàn)結(jié)果.

2.2 試驗(yàn)的驗(yàn)證

2.2.1 數(shù)據(jù)來(lái)源及預(yù)處理 本研究采用的地形數(shù)據(jù)包括:北京西部山區(qū)1∶25萬(wàn)DEM數(shù)據(jù)，空間分辨率100 m×100 m；北京西部山區(qū)坡向柵格數(shù)據(jù)，分辨率1 km×1 km.觀測(cè)數(shù)據(jù)來(lái)源于國(guó)家氣象科研數(shù)據(jù)共享平臺(tái)，包括北京西部地區(qū)36個(gè)自動(dòng)氣象站點(diǎn)，時(shí)間為2012年1至12月每天0時(shí)到24時(shí)整點(diǎn)時(shí)刻站點(diǎn)的氣象觀測(cè)數(shù)據(jù)，記錄氣象因子(溫度、相對(duì)濕度、降雨、風(fēng)速、風(fēng)向等)及站點(diǎn)信息(代碼、經(jīng)度、緯度、坡向、高程).各類插值模型所用到的站點(diǎn)信息如表1所示.

表1 氣象站點(diǎn)信息表Table 1 Information on meteorological sites

首先要進(jìn)行海拔與相對(duì)濕度的相關(guān)性預(yù)分析，這是PRISM模型能夠插值的前提條件.分年、月、日3個(gè)尺度判斷海拔與平均相對(duì)濕度是否有存在線性關(guān)系.站點(diǎn)年平均相對(duì)濕度通過(guò)2012年全年觀測(cè)值計(jì)算的平均值得到，站點(diǎn)月平均相對(duì)濕度則通過(guò)全月觀測(cè)值計(jì)算的平均值得到，站點(diǎn)日平均相對(duì)濕度則是通過(guò)全天觀測(cè)值計(jì)算的平均值得到.月平均需要逐月的數(shù)據(jù)，日平均需要系統(tǒng)抽樣選取各個(gè)月中旬某天的數(shù)據(jù).再分時(shí)間尺度綜合海拔、坡向、空間坐標(biāo)、平均相對(duì)濕度等多種因子信息形成特定結(jié)構(gòu)格式的站點(diǎn)信息輸入數(shù)據(jù).最后利用數(shù)字高程數(shù)據(jù)提取坡向柵格數(shù)據(jù)，并與DEM數(shù)據(jù)一起作為輸入數(shù)據(jù).

2.2.2 試驗(yàn)區(qū)概況 試驗(yàn)區(qū)位于北京市西部山區(qū)，屬于華北典型的山地地形.該區(qū)域位于太行山余脈，其內(nèi)有東靈山、筆架山、百花山、妙峰山、九龍山等多座山頭聳立.全區(qū)最低海拔為29 m，最高海拔為2 176 m.山區(qū)由昌平、石景山、門(mén)頭溝、豐臺(tái)、海淀、房山部分區(qū)域組成，地理坐標(biāo)大致為東經(jīng)115°59′～116°06′，北緯39°54′～39°57′，面積約3 000 km2，約占全市面積的17%.山區(qū)屬于半濕潤(rùn)地區(qū)，是典型的暖溫帶大陸性季風(fēng)氣候，干濕適中，四季分明.地區(qū)年平均氣溫為12.2～13.9℃，有效積溫3 385～4 210℃，無(wú)霜期140 d左右，年平均降水量450～600 mm，汛期降水量約占全年的85%，年平均日照時(shí)長(zhǎng)為1 963～2 695 h，平均日照輻射為112.16～136.48 kJ·cm－2.植被多為次生落葉林及灌叢，有人工針葉林和1 900 m以上的山地草甸.

2.2.3 精度的驗(yàn)證 日、月、年3個(gè)時(shí)間尺度下插值結(jié)果的精度通過(guò)站點(diǎn)之間交叉驗(yàn)證的方式來(lái)評(píng)估.模型插值誤差的評(píng)價(jià)指標(biāo)有平均絕對(duì)誤差(MAE)、平均相對(duì)誤差(MRE)和均方根誤差(RMSE).MAE反映山地濕度插值模型的準(zhǔn)確度，RMSE描述模型插值的誤差范圍，誤差指標(biāo)值越小說(shuō)明模型的插值結(jié)果越精確.同時(shí)利用Arcgis 10.0軟件的地統(tǒng)計(jì)工具和氣象站點(diǎn)上的相對(duì)濕度數(shù)據(jù)進(jìn)行空間插值，得到相同區(qū)域上的其他空間插值模型的插值結(jié)果；通過(guò)Arcgis 10.0交叉檢驗(yàn)工具也得到3個(gè)精度指標(biāo)值，并與PRISM方法的精度指標(biāo)值進(jìn)行對(duì)比.文中選取的對(duì)比插值方法有反距離加權(quán)法、徑向基函數(shù)法、泛克里金法和協(xié)同普通克里金法.

3 結(jié)果與分析

3.1 相對(duì)濕度與海拔的相關(guān)性

經(jīng)SPSS軟件分析得出:年平均相對(duì)濕度與海拔的相關(guān)系數(shù)為0.71，月平均相對(duì)濕度和日平均相對(duì)濕度見(jiàn)表2.其中，月平均相對(duì)濕度與海拔的相關(guān)系數(shù)最小值是0.707，日平均相對(duì)濕度與海拔的相關(guān)系數(shù)最小值是0.719.結(jié)果表明大氣相對(duì)濕度與海拔存在較強(qiáng)的線性關(guān)系.相對(duì)濕度的月垂直變化率和月平均值的時(shí)間序列特征如圖2所示，兩者的季節(jié)變化大致呈倒V字形，3月份至11月份二者的變化趨勢(shì)一致，但11月至翌年2月二者的變化趨勢(shì)相反.春夏秋三季內(nèi)隨著大氣相對(duì)濕度的增加相對(duì)濕度的垂直變化率也提高，反之，則相對(duì)濕度垂直變化率遞減.相對(duì)濕度的月垂直變化率和月平均值的時(shí)間序列分析結(jié)果表明，相對(duì)濕度越大，相對(duì)濕度的變化范圍也越大，從而使得相對(duì)濕度月變化率升高.

表2 月平均相對(duì)濕度與日平均相對(duì)濕度的相關(guān)系數(shù)Table 2 Correlation coefficients of monthly and daily average relative humidity

3.2 插值結(jié)果的精度

從整體評(píng)估指標(biāo)和殘差結(jié)果兩方面來(lái)評(píng)估插值結(jié)果的精度.從表3可知:年尺度下平均相對(duì)誤差在5%以內(nèi)；月尺度下平均絕對(duì)誤差的最大值是3.9%，最小值是2.43%，平均相對(duì)誤差的范圍在10%以內(nèi)，均方根誤差為1.8%～4.8%；日尺度下平均絕對(duì)誤差的最大值是6.21%，最小值是3.07%，平均相對(duì)誤差在25%以內(nèi)，均方根誤差為1.78%～5.84%.上述MAE、MRE及RMSE指標(biāo)說(shuō)明年平均相對(duì)濕度預(yù)測(cè)的誤差小于月平均相對(duì)濕度的誤差，月平均相對(duì)濕度預(yù)測(cè)誤差小于日平均相對(duì)濕度的誤差.綜合上述指標(biāo)，結(jié)果表明基于PRISM的插值模型在山地大氣濕度插值的應(yīng)用上基本上達(dá)到精度要求，即相對(duì)誤差在10%之內(nèi)，而且時(shí)間尺度越大模型精度越高.

表3 3種時(shí)間尺度下平均相對(duì)濕度的預(yù)測(cè)精度Table 3 Accuracy of prediction on average relative humidity in different time scales

從圖3可知，殘差分布圖顯示除少數(shù)站點(diǎn)外，其他所有站點(diǎn)都在置信區(qū)間內(nèi)且均勻分布在X軸兩側(cè)，表明預(yù)測(cè)殘差是正態(tài)分布；PRISM插值模型的插值精度高，結(jié)果可信.

3.3 PRISM模型與其他插值模型的平均絕對(duì)誤差指標(biāo)的對(duì)比

圖4A是PRISM插值模型與反距離加權(quán)、全局多項(xiàng)式等插值方法精度的對(duì)比；PRISM模型的MAE在日尺度下下降0.66%～1.23%，月份尺度下下降0.24%～0.52%，年尺度下下降0.36%～0.66%.圖4B是PRISM插值模型與加入海拔的協(xié)同普通克里金方法精度的對(duì)比.PRISM模型在年尺度下MAE下降0.4%，月尺度下MAE下降0.38%，日尺度下MAE下降0.41%.綜合上述，基于PRISM原理的山地氣象空間插值模型在綜合考慮了空間距離、海拔、坡向因素后，插值精度比其他插值方法有較大提高.

3.4 不同時(shí)間尺度下的相對(duì)濕度空間分布特征

以2012年、2012年8月、2012年7月15日為例子，利用山地大氣濕度空間插值模型進(jìn)行模擬，分別得到年、月、日3個(gè)尺度下的相對(duì)濕度分布場(chǎng)(圖5).

4 討論

本研究中，山地大氣濕度空間插值模型綜合考慮了海拔、坡向等地形因子影響山地濕度的氣象機(jī)理，從而適用于山地大氣濕度的空間分布模擬.上述結(jié)果與宋亞男等[31]以華北地區(qū)為例子對(duì)相對(duì)濕度空間插值研究的結(jié)果一致，即時(shí)間尺度越大平均相對(duì)濕度的空間插值精度越高.本研究結(jié)果也表明基于PRISM的空間插值程序能快速實(shí)現(xiàn)對(duì)山地大氣濕度場(chǎng)的精確模擬，且插值精度優(yōu)于反距離加權(quán)方法、徑向基函數(shù)方法、泛克里金方法和協(xié)同普通克里金方法.

[1]李海濤，沈文清，夏軍.MTCLIM模型系列研究報(bào)告(2):濕度估算方法在中國(guó)亞熱帶山地的有效性驗(yàn)證[J].山地學(xué)報(bào)，2003，21(4):395－401.

[2]馬劍芳，馬欽彥，康峰峰，等.山西太岳山油松林木夏季樹(shù)干液流速率的研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2005，27(S2):160－164.

[3]高開(kāi)通，劉鵬舉，唐小明.森林資源小班火險(xiǎn)天氣等級(jí)預(yù)報(bào)方法研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2013，35(4):61－66.

[4]劉學(xué)勤，奧小平，何力春.宜林荒山春季土壤含水率與氣象因子的相關(guān)分析[J].北京林業(yè)大學(xué)學(xué)報(bào)，1993，15(3):26－33. [5]林智慧，楊建全，鄭敏琳，等.濕度對(duì)褐背小螢葉甲生長(zhǎng)發(fā)育的影響[J].福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版)，2004，33(1):42－45.

[6]潘煒，付月生，邢金鵬，等.環(huán)境溫度對(duì)蜂巢內(nèi)溫濕度的影響[J].福建農(nóng)林大學(xué)學(xué)報(bào)(自然科學(xué)版)，2016，45(3):316－319.

[7]王書(shū)光，周在敏，欒樹(shù)杰，等.紅松人工林林木直徑生長(zhǎng)與氣象因子的相關(guān)分析[J].沈陽(yáng)農(nóng)業(yè)大學(xué)學(xué)報(bào)，1990，21(3):247－250.

[8]侯光雷.吉林省中部地表溫度和濕度的反演及空間分布[D].長(zhǎng)春:東北師范大學(xué)，2008.

[9]周紅藝，葉穎燊，李輝霞.基于DEM的廣東省平均氣溫空間插值Ⅰ:研究方法[J].佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版)，2014，32(2):6－9.

[10]張洪亮，倪紹祥，鄧自旺，等.基于DEM的山區(qū)氣溫空間模擬方法[J].山地學(xué)報(bào).2002，20(3):360－364.

[11]何杰穎，張升偉.地基和星載微波輻射計(jì)數(shù)據(jù)反演大氣濕度[J].電波科學(xué)學(xué)報(bào)，2011，26(2):362－368.

[12]李正泉，于貴瑞，劉新安，等.東北地區(qū)降水與濕度氣候資料的柵格化技術(shù)[J].資源科學(xué)，2003，25(1):72－77.

[13]劉旸，管莉.人工神經(jīng)網(wǎng)絡(luò)法反演晴空大氣濕度廓線的研究[J].氣象，2011，37(3):318－324.

[14]胡丹桂，舒紅.基于協(xié)同克里金空氣濕度空間插值研究[J].湖北農(nóng)業(yè)科學(xué)，2014，53(9):2 046－2 049.

[15]馬軒龍，李春娥，陳全功.基于GIS的氣象要素空間插值方法研究[J].草業(yè)科學(xué)，2008，25(11):13－19.

[16]朱華忠，羅天祥，CHRISTOPHER D.中國(guó)高分辨率溫度和降水模擬數(shù)據(jù)的驗(yàn)證[J].地理研究，2003，22(3):349－359.

[17]封志明，楊艷昭，丁曉強(qiáng)，等.氣象要素空間插值方法優(yōu)化[J].地理研究，2004，23(3):357－364.

[18]李新，程國(guó)棟，盧玲.空間內(nèi)插方法比較[J].地球科學(xué)進(jìn)展，2000，15(3):260－265.

[19]DALY C，NEILSON R P，PHILLIPS D L.A statistical-topographic model for mapping climatological precipitation over mountain terrain[J].Journal of Applied Meteorology，1994，33:140－158.

[20]GLASSY J M，RUNNING S W.Validating diurnal climatology logic of the MTCLIM model across a climate gradien in Oregon [J].Ecol Appl，1994，4(2):248－679.

[21]KIM J P，KIM G，LEE W S，et al.Estimation of monthly areal precipitation using Daymet and PRISM[J].Journal of Korean Society of Hazard Mitigation，2012，12(5):83－90.

[22]趙登忠，張萬(wàn)昌，劉三超.基于DEM的地理要素PRISM空間內(nèi)插研究[J].地理科學(xué)，2004，24(2):205－211.

[23]夏智武，劉鵬舉，陳增威，等.山地環(huán)境日氣溫PRISM空間插值研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2016，38(1):83－90.

[24]韓慶紅，陳渭民，王普才，等.PRISM在松花江流域降水分布中的應(yīng)用研究[J].南京氣象學(xué)報(bào)，2006，29(1):56－61.

[25]朱求安，張萬(wàn)昌，趙登忠.基于PRISM和泰森多邊形的地形要素日降水量空間插值研究[J].地理科學(xué)，2005，25(2): 233－238.

[26]DALY C，GIBSON W P，TAYLOR G H，et al.A knowledge-based approach to the statistical mapping of climate[J].Climate Research，2002，22(2):99－113.

[27]DALY C，HELMER E H，QUINONES M.Mapping the climate of Puerto Rico，Vieques and Culebra[J].International Journal of Climatology，2003，23(11):59－81.

[28]KINBALL J S，RUNNING S W，NENANI R R.An improved method for estimating surface humidity from daily minimum temperature[J].Agri For Meteorol，1997，85:85－98.

[29]CHRISTOPHER D，MICHAEL H，SMITH J I，et al.Physiographically sensitive mapping of climatological temperature and precipitation across the conterminous United States[J].International Journal of Climatology，2008，28(15):2 031－2 064.

[30]徐成東.基于線性加權(quán)回歸模型的降水量空間插值方法研究[D].鄭州:河南大學(xué)，2008.

[31]宋亞男，王秀蘭，馮仲科.區(qū)域氣象要素的空間插值方法比較研究—以華北地區(qū)為例[J].山東林業(yè)科技，2014，44(6):1－6.

(責(zé)任編輯:葉濟(jì)蓉)

Spatial interpolation of humidity over mountain area based on PRISM

JIANG Yuhao，LIU Pengju，XIA Zhiwu，JIA Daoxiang，YAN Ming
(Research Institute of Resource Information Techniques，Chinese Academy of Forestry，Beijing 100091，China)

To investigate spatial distribution characteristics of humidity across mountainous area in western Beijing，spatial interpolation model based on parameter-elevation regression on independent slopes model(PRISM)principle was applied to hourly humidity data from 36 stations of Meteorological Science Data Sharing Platform and 1∶250000 DEM data across western mountainous area in Beijing.Then grid information on atmospheric relative humidity under time scales of yearly，monthly and daily was generated.Moreover，accuracy of the model was evaluated by cross validation among the sites and comparison with other models like inverse-distanceweighting，Kriging and polynomial.The result showed that this spatial interpolation model based on PRISM was suitable for simulating atmospheric humidity distribution over mountainous area in northern China.Interpolation accuracies for monthly and annual average relative humidity were greatly improved.And its interpolation accuracy was higher than other interpolation methods which only considered space distance or space distance together with altitude.

atmospheric humidity；spatial interpolation；parameter-elevation regression on independent slopes model；weighted linear least squares regression

S716.2；P456.7

:A

:1671-5470(2016)06-0692-08

10.13323/j.cnki.j.fafu(nat.sci.).2016.06.014

2016－03－11

:2016－06－21

“863”計(jì)劃資助項(xiàng)目(2012AA102001-2).

蔣育昊(1991－)，男，碩士研究生.研究方向:地理信息系統(tǒng)開(kāi)發(fā)與應(yīng)用.通訊作者劉鵬舉(1973－)，男，副研究員，博士.研究方向:林業(yè)GIS應(yīng)用與開(kāi)發(fā).Email:liupeng＠caf.ac.cn.