全 文 ：第 25 卷第 11 期
2005 年 11 月
生　　态　　学　　报
A CTA ECOLO G ICA S IN ICA
V o l. 25,N o. 11
N ov. , 2005
利用 G IS 和多变量分析估算青藏高原月降水
何红艳, 郭志华3 , 肖文发, 郭泉水
(中国林科院森林生态环境与保护研究所, 北京　100091)
基金项目: 国家自然科学基金重大研究计划资助项目 (90211006) ; 国家重点基础研究发展规划资助项目 (973 项目) (2002CB412508) ; 国家自然
科学基金面上资助项目 (30371141) ; 国家林业局重点试验室开放基金资助项目
收稿日期: 2004211212; 修订日期: 2005207210
作者简介: 何红艳 (1981～ ) , 女, 湖北安陆人, 硕士生, 主要从事 G IS、GPS 和RS 在森林生态的应用研究. E2m ail: hy- he@ 163. com
通讯作者 A utho r fo r co rrespondence. E2m ail: guozh@fo restry. ac. cn
Foundation item: N ational N atural Science Foundation Key Research P lan (N o. 90211006) , N ational N atural Science Foundation of Ch ina (N o.
30371141) , N ational Fo restry A dm inistrat ion Key L abo rato ry Fund
Rece ived date: 2004211212; Accepted date: 2005207210
Biography: H E Hong2Yan, M aster candidate, m ain ly engaged in app lication reseach of G IS, GPS, RS in fo rest eco logy. E2m ail: hy2he@ 163. com
摘要: 随着空间降水信息需求的日益增加, 空间降水插值已被广泛应用。降水区域不同, 插值方法不同; 时间尺度不同, 插值方法
也不相同。适合于所有地区的通用降水插值模型是不存在的。青藏高原自然地理特征独特, 分析高原降水的时空格局意义重要。
以青藏高原及其周边地区 140 个气象站点的月降水信息及其该地区的数字高程数据 (D EM ) 为基础, 利用 G IS 工具, 对比分析
了五种插值方法在青藏高原不同降水年份 (以 1998 年、1997 年分别代表丰水及欠水年份) 的干湿季 (1998 年的干湿季分别以
12 月份和 8 月份为代表, 1997 年的干湿季分别以 1 月份和 7 月份为代表)月降水插值中的应用, 并对整个高原地区的干季和湿
季的月降水进行制图。这 5 种插值方法分别是: 克里金插值法、反距离加权法、样条法、混合插值法É 和混合插值法Ê , 前 3 种插
值方法未考虑海拔高度对降水的影响, 而混合插值法则将高程作为降水的重要影响因子。结果表明: ①在干季, 无论是丰水还是
欠水年份, 月降水量都比较少, 高程对降水量的影响较小, 在月降水插值时可不考虑高程的影响, 克里金法的月降水插值精度最
高。②在湿季, 月降水量较多, 高程的影响较大, 混合插值法比局部插值法及克里金插值法的精度高, 尤以混合插值法Ê (多元回
归和样条法的综合)的精度最高。③干季, 整个高原的月降水很少, 西部和北部降水最少, 东部和南部相对较多; 湿季, 高原的月
降水较多, 空间格局表现为由东南向西北递减。
关键词: 月降水量; 局部插值; 混合插值; 青藏高原
文章编号: 100020933 (2005) 1122933206　中图分类号: P46810+ 24　文献标识码: A
M app ing m on thly prec ip ita tion for T ibetan Pla teau w ith GIS and m ultivar ia te
ana lys is ba sed on D EM da ta
H E Hong2Yan, GUO Zh i2H ua3 , X IAO W en2Fa, GUO Q uan2Shu i　 (T he Institu te of F orest E cology , E nv ironm en t and
P rotection, Ch inese A cad emy of F orestry , B eij ing 100091, Ch ina). A cta Ecolog ica S in ica , 2005, 25 (11) : 2933～ 2938.
Abstract: Spat ia l p recip ita t ion in terpo lat ion is of in terest because it depends on m any environm en tal variab les, and there is no
un iversal in terpo lat ion model app licab le to all the terrain s. T he spatia l availab ility of in terpo lat ion is p rob lem atic because the
p recip ita t ion data w as reco rded at distribu ted w eather fo recast sta t ions. A s a resu lt, values at any o ther po in t in the terrain
m ust be in terpo lated from the neighbo ring stat ions. U sing m ult ip le linear regression and Geograph ic Info rm ation System
(G IS) , the spat ia l distribu t ions of mon th ly p recip ita t ion fo r bo th w et and dry years in the T ibetan P lateau w ere modeled.
Based on the p recip ita t ion data co llected by 140 stat ions fo r bo th w et year 1998 and dry year 1997 (D ec. and A ug. fo r dry and
w et mon th s in 1998, Jan. and Ju l. fo r dry and w et mon th s in 1997) and the D EM data of the T ibetan P lateau, a mon th ly
p recip ita t ion m ap of the T ibetan P lateau w as draw n. F ive in terpo lat ion m ethods w ere compared in th is study and they w ere
K riging, Inverse D istance W eigh ting ( IDW ) , Sp lines, and tw o m ixed m ethods. O ne m ixed m ethod is the com binat ion of
M ult ip le R egression and Inverse D istance W eigh ting, w h ile the o ther is the com binat ion of M ult ip le R egression and Sp lines.
Bo th of the m ixed m ethods take the elevat ion as an impo rtan t facto r du ring in terpo lat ion, w h ile the fo rm er o ther th ree m ethods
© 1994-2006 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
do no t pu t in to considerat ion of elevat ion influence. T he m ixed m ethods can be summ arized in to the fo llow ing fo rm u la: P = f
(B , L , H ) + R ; w here P refers to p recip ita t ion, B öL öH rep resen ts respect ively longitude, la t itude and elevat ion, and R refers
to the residual. T he validity of the mon th ly rainfall m ap s w as checked th rough 10 independen t experim en t w eather sta t ions.
T he resu lts show : ① In dry seasons, mon th ly p recip ita t ion w as low regardless of w et years o r dry years; and the best resu lts
fo r dry mon th ly p recip ita t ion m app ing w ere ob tained by using the K riging in terpo lat ion. ② In w et seasons, mon th ly
p recip ita t ion w as h igh ly affected by the facto r of alt itude, therefo re, the tw o m ixed m ethods ob tained better resu lts than the
fo rm er th ree m ethods. Fu rthermo re, m ixed m ethod II ( the com binat ion of M ult ip le R egression and Sp lines) go t the best
resu lt. ③ T he spatio2tempo ral pat tern s of the T ibetan P lateau in the p recip ita t ion m ap s w ere discussed. T he p recip ita t ion in
the w estern and no rthern T ibetan P lateau w as fairly low and that in the eastern and sou thern T ibetan P lateau w as m uch low er
in the dry seasons. T he mon th ly p recip ita t ion in w et mon th s decreased as the spat ia l varia t ion from sou theast to no rthw est of
the T ibetan P lateau.
Key words: mon th ly p recip ita t ion; local in terpo lat ion m ethods; m ixed in terpo lat ion m ethods; T ibetan P lateau
　　降水的空间分布信息对于区域水资源及旱涝灾害的预测与管理、生态环境治理等都具有重要意义。然而, 通常获取的降水
信息仅为气象站点的降水数据, 要获得整个区域的降水信息, 则需利用临近气象站点的降水数据通过插值或其它地理、地形因
素间接求得[1 ]。
降水插值方法很多, 常见的有克里金插值法 (K riging)、泰森多边形法 (T h iessen po lygons)、反距离加权法 ( Inverse D istance
W eigh t, IDW )、样条法 (sp lines)和多元回归法 (m u lt ip le regeress)等[1～ 10 ]。其中, 克里金插值法有多个变型, 不同的克里金插值
法 (如普通克里金法、通用克里金法、泛克里金法、协同克里金法等)的适用性和优缺点各不相同, 协同克里金法和泛克里金法的
精度相对较高[2 ]。泰森多边形法 (即最临近点插值法)计算简便[2, 3 ] , 适用于地形大致一致、气象站点密度较高的区域[4 ]。对于气
象站点稀疏的区域, 反距离加权法有助于提高降水的插值精度[2～ 4 ], 但该方法同样未考虑地形对降水的影响, 故该法不适用于
地形起伏较大的区域[2 ]; 样条法虽也被广泛使用, 但它不能提供误差估计, 对研究区域也有特殊的要求[3, 5, 6 ]; 在考虑地形因素影
响的情况下, 多元回归法比较常用[1, 3, 4, 7, 8 ]; 另外, V icen te2Serrano 提出了一种新的降水插值方法——混合插值法, 即将整体插
值法 (如多元回归法)和局部插值法 (如反距离加权法、样条法)结合起来[9 ]。
青藏高原独特的自然地理特征不仅对本区而且对其毗邻地区产生深刻影响, 同时, 月降水信息对区域乃至全球植被生产
力及生态系统碳循环的研究具有重要作用[11～ 14 ]。因此, 分析青藏高原月降水的时空格局及其变化规律具有重要意义。本文以青
藏高原地区[15 ]为研究对象, 对比分析不同插值方法在该地区干季和湿季月降水插值的适用性与精度, 力图寻找适合青藏高原
地区的月降水插值方法, 并对高原的月降水进行制图, 进而为分析整个青藏高原月降水和植被生产力的时空格局及其动态变化
规律奠定基础。
1　数据与方法
111　数据
月降水量数据来自国家气象局, 包括青藏高原及周边地区 140 个观测站 (图 1) 自建站至 2001 年 12 月逐月的降水观测数
据。高原西部的气象站点较少、地势起伏相对较小, 东部和南部的降水站点相对比较密集、地势起伏大。数字高程 (D EM )数据的
精度为 1km。
图 1　青藏高原及其周边降水站点分布图
F ig. 1 　D istribu tion of p recip itat ion stt ions in and around T ibet
P lateau
较强的降水季节变化可能会导致干季和湿季的降水插值方
法不同[9, 16 ]。1982 年到 2001 年间, 1997 年受厄尔尼诺现象的影
响, 高原的降水最少, 平均为 45415 mm ; 1998 年降水最多, 平均
为 56113 mm。因此, 选择 1997 年和 1998 年的月降水数据来探
讨高原地区干季和湿季降水插值方法。由图 2 可知, 在 1997 年,
1 月份降水最少, 7 月份降水最多; 而在 1998 年, 12 月份降水最
少, 8 月份降水最多。因此, 本文分别以 1997 年 1 月和 7 月以及
1998 年 12 月和 8 月代表高原的干季 (10 月至翌年 5 月份) [1 ]和
湿季 (6～ 9 月份) [1 ] , 对比分析高原干湿季的月降水插值方法, 力
图探讨整个青藏高原地区月降水的最优插值方法, 并对高原的
月降水进行制图。
4392　 生　态　学　报 25 卷
© 1994-2006 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
图 2　1997 年及 1998 年月降水
F ig. 2　M onth ly p recip itat ion in 1997 and in 1998 of T ibet
112　插值方法
影响降水的因素很多, 如经度、纬度、高程、离水体的距离、
坡度、坡向等[1, 7, 9, 17 ]。研究区域不同, 影响降水的因子不同, 插值
方法也不同[9 ]。主要利用局部插值法和混合插值法两种插值方
法来探讨高原月降水的空间变化。
11211　局部插值法　反距离加权法、样条法和克里金插值法是
3 种常用的局部插值法。反距离加权法是根据距离衰减规律, 对
样本点的空间距离进行加权, 求得估算点的降水值[2, 3, 7, 9 ]; 样条
法是通过 2 个样本点之间的曲线变形达到最佳拟合的插值效
果[4, 5, 6, 9 ]; 而克里金插值法实际上是一种地学统计方法, 该方法
认为任何空间连续性变化的属性是非常不规则的, 不能用简单
的平滑数学函数进行模拟, 但是可以用随机表面给予较恰当的描述[2, 16, 18 ]。
在局部插值方法中, 分别利用反距离加权法、样条法和克里金插值法对青藏高原月降水进行空间插值, 其中: 反距离加权法
的距离权重指数设为 2, 站点搜索范围设为临近 12 个站点; 样条法所用的样条为规则样条, 指数为 011, 站点搜索范围为临近的
12 个站点; 克里金插值法半方差函数采用指数模型, 站点搜索范围为临近的 12 个站点。
11212　混合插值法　青藏高原地形起伏很大, 海拔对不同地区不同季节的月降水影响不同。在同一月份, 某点的月降水量 (P )
受其所在位置 (经度L , 纬度B )和海拔高度 (H )的影响[1, 6, 7, 17 ]。在考虑高程值对降水影响的情况下, 数学模型 P = f (L ,B , H )
最适合月降水量的估测[5, 6, 16 ]。混合插值法对 P 值进行了残差修正。对残差进行的插值, 只能采用不改变观测站点观测值的局
部插值法。根据残差的插值方法不同, 混合插值法又可分为不同的亚类。本文的残差插值所选用的局部插值法为反距离加权法
和样条法, 相应的混合插值法表示为混合插值法É 和混合插值法Ê。
首先, 从青藏高原及其周边区域的 140 个气象站点中选取 130 个作为插值站点, 以 130 个插值站点的经度 (L )、纬度 (B ) 和
高程 (H )数据, 建立L、B、H 与月降水量 P 之间的多元线型回归方程 P = f (L , B , H ) , 并根据该回归模型和青藏高原的D EM
来估测整个高原地区的降水量。然后, 进行残差修正, 方法是: 对估测量和实测量之间存在的残差进行插值, 将插值后的月降水
量残差分布图修正到通过回归模型建立的月降水分布图上, 得到修正后的青藏高原月降水分布图。在回归模型中, 经度、纬度的
单位为度, 高程单位为 011m , 降水量单位为 011mm。
113　插值检验
从青藏高原及其周边的 140 个站点中随机选出 10 个站点作为月降水量插值精度的检验站点, 插值则以其余 130 个站点为
基础。根据插值结果, 计算或读出 10 个检验站点的估计值, 对比分析观测值与估算值的差异, 插值精度由平均绝对误差 (M A E)
的大小来决定。
本文所有计算和制图都在 G IS 软件A rc Info 813 下进行, 回归分析在M A TLAB615 下进行。
2　结果与讨论
211　干季月降水插值
青藏高原降水的季节变化大, 湿季降水多, 干季降水少 (图 2)。
青藏高原干季月降水量很少, 很多站点的月降水量在 0～ 1 mm 之间。在干季, 海拔对高原月降水的影响很小, 因而以高程
为数据源的多元回归法及相应的混合插值法不适合。
21111　丰水年份　1998 年是 1982 年到 2001 年降水最多的一年, 是一个丰水年。1998 年 12 月, 青藏高原及附近地区 140 个气
象站点的平均降水量为 214 mm , 最高为 2119 mm , 其中 40 个气象站点的降水为 0 mm。
用反距离加权法、样条法和克里金插值法进行月降水插值, 青藏高原 1998 年 12 月的降水分布格局如图 3 (a1, b1, c1)所示。
21112　欠水年份　受厄尔尼诺影响, 1997 年青藏高原降水很少。1997 年 1 月, 青藏高原及附近地区 140 个气象站点的平均降
水量为 312 mm , 最高为 1816 mm , 其中 29 个站点的降水为 0 mm。
用反距离加权法、样条法和克里金插值法对 1997 年 1 月份的降水进行插值, 高原在该月的降水分布格局见图 3 (a2, b2,
c2)。
21113　精度检验及降水的空间格局　用上述 3 种插值方法对 1998 年 12 月份和 1997 年 1 月份月降水插值后 10 个检验站点
的误差见表 1。
由表 1 可知: ①在各检验站点, 不同的插值方法的误差变化趋势一致; ②无论 1998 年 12 月还是 1997 年 1 月降水插值, 样
条法的平均绝对误差都最大, 插值精度最低; ③对于 1998 年 12 月和 1997 年 1 月降水, 克里金插值法的平均绝对误差最小, 插
539211 期 何红艳　等: 利用 G IS 和多变量分析估算青藏高原月降水 　
© 1994-2006 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
值精度最高。
图 3　3 种插值方法下的 1989 年 12 月份降水和 1997 年 1 月份降水
F ig. 3　P recip itat ion in D ec. , 1998 and in Jan. , 1997 by th ree in terpo lation m ethods
a1　反距离加权法 inverse distance w eigh ting; b1　样条法 sp lines; ; c1　克里金插值法 Kriging; a2　反距离加权法 inverse distance
w eigh ting; b2　样条法 sp lines; c2　克里金插值法 Kriging
表 1　1998 年 12 月份和 1997 年 1 月份降水不同插值方法插值结果的误差统计 (011mm )
Table 1　Prec ip itation error statistics for in terpolation by differen t methods in D ec. , 1998 and Jan. , 1997
气象站点
W eather stat ions
经度
L ongitude (°)
纬度
L atitude (°)
海拔
A ltitude (m )
M 12
1998
M 1
1997
A E ( idw ) A E (sp line) A E (k riging)
1998 1997 1998 1997 1998 1997
皮山 P ishan 78. 28 37. 62 1375 2 0 5 0 12 1 8 0
日喀则R ikaze 88. 88 29. 25 3836 0 0 4 20 10 17 7 11
那曲N aqu 92. 07 31. 48 4507 17 86 13 63 57 69 5 56
泽党 Zedang 91. 77 29. 25 3552 0 23 11 3 14 22 7 7
华坪H uap ing 101. 27 26. 63 1245 47 36 20 2 47 20 12 7
昭觉 Zhao jue 102. 85 28. 00 2132 87 84 15 11 9 23 15 2
岷县M inxian 104. 02 34. 43 2315 0 41 10 5 9 20 13 4
景泰 J ingtai 104. 05 37. 18 1631 0 10 3 8 9 25 3 15
华家岭H uajialing 105. 00 35. 38 2451 0 65 4 38 4 15 7 24
巴塘Batang 99. 10 30. 00 2589 0 0 14 16 7 69 17 1
平均绝对误差 (M A E) M ean abso lu te erro r 9. 9 16. 6 17. 8 28. 1 9. 4 12. 7
　　M 12 和M 1 分别表示 12 月和 1 月降水量的实测值,A E ( idw )、A E ( sp line) 和A E (Kriging) 分别表示用反距离加权法、样条法和克里金插值
法插值时的绝对误差M 12 and M 1 are the observed values in D ec. and Jan. , A E ( idw ) , A E (sp line) and A E (Kriging) are the abso lu te erro rs fo r
the in terpo lation m ethods of inverse distance w eigh ting, sp lines and Kriging
　　综上所述, 在青藏高原, 无论是在丰水年份还是欠水年份, 克里金插值法都是干季月降水插值的理想方法。
由图 3 (c1, c2)可知, 尽管 1998 年是丰水年, 1997 年是欠水年, 然而 1997 年 1 月的降水比 1998 年 12 月的降水多。总体上,
青藏高原干季月降水很少, 西部和北部的降水最少, 东部和南部的降水相对多些。
2. 2　湿季月降水插值
青藏高原湿季月降水较多, 海拔高度对降水的影响较大, 因此, 混合插值法比较合适, 因为月降水的混合插值模型中将海拔
作为一个重要因子。
2. 2. 1　丰水年份湿季月降水　1998 年 8 月为该年高原降水最多的月份。1998 年 8 月, 青藏高原及附近地区 140 个气象站点的
平均降水量为 13310 mm , 最高为 45111 mm , 最低为 019 mm。
用混合插值法É (多元回归法和反距离加权法的混合)、混合插值法Ê (多元回归法和样条法的混合)、反距离加权法、样条
法和克里金插值法对 1998 年 8 月份的降水插值, 青藏高原丰水年份湿季的降水分布如图 4 (a12e1)所示。
21212　欠水年份湿季月降水　1997 年 7 月为高原该年降水最多的月份。1997 年 7 月, 青藏高原及附近地区 140 个气象站点的
平均降水量为 10017 mm , 最高为 46614 mm , 最低为 014 mm。
用混合插值法É (多元回归法和反距离加权法的混合)、混合插值法Ê (多元回归法和样条法的混合)、反距离加权法、样条
法和克里金插值法对 1997 年 7 月的降水插值, 青藏高原欠水年份的降水分布如图 4 (a22e2)所示。
21213　精度检验及降水的空间格局　由上述分析可知, 无论是在丰水年份还是欠水年份, 海拔高度对高原湿季月降水的影响
均不可忽视。
6392　 生　态　学　报 25 卷
© 1994-2006 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
图 4　5 种插值方法下高原 1998 年 8 月的降水和 1997 年 7 月的降水
F ig. 4　P recip itat ion in A ugust, 1998 and in Ju ly, 1997 by five in terpo lation m ethods
a1　反距离加权法 inverse distance w eigh ting; b1　混合插值法É m ixed m ethod 1; c1　样条法 sp lines; d1　混合插值法Ê m ixed m ethod;
e1. 克里金插值法 Kriging; a2　反距离加权法 inverse distance w eigh ting; b2　混合插值法É m ixed m ethod 1; c2　样条法 sp lines; d2　混合
插值法Ê m ixed m ethod 2; e2　克里金插值法 Kriging
　　用 5 种插值方法对 1998 年 8 月和 1997 年 7 月的月降水插值后, 10 个检测站点月降水的实测数据与估测结果误差见表 2。
由表 2 可知: ①无论是 1998 年 8 月还是 1997 年 7 月, 混合插值法 II的平均绝对误差都最小, 精度最高; ②在 10 个检测站点中,
虽然总体上混合插值法比其对应的局部插值法的效果好, 但是并不是对于每一个检测站点, 混合插值法的效果都比其对应的局
部插值法的效果好; ③对于 1998 年 8 月份的降水, 样条法的平均绝对误差最大; 对于 1997 年 7 月份的降水, 克里金插值法的平
均绝对误差最大。
表 2　1998 年 8 月和 1997 年 7 月份降水不同插值方法插值结果的误差统计 (011mm )
Table 2　Prec ip itation error statistics for in terpolation by differen t methods in Aug. 1998 and Jul. 1997
站点名称
W eather stat ions
M 8
1998
M 7
1997
A E ( idw ) A E (m idw ) A E (sp line) A E (m sp line) A E (k rig)
1998 1997 1998 1997 1998 1997 1998 1997 1998 1997
皮山 P ishan 169 4 6 43 124 151 47 73 74 98 70 46
日喀则R ikaze 2808 731 1136 55 1137 57 1036 306 1003 196 1059 123
那曲N aqu 1598 862 179 173 176 155 379 73 151 48 151 163
泽党 Zedang 2807 773 1021 13 947 62 881 61 843 70 1019 45
华坪H uap ing 4399 3705 1724 802 1198 593 2101 68 772 261 1784 599
昭觉 Zhao jue 2487 2147 398 352 341 287 1169 205 202 94 180 317
岷县M inxian 1385 568 173 373 20 303 105 224 89 221 262 223
景泰 J ingtai 719 954 65 117 65 136 215 43 343 60 53 231
华家岭H uajialing 910 1104 457 278 104 270 658 827 545 584 763 546
巴塘Batang 3050 1340 918 205 569 96 1222 39 329 28 857 139
平均绝对误差 (M A E)M ean abso lu te erro r 607. 7 241. 1 468. 1 211 781. 3 191. 9 435. 1 166 619. 8 243. 2
　　M 7 和M 8 分别表示 7 月和 8 月降水量的实测值, A E ( idw )、A E (m idw )、A E (sp line)、A E (m sp line) 和A E (Kriging) 分别表示用反距离加权
法、混合插值法 I、样条法、混合插值法 II和克里金插值法插值时的绝对误差M 7 and M 8 are the observed values in Ju ly and A ugust; A E ( idw ) ,
A E (m idw ) , A E ( sp line) , A E (m sp line) and A E (Kriging) are the abso lu te erro rs fo r the in terpo lation m ethods of inverse distance w eigh ting,
m ixed m ethod É , sp lines, m ixed m ethod Ê and k riging
739211 期 何红艳　等: 利用 G IS 和多变量分析估算青藏高原月降水 　
© 1994-2006 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
　　总体来讲, 对于青藏高原湿季月降水, 无论是丰水年份还是欠水年份, 混合插值法 II(样条法和多元回归法的综合) 的效果
最好。由图 4 (d1, d2)可知, 青藏高原湿季月降水东南地区较多, 西北地区较少, 呈现从东南向西北递减趋势, 但是在新疆、西藏
和青海三省交界处有一个较低的雨区。
3　结论
(1)无论是在丰水还是欠水年份, 在湿季降水插值时, 混合插值法比相应的局部插值法的精度高, 这是因为混合插值法考虑
了海拔高度对降水的影响。
(2)青藏高原干季和湿季月降水的最优插值方法不同, 干季月降水插值可不考虑海拔的影响, 克里金插值法的精度最高; 湿
季月降水采用混合插值法 II(样条法和多元回归法的综合)的精度最高。
(3) 青藏高原干季的月降水很少, 西部和北部降水最少, 东部和南部相对多一点; 湿季月降水格局是西北地区降水较少、东
南降水较多、从东南向西北递减的趋势。
与其它的研究相比,N guyen 认为对于加里福利亚州圣巴巴拉郡的降水插值, 回归分析法的精度比反距离加权法的精度要
高[8 ]; 而在埃布罗河流域中部的月降水和年降水插值时,V icen te2Serrano 的研究却显示回归分析法的精度不高, 样条法在局部
插值法中误差最小[9 ]。这些都与青藏高原月降水的最优插值方法不同。因此, 研究区域不同, 最优的降水插值方法不尽相同。
总之, 对于某一研究区域, 应该根据具体情况不同比较不同插值方法的插值效果, 进而选出最适合该区域的插值方法。
References:
[ 1 ]　M arquínez J , L astra J , García P. E stim ation models fo r p recip itat ion in mountainous regions: the use of G IS and m ultivariate analysis.
J . H y d rol. , 2003, 270: 1～ 11.
[ 2 ]　Goovaerts P. Geo statist ical app roaches fo r inco rpo rating elevation in to the spatial in terpo lation of rainfall. J. H y d rol. , 2000, 228 (122) :
113～ 129.
[ 3 ]　H asenauer H , M erganicova K, Petritsch R , et a l. V alidation daily clim ate in terpo lations over comp lex terrain in A ustria. A g ricu ltu ra l
and F orest M eteorology , 2003, 119 (122) : 87～ 107.
[ 4 ]　H argrove W W. In terpo lation of Rainfall in Sw itzerland using a Regularized Sp line w ith T ension. h ttp: ööresearch. esd. o rn l. govö2hnw ö
sic97ö
[ 5 ]　H utch inson M F. In terpo lation of Rainfall D ata w ith T h in P late Smoo th ing Sp lines　Part É : Two D im ensional Smoo th ing of D ata w ith
Sho rt Range Co rrelat ion. J ou rna l of Geog rap h ic Inf orm ation and D ecision A na ly sis, 1998, 2 (2) : 139～ 151.
[ 6 ]　H utch inson M F. In terpo lation of Rainfall D ata w ith T h in P late Smoo th ing Sp lines　Part Ê : Two D im ensional Smoo th ing of D ata w ith
Sho rt Range Co rrelat ion. J ou rna l of Geog rap h ic Inf orm ation and D ecision A na ly sis, 1998, 2 (2) : 152～ 167.
[ 7 ]　D aly C, H elm er E H , Q uiNones M. M app ing the clim ate of Puerto R ico, V ieques and Culebra. In t. J . C lim atol. , 2003, 23 (11) : 1359
～ 1381.
[ 8 ]　N guyen R T , P ren tiss D , Sh ively J E. Rainfall In terpo lation fo r Santa Barbara County. h ttp: ööwww. geog. ucsb. eduö2dylan örainfallö
rainfall. h tm l.
[ 9 ]　V icente2Serrano S M , Saz2SánchezM A , Cuadrat J M. Comparative analysis of in terpo lation m ethods in the m iddle Ebro V alley (Spain) :
app lication to annual p recip itat ion and temperature. C lim. R es. , 2003, 24 (2) : 161～ 180.
[10 ]　E leano r R , C ro ss M S, R ick Perrine B S. P redicting A reas Endem ic fo r Sch isto som iasis U sing W eather V ariab les and a L andsat D ata
Base. M ilita ry M ed icine, 1984, 149 (10) : 542～ 545.
[ 11 ]　H anqin T ian, M elillo J M , Kick libh ter D W , et a l. Effect of in terannual clim ate variab ility on carbon sto rage in Am azonian eco system s.
N atu re, 1998, 396 (6712) : 664～ 667.
[ 12 ]　Sato Y S, Yam ash ita F, Sugiura Y, et a l. F IB2assisted T EM study of an oxide array in the roo t of a frict ion stirw eided alum inum alloy.
S crip ta m ateria lia, 2004, 50 (3) : 365～ 369.
[ 13 ]　Band. Fo rest eco system p rocesses at the w atershed scale: basis fo r distribu ted sim ulation. E colog ica l M od elling , 1991, 56: 171～ 196.
[ 14 ]　Shaw M R , Zavaleta E S, Ch iariello N R , et a l. Grassland responses to global environm ental changes supp ressed by elevated CO 2.
S cience, 2002, 298 (5600) : 1987～ 1990.
[ 15 ]　Zhang Y L , L iB Y, Zheng D. A discussion on the boundary and area of the T ibetan P lateau in Ch ina. Geog rap h ica l R esearch , 2002, 21
(1) : 1～ 8.
[ 16 ]　Jeffrey S J , Carter J O , M oodie K B, et a l. . U sing spatial in terpo lation to construct a comp rehensive arch ive of A ustralia clim ate data.
E nv ironm en ta l M od elling & S of tw are, 2001, 16 (4) : 309～ 330.
[ 17 ]　Fedo rovsk i A. E stim ating areal average rainfall fo r an ungaged mountainous basin in the Am ur Basin. J . E nv iron. H y d rol. , 1998. 6: 5
～ 15.
[ 18 ]　P rudhomm e C, D uncan W R. M app ing extrem e rainfall in a mountainous region using geo statist ical techniques: a case study in Sco tland.
In t. J . C lim atol. , 1999, 19 (12) : 1337～ 1356.
[ 19 ]　W ong K W , W ong P M , Gedeon T D , et a l. Rainfall p rediction model using soft computing technique. S of t Comp u ting , 2003, 7: 434～
438.
[ 20 ]　Burrough P A , M cDonnel R A. P rincip les of g eog rap h ica l inf orm ation sy stem s. N ew Yo rk: O xfo rd U niversity P ress, 1998.
[ 21 ]　L anza L G, Ramírez J A , Todin i E. Stochastic rainfall In terpo lation and dow nscaling. H y d ro. E arth. S y stem S ci. , 2001, 5 (2) : 139～
143.
[ 22 ]　L in G F, Chen L H. A spatial in terpo lation m ethod based on radial basis function netwo rk s inco rpo rating a sem ivariogram model. J .
H y d rol. , 2004, 288: 288～ 298.
[ 23 ]　Goodale C L , A lber J D , O llinger S V. M app ing month ly p recip itat ion, temperature, and so lar radiation fo r Ireland w ith po lynom ial
regression and a digital elevation model. C lim. R es. , 1998, 10: 35～ 49.
[ 24 ]　Bertacch i U vo C, O lsson J , M o rita O , J inno K, Kaw am ura A , N ish iyam a K, Ko rreda N , N akash im a T. Statist ical atmo spheric
dow nscaling fo r rainfall est im ation in Kyushu Island, Japan, H y d rol. E arth. S y stem S ci. , 2001, 5: 259～ 271.
参考文献:
[ 15 ]　张镱锂, 李炳元, 郑度. 论青藏高原的范围和面积. 地理研究, 2002, 21 (1) : 1～ 8.
8392　 生　态　学　报 25 卷
© 1994-2006 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net