9.2.2　溫度連續(xù)化模擬

(1)數(shù)據(jù)來源

本文所使用的數(shù)據(jù)包括地形數(shù)據(jù)，即環(huán)境梯度因子數(shù)據(jù)和氣象實測數(shù)據(jù)。氣象實測數(shù)據(jù)是從云南省氣象局獲取的云南省131個氣象站點常規(guī)觀測氣象數(shù)據(jù)月均值(從1993年到2007年)。對氣象數(shù)據(jù)進行整理，得到15年的月均值。根據(jù)氣象站點的經(jīng)緯度坐標(biāo)信息將氣象離散站點與其所附帶的各種氣象因子數(shù)據(jù)顯示于地圖之上，并根據(jù)其經(jīng)緯度從地形數(shù)據(jù)上采樣獲取對應(yīng)點的環(huán)境因子樣本數(shù)據(jù)。

(2)氣溫空間模擬模型

從氣象站獲取的氣象預(yù)報因子都是以離散點形式存在的，只有氣象站點上才有較為準(zhǔn)確的數(shù)值。在進行火險天氣預(yù)報等級計算時，由于需要產(chǎn)生全省范圍內(nèi)任意點上的預(yù)報數(shù)據(jù)，需要將各預(yù)報因子做空間模擬。

空間模擬過程即空間估值過程，是將離散的、有限的地面樣本觀測數(shù)據(jù)集，利用空間內(nèi)插模型，來描述和表達連續(xù)的、整體分布的地表物理指標(biāo)變化。通過已知點的屬性值，基于傳統(tǒng)統(tǒng)計學(xué)或地統(tǒng)計學(xué)的原理，根據(jù)數(shù)據(jù)集統(tǒng)計特佂、形狀、分布、與周圍已知點的關(guān)系及對內(nèi)插因子有影響的環(huán)境因子等一切相關(guān)的因素，來推求出整個區(qū)域的其他未知點數(shù)據(jù)。利用空間規(guī)律和空間內(nèi)插方法，找出地球表面上的空間觀測指標(biāo)之間的關(guān)聯(lián)規(guī)律，用較少的地面觀測數(shù)據(jù)來描述連續(xù)的地表過程與現(xiàn)象，已成為專業(yè)領(lǐng)域應(yīng)用的一大方法理論。

一般分為四個步驟:

①獲取樣本數(shù)據(jù)及離散點柵格數(shù)據(jù)

圖9.27　云南省氣象站點分布圖

數(shù)據(jù)內(nèi)插必須有一定的樣本點集合。利用空間分析處理工具按照各個環(huán)境梯度因子的提取方法，得到關(guān)于坡向指數(shù)、坡度、海拔等環(huán)境梯度因子的柵格圖像。獲取現(xiàn)有云南省氣象站點的地理位置后，利用柵格空間分析工具，重采樣得到各個氣象站點所在的坡向指數(shù)、坡度、海拔等環(huán)境梯度因子數(shù)據(jù)。對從氣象站獲取的氣象數(shù)據(jù)進行整理，得到全省132個氣象站點的環(huán)境梯度因子數(shù)據(jù)和歷史15年的月均值氣象數(shù)據(jù)，構(gòu)成了樣本點數(shù)據(jù)集合。由于在ArcGis軟件中利用其他統(tǒng)計分析模塊進行空間內(nèi)插模擬時，輸入的數(shù)據(jù)為柵格圖像，因此需要將重采樣獲取的樣本點集合，生成關(guān)于每個氣象因子的DTM(Digital Terrain Model，數(shù)字地形模型)圖像，其坐標(biāo)按照經(jīng)緯度格式編碼，屬性值為各個氣象因子數(shù)據(jù)。

經(jīng)處理除去異常點，參與數(shù)據(jù)分析的共119個氣象站點，分布如圖9.27。

②數(shù)據(jù)檢查

數(shù)據(jù)檢查主要檢查、分析、找尋數(shù)據(jù)所含有的特點和規(guī)律，如是否為正態(tài)分布、有沒有趨勢效應(yīng)、檢查離群數(shù)據(jù)、有無空間自相關(guān)性、有無方向效應(yīng)等，為后續(xù)選擇模型提供線索。例如若選用克里格插值時，要求數(shù)據(jù)必須服從正態(tài)分布，則可以從統(tǒng)計分析模塊中的數(shù)據(jù)檢查子模塊中的直方圖、QQPlot圖等功能中確定是否服從正態(tài)分布或其對數(shù)或指數(shù)變換是否服從正態(tài)分布。此外直方圖還可以幫助確定哪些是離群值，從而去除異常數(shù)據(jù)。

③模型擬合與診斷

對數(shù)據(jù)有初步的了解之后，就可以選擇合適的模型創(chuàng)建表面，實現(xiàn)屬性信息的連續(xù)化表達。由于沒有哪個內(nèi)插模型可以絕對的對某種現(xiàn)象內(nèi)插是最佳的，一般都有其自身的優(yōu)缺點，這與內(nèi)插對象和研究區(qū)域等因素相關(guān)。需要分析比較各個內(nèi)插模型，最后選擇誤差較小，精度最高、預(yù)測值較符合科學(xué)現(xiàn)象的最優(yōu)內(nèi)插模型。

常用的內(nèi)插方法分為確定性內(nèi)插方法和地統(tǒng)計內(nèi)插方法。確定性內(nèi)插方法以研究區(qū)域內(nèi)部的相似性或平滑度為基礎(chǔ)，由已知樣本點數(shù)據(jù)來創(chuàng)建表面，確定性內(nèi)插方法又可以分為全局性內(nèi)插方法和局部性內(nèi)插方法。全局性內(nèi)插方法以整個樣本點數(shù)據(jù)區(qū)域為研究基礎(chǔ)來預(yù)報未知點的數(shù)值，而局部性內(nèi)插方法則使用整個研究區(qū)域內(nèi)的較小區(qū)域中的樣本點數(shù)據(jù)來預(yù)測未知點數(shù)值，最后各個小區(qū)域共同構(gòu)成了整個區(qū)域的插值面。常用的全局性內(nèi)插方法如趨勢面分析、全局多項式插值、關(guān)系函數(shù)擬合。常用局部性內(nèi)插方法有反距離加權(quán)插值、局部多項式插值、徑向基函數(shù)插值(包括樣條函數(shù)插值)、泰森多邊形法。地統(tǒng)計插值方法利用的則是已知樣本點的統(tǒng)計特征、空間分布特征、與未知樣本點的空間關(guān)系，指克里格插值，包括普通克里格插值、簡單克里格插值、協(xié)同克里格插值、泛克里格插值、概率克里格插值、析取克里格插值。每種插值方法都有其各自的特點和適用插值對象，如下表9.15所述。

表9.15　內(nèi)插方法簡述

基于上面的敘述，本文對云南省12個月的常年月均溫分別采用關(guān)系函數(shù)插值、泰森多邊形、反距離加權(quán)插值、趨勢面分析插值方法進行了插值模擬，旨在研究發(fā)現(xiàn)在樣本點稀疏時，空間模擬云南省溫度因子的通用性內(nèi)插方法，以期在日?；痣U預(yù)報工作中，用于計算連續(xù)分布的溫度火險指標(biāo)指數(shù)。

①關(guān)系函數(shù)內(nèi)插

氣溫在空間分布上因緯度、海拔及地勢地貌不同而有明顯的區(qū)域差異，地形如坡度、坡向等。從DEM上提取出海拔(E)、經(jīng)度(A)、緯度(L)、坡度(SLP)、坡形指數(shù)(INDI)、坡向指數(shù)(ASP)、溝谷指數(shù)(CUV)與15年月均溫(T)構(gòu)成樣本數(shù)據(jù)集。利用SPSS統(tǒng)計分析，進行逐步回歸分析，建立4月均溫的回歸方程。

對4月份的溫度回歸分析模型進行檢驗，方程通過了F顯著性檢驗，回歸系數(shù)通過了T顯著性檢驗，如表9.16和表9.17。

表9.16　4月溫度F檢驗表

a.Predictors:(Constant):海拔

b.Predictors:(Constant):海拔，緯度

b.Predictors:(Constant):海拔，緯度，坡形

b.Dependent Variable:t4

表9.17　4月均溫系數(shù)和T檢驗表

a.Dependent Variable:t4

利用模型3:

T=39.866-0.004×E-0.719×L+0.036×IN

得到的云南省4月份月均值內(nèi)插結(jié)果圖如下圖9.28:

圖9.28　模型3計算的云南省4月溫度月均值連續(xù)化分布圖

從上圖可以看出，雖然模型3是最優(yōu)的回歸分析結(jié)果，但是由于引入坡形指數(shù)，圖像上溫度跨越較大，分布連續(xù)性差，故采用未引進坡向指數(shù)時的模型2:

T=45.399-0.004×E-0.816

擬合溫度連續(xù)化分布，其結(jié)果圖如下圖9.29:

圖9.29　用模型2計算的云南省4月溫度月均值連續(xù)化分布圖

從上圖可以看到，該內(nèi)插結(jié)果較好地擬合了云南的溫度分布規(guī)律，體現(xiàn)了溫度總體上呈南高北低的特點，同時又表達出了局部特殊地形下的溫度異同，如云南干熱河谷溫度較周邊區(qū)域高，滇西北海拔較高的地方溫度較低。在100m左右分辨率的地塊上均有溫度值，并且各區(qū)域的溫度變化過渡平穩(wěn)。

②反距離權(quán)值內(nèi)插(IDW)

使用ArcInfo Workstation中的柵格空間分析IDW反距離權(quán)值內(nèi)插功能，對云南省月均溫進行內(nèi)插模擬。模型的r取系統(tǒng)默認(rèn)值2次，計算結(jié)果如下圖9.30。

圖9.30　用IDW內(nèi)插方法得出的云南省月均溫連續(xù)化分布圖

從圖中可以看出，由于IDW方法屬于精確插值方法，其插值容易受個別樣本點的影響，容易出現(xiàn)插值區(qū)域預(yù)測值突變現(xiàn)象，且不同的溫度范圍銜接不連貫，邊界線很明顯，與傳統(tǒng)人工繪的溫度等值線相似，連續(xù)化效果和插值精度沒有關(guān)系函數(shù)法好。

③泰森多邊形

泰森多邊形插值理論上可以用于氣象學(xué)中，用實測氣象數(shù)據(jù)來代表其所在多邊形中的其他點的天氣數(shù)值，實現(xiàn)對降水、氣溫等因子的內(nèi)插模擬。但是由于氣象站點總數(shù)和分布不均勻，使得利用此方法所作的內(nèi)插結(jié)果不理想。泰森多邊形用距離樣點最近的點集構(gòu)成一個子區(qū)域，在此子區(qū)域中的數(shù)值都與樣本點值相等，在兩個小多邊形邊界上的點到相鄰的樣本點的距離是相等的。多邊形頂點實質(zhì)上是相鄰三個樣本頂點所構(gòu)成的三角形的外接圓的圓心。如下圖9.31所示，泰森多邊形不適用于觀測站點少的情況下做插值操作。

圖9.31　用泰森多邊形內(nèi)插方法得出的云南省月均溫連續(xù)化分布圖

④全局多項式插值

在進行全局多項式插值時，需要設(shè)定擬合表面的多項式的次數(shù)。次數(shù)一般取1到12，次數(shù)越低，擬合的表面越粗糙，擬合的效果越差。但并不是次數(shù)越高越好，次數(shù)過高會加大計算量，而精度提高不大。一般取次數(shù)為3即可。本文利用Arcinfo Workstation系統(tǒng)中的趨勢面分析功能，取多項式擬合次數(shù)為3，計算出來的月均溫內(nèi)插結(jié)果圖。

圖9.32　用趨勢面分析內(nèi)插方法得出的云南省月均溫連續(xù)化分布圖

全局多項式插值適用于表面變化平緩的情況，然而本文要將溫度因子具體到實際地面100m左右地域范圍上，受地形作用較大，存在山地微氣候影響，因此全局多項式并不適合本次研究。從圖9.32中也可以看出，插值精度很粗糙，未反映出個別地形下的溫度變化，如金沙江河谷應(yīng)是干熱河谷，溫度較周邊區(qū)域高，圖上卻未表現(xiàn)出來。

⑤克里格(kriging)插值方法

Kriging方法是一種高級的統(tǒng)計學(xué)插值，它通過帶Z值的樣本點產(chǎn)生估計表面。首先判斷4月均溫值是否符合正態(tài)分布，若不符合則需對其進行變換。使用ArcInfo Workstation中的克里格插值功能得到如下圖的內(nèi)插結(jié)果。從圖9.33中可以看出，由于kriging方法采用了基于空間相關(guān)性的分析原理，內(nèi)插結(jié)果比上三種要好一點，但從目視解譯來看，仍沒有關(guān)系函數(shù)插值方法所得的內(nèi)插結(jié)果好，不能夠更精確地描述真實地貌上溫度的分布規(guī)律。

圖9.33　用克里金內(nèi)插方法得出的云南省4月溫度月均值連續(xù)化分布圖

(4)模型比較

比較上述五種內(nèi)插方法的內(nèi)插結(jié)果，對氣象觀測站點的溫度氣象因子空間連續(xù)化時，關(guān)聯(lián)函數(shù)內(nèi)插方法最佳。將其應(yīng)用于火險預(yù)報系統(tǒng)構(gòu)建時，使用關(guān)聯(lián)函數(shù)內(nèi)插法對用戶輸入的溫度數(shù)據(jù)進行內(nèi)插模擬。