排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集(0.01°×0.01°),并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数(Corr)、平均绝对误差(MAE)、平均相对误差(MRE)等作为评估指标来检验插值精度。结果表明:1) ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征; 2) 4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1℃之内占比为90.59%,MAE为0.46℃,MRE为1.81%; 3)插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。 相似文献
2.
为建立一个高精度、高空间分辨率的逐日气温格点数据集,满足公共气象服务对于精确信息及实时信息的需要,利用2018年6—8月京津冀区域以及临近省区共3 974个国家级及区域气象观测站质控后的逐日气温资料,采用ANUSPLIN软件对逐日气温数据进行空间内插,得到了京津冀区域逐日气温格点数据集（0.01°×0.01°）,并分别利用反距离权重插值法、普通克里金插值法、样条函数法对逐日气温数据进行空间插值,采用相关系数（Corr）、平均绝对误差（MAE）、平均相对误差（MRE）等作为评估指标来检验插值精度。结果表明：1）ANUSPLIN软件满足了空间插值对精度及曲面平滑度的要求,能直观体现京津冀区域气温由北向南递增的空间分布特征;2）4种插值方法中,基于ANUSPLIN软件的插值结果最优,相关系数平均达0.97,其样本误差在1 ℃之内占比为90.59%,MAE为0.46 ℃,MRE为1.81%;3）插值误差较大的区域位于冀北高原、燕山丘陵及太行山脉一带,高海拔、低站点密度等是造成插值误差的主要原因。基于ANUSPLIN插值方法建立的逐日气温格点数据集具有分辨率高、空间插值误差小的优势,ANUSPLIN对气温的空间分布具有较好的预测能力。 相似文献
3.
气象台站元数据包含了可能影响气候资料序列均一性的重要信息,是分析、检验、订正气候资料序列的科学参考依据,只有经过质量控制与处理的气象台站元数据才能真实的反应其对气候资料序列非均一性的影响程度。针对气象台站元数据可能存在的疑误信息,设计了一套适用于地面气象台站元数据的质量控制技术,采用格式检查、内部一致性检查、时间连续性检查等方法进行质量控制。利用该质量控制方法对全国31个省(区、市)的1428个国家站1951—2011年的台站历史沿革数据文件进行质量控制,结果表明:该质量控制方法能够有效地将疑误信息进行标识,可为气象台站元数据的应用提供可靠的质量保障。该质量控制方法已应用于气象资料业务系统(MDOS)中,并在全国省级气象资料部门业务运行。 相似文献
1