彭思岭

（1.广东利通信息科技投资有限公司 智能交通研究院，广东 广州 510641）

气象要素空间插值方法优化研究

彭思岭1

（1.广东利通信息科技投资有限公司 智能交通研究院，广东 广州 510641）

运用反距离加权插值法（IDW）和梯度反距离加权插值法（GIDW）对全国183个气象站的2001年、2002年平均气温进行了内插，并在此基础上进行了幂指数优化和邻近点选择优化。交叉验证结果表明，对于IDW方法，幂指数为3、邻近点选择采用三角网法的插值结果最优；对于GIDW方法，幂指数为2、邻近点选择采用固定数目法的插值结果最优。在幂指数和邻近点选择优化的基础上，比较了IDW方法与GIDW方法的插值结果，考虑经纬度和海拔高程的GIDW方法明显优于IDW方法。在此基础上，提出了基于K-means聚类的空间插值优化方法，实践证明聚类后再插值比直接插值效果更佳，聚类为插值前的数据预处理提供了一种新的思路。

IDW；GIDW；幂指数；聚类

气象要素信息数据是多种地学模型和气候学模型的基础[1]。准确获取气候要素信息数据的方法之一是建立高密度的气象观测站点，但由于经济水平、技术手段和地形条件的限制，很多地方的气象数据获取较困难。为了获取站点外区域的气象数据，研究人员通常将统计学方法与GIS相结合，根据已有站点的观测值估算（气象信息空间插值）全局空间范围内各点位的气象数据。常用的空间插值方法有：反距离加权插值法（IDW）、梯度反距离加权插值法（GIDW）、样条函数插值法、克里金插值法、多项式插值法和趋势面法等[2-3]。……