赵美艳，余 君，胡芸芸

(重庆市气象信息与技术保障中心，重庆 401147)

早在19世纪，我国就有了现代方法的气象观测记录，并逐步出现了较为完善的气象数据[1]，但这些数据只是离散且不规则的气象台站数据，难以反映空间的连续变化特征。而站点外的数据一般由邻近台站的观测值用一定的数学算法进行推算求得，插值算法便是利用已有的采样点数据对未采样点进行估算的一种数学方法，被广泛应用于对连续空间的数值计算[2-3]。

插值算法的选择是数据类型和计算效率的一种平衡，其中任何一种方法都不是绝对的[4]，只有特定条件下的最优[5]。近年来，用于气象要素的空间插值算法有距离权重法(distance weighting)、克里格法(Kriging)、多项式插值法(interpolating polynomials)、Delaunay三角剖分线性插值、薄盘样条法(spline methods)等[6-10]，但对于不同的变量所适用的插值方法不同[11]。在对多种插值方法进行对比分析时发现，基于地质统计技术的Kriging法和薄盘样条法较为通用[12-13]。Collins[14 ]用多种插值算法对最高和最低气温进行了插值效果对比分析，认为在不同的时空尺度下，气温的插值误差估计是不同的。冯锦明等[15]采用4种内插方法对中国160个台站降水观测资料进行空间插值结果分析，研究认为，台站分布的密集度对插值方法的选择有一定影响。对于不同变量，其“最优”内插法是相对的，而不是绝对的[16-19]。样条法能够有效优化数据逼真度和拟合曲面光滑度之间的平衡，具有不受空间尺度影响、不直接依赖空间平稳的协方差等优点；……