气象站点气温记录值单点不确定性建模

Surface air temperature is central to a multitude of assessments and models for a wide variety of geographic processes. There are often unknown errors in the long-term temperature records of meteorological stations, however many users regard the records as accurate and ignore any errors. Such errors may corrupt the output of a quantitative model. This problem can be minimized by the rigorous quality control (QC) of climate data. The traditional QC methods can generally be described as categorical and deterministic in that a series of quality checks are employed to determine whether an observation is valid. Typically, the outcomes of these checks are flagged “valid” or “invalid”. However, nowadays, there are various quantitative models that depend on quantitative climate data as input, and it is necessary to assess quantitatively the uncertainty in that data. In addition, GIS science also can’t solve the problem effectively. To respond to this demand, we propose a probabilistic approach called Co-PBSHADE, in which the variables influencing the spatial distribution of surface temperature was considered. Furthermore, This method takes into account prior knowledge of geographical spatial autocorrelation and non-homogeneity of target domains, remedies the biased sample, and maximizes an objective function for the best linear unbiased estimation. The method uses a continuous quantitative probability to represent the uncertainty level in each temperature observation at a meteorological station. The estimated errors of the proposed method will be analyzed and the precision of which will be verified using a real dataset.

气温数据集服务于地学多个领域的研究，其记录值的不确定性不仅会掩盖某些气候特征，而且还会误导相关模型的研究结论，因此有必要对其评估。在气象领域，质量控制方法只能标记数据是否异常，而无法以概率标定数据可信程度。GIS中不确定性的研究对于此问题也缺少有效的解决方案。鉴于此，本项目致力于气象站点气温记录值单点不确定性建模。首先利用遥感、GIS等手段，依据文献成果以及数据探索分析，分析气温空间分布的多种影响因素，研究气温空间分层异质性，提取地理分区中气温概率分布特征。在此基础上，考虑到气温的空间相关性、异质性、样本有偏性等现实情况，以最优为目标无偏为约束条件，研发气象站气温记录单点不确定性模型—基于协变量的PBSHADE。最后，从理论及实验两个方面分析模型的误差组成及其传递，评价模型的精度。本研究可为气象及GIS学科不确定性研究提供新的理论方法及技术手段。

气温记录值的单点不确定性可以为地学相关多个领域提供数据输入，有助于理解气候变化中的科学问题。传统的不确定性研究积累了大量的成果，但没有综合地表气温空间自相关性、异质性以及样本的偏性，在面向稀疏样本的模型中无法有效评估气温值的不确定性。本项目中，首先利用空间统计手段，分析了气温要素的时空分布特征，计算了地表气温的空间自相关性，研究了其空间分布影响因素以及空间分层异质性；然后，探索了地表气温空间相关性、空间异质性以及样本偏性等关键参数的定量化方法，研建了基于小样本的空间分布估计模型，形成了单点不确定性模型的理论和方法；最后，使用真实数据集模拟历史情景，分析了模型的误差并检验了模型的精度。研究成果包括以下几方面：（1）气温值单点不确定性模型的建立。本项目提出了基于PBSHADE的不确定性模型，可以利用研究对象的空间自相关性、融合空间质异质性以及样本的有偏性，使假设更接近于现实情况。利用中国1971—2000年气象台站气温观测观测数据分析，结果表明此方法可以有效地对气温值的不确定性进行评价；（2）地表气温空间分布估计及不确定性评价。为解决历史时期稀疏台站气温的空间分布及不确定性分析问题，本项目利用1900—1950年中国气象站点气温数据，探索了地表气温空间分布特征，分析了样本稀疏、偏性对估计结果的影响，研究了台站稀疏情况下气温空间分布估计和不确定性分析的理论模型，研建了基于小样本数据的BSHADE点估计方法。可以利用历史时期稀疏气象台站进行空间制图以及度量指定空间位置气温值的单点不确定性；（3）地理要素空间分异测度及归因工具研发。空间分异是地理要素的两大性质之一，是单点不确定性建模的关键参数。基于以上研究基础，本项目进一步总结发展了空间分异测度及归因的理论和方法，研发了地理探测器工具。利用多种自然及社会经济数据为案例分析了地表气温时空异质性的环境效应及其关联的不确定性。此项目的研究期望可为气温数据集的单点不确定评价提供有效的手段。