基于空间结构函数的地面气象观测站网布局研究

doi:10.11755/j.issn.1006-7639-2025-02-0329

摘要/Abstract

摘要： 为提高地面气象观测站网布局的科学合理性，利用1992—2021年国家级基准、基本及常规气象站观测资料，分析山东省平原和山地丘陵两类地形的气温、相对湿度、降水、气压（简称“4要素”）结构函数，确定4要素站网的最佳布站方案与布设距离，并评估现有观测站网布局的适宜性。结果表明，山地丘陵地区4要素的结构函数值均高于平原地区，平原地区结构函数更接近线性；山地丘陵在3种内插方式下的内插标准误差均高于平原地区；当距离满足点值内插标准误差小于观测标准误差时，4要素均以正三角形布站的内插精度最高。山东省国家级基准、基本及常规气象观测站的合理布站方式为正三角形布设；平原和山地丘陵的最佳布站距离分别不超过36.4、29.4 km。分要素看，气温分别不超过36.4 km和29.4 km；相对湿度不超过90.9 km和73.3 km；降水不超过81.9 km和52.3 km；气压不超过44.8 km和31.2 km。平原地区观测站网布局的适宜性优于山地丘陵地区。

关键词: 结构函数, 站网布局, 内插标准误差, 内插精度, 最大容许误差, 最大容许距离

Abstract:

To enhance the scientific rationality of surface meteorological observation station network layout, this study analyzed the structural functions of air temperature, relative humidity, precipitation, and air pressure (collectively referred to as “the four elements”) in plain and hilly areas of Shandong Province using data from national reference, basic, and conventional meteorological observation stations from 1992 to 2021. The optimal station distribution scheme and spacing for the four elements were determined, and the suitability of the existing observation network was evaluated. The results show that the structural function values of the four elements are higher in hilly areas than those in plains, with structural functions in plains exhibiting a more linear pattern. The interpolation standard error under three interpolation methods is also higher in hilly areas. When the point-value interpolation standard error is smaller than the observation standard error, the highest interpolation accuracy for all four elements is achieved using an equilateral triangle station layout. In Shandong Province, the optimal layout for national reference, basic, and conventional meteorological observation stations is an equilateral triangle configuration. The optimal station spacing is no more than 36.4 km in plains and 29.4 km in hilly areas. Specifically, the optimal spacing is 36.4 km (plains) and 29.4 km (hilly areas) for air temperature; 90.9 km (plains) and 73.3 km (hilly areas) for relative humidity; 81.9 km (plains) and 52.3 km (hilly areas) for precipitation; and 44.8 km (plains) and 31.2 km (hilly areas) for air pressure. Overall, the suitability of the observation network layout is better in plain areas than in hilly areas.

Key words: structure function, station network layout, interpolation standard error, interpolation accuracy, maximum allowable error, maximum allowable distance

中图分类号:

P411

张玉洁. 基于空间结构函数的地面气象观测站网布局研究[J]. 干旱气象, 2025, 43(2): 329-336.

ZHANG Yujie. Research on layout of surface meteorological observation stations based on spatial structure function[J]. Journal of Arid Meteorology, 2025, 43(2): 329-336.

图/表 8

图1 山东省64个平原站和55个山地丘陵站分布

Fig.1 Distribution map of 64 plain stations and 55 mountain and hill stations in Shandong Province

图2 山东1992—2021年平原及山地丘陵日平均气温（a）、平均相对湿度（b）、降水量（c）及平均气压（d）的结构函数随距离的变化

Fig.2 Variation of the structural functions of daily average temperature (a), average relative humidity (b), precipitation (c) and average pressure (d) change with distance in plain and hilly areas in Shandong from 1992 to 2021

表1 山东1992—2021年日平均气温、平均相对湿度、降水量及平均气压结构函数与距离的回归方程

Tab.1 The regression equations of the structural functions of daily average temperature， average relative humidity， precipitation and average pressure with distance in Shandong from 1992 to 2021

要素	站点类型	回归方程
气温	平原	$b' f = 0.157 4 + 0.010 3 × L - 2.454 × 10 - 6 × L 2$
气温	山地丘陵	$b' f = 0.184 6 + 0.015 1 × L - 1.536 × 10 - 5 × L 2$
相对湿度	平原	$b' f = 15.473 2 + 0.407 1 × L - 2.946 × 10 - 4 × L 2$
相对湿度	山地丘陵	$b' f = 16.134 1 + 0.526 4 × L - 3.652 × 10 - 4 × L 2$
降水	平原	$b' f = 24.648 5 + 0.718 8 × L - 8.059 × 10 - 4 × L 2$
降水	山地丘陵	$b' f = 23.237 4 + 1.063 1 × L - 1.780 × 10 - 3 × L 2$
气压	平原	$b' f = 0.054 7 + 0.002 9 × L + 1.073 × 10 - 5 × L 2$
气压	山地丘陵	$b' f = 0.057 8 + 0.004 4 × L + 7.825 × 10 - 6 × L 2$

表1 山东1992—2021年日平均气温、平均相对湿度、降水量及平均气压结构函数与距离的回归方程

要素	站点类型	回归方程
气温	平原	$b' f = 0.157 4 + 0.010 3 × L - 2.454 × 10 - 6 × L 2$
气温	山地丘陵	$b' f = 0.184 6 + 0.015 1 × L - 1.536 × 10 - 5 × L 2$
相对湿度	平原	$b' f = 15.473 2 + 0.407 1 × L - 2.946 × 10 - 4 × L 2$
相对湿度	山地丘陵	$b' f = 16.134 1 + 0.526 4 × L - 3.652 × 10 - 4 × L 2$
降水	平原	$b' f = 24.648 5 + 0.718 8 × L - 8.059 × 10 - 4 × L 2$
降水	山地丘陵	$b' f = 23.237 4 + 1.063 1 × L - 1.780 × 10 - 3 × L 2$
气压	平原	$b' f = 0.054 7 + 0.002 9 × L + 1.073 × 10 - 5 × L 2$
气压	山地丘陵	$b' f = 0.057 8 + 0.004 4 × L + 7.825 × 10 - 6 × L 2$

表2 山东1992—2021年3种内插方式气温、相对湿度、降水量和气压的内插标准误差与距离的关系式

Tab.2 The relationship between the interpolation standard error of temperature， relative humidity， precipitation and pressure and distance under three interpolation methods in Shandong from 1992 to 2021

要素	站点类型	内插方式	内插标准误差与距离的关系式	要素	站点类型	内插方式	内插标准误差与距离的关系式
气温	平原	线段	$E = 0.039 4 + 2.575 × 10 - 3 × L$	降水	平原	线段	$E = 6.162 + 1.797 × 10 - 1 × L$
		正三角形	$E = 0.026 2 + 2.513 × 10 - 3 × L$			正三角形	$E = 4.108 + 1.754 × 10 - 1 × L$
		正方形	$E = 0.019 7 + 2.887 × 10 - 3 × L$			正方形	$E = 3.081 + 2.015 × 10 - 1 × L$
	山地丘陵	线段	$E = 0.046 2 + 3.775 × 10 - 3 × L$		山地丘陵	线段	$E = 5.809 + 2.658 × 10 - 1 × L$
		正三角形	$E = 0.030 8 + 3.685 × 10 - 3 × L$			正三角形	$E = 3.873 + 2.594 × 10 - 1 × L$
		正方形	$E = 0.023 1 + 4.233 × 10 - 3 × L$			正方形	$E = 2.905 + 2.980 × 10 - 1 × L$
相对湿度	平原	线段	$E = 3.868 + 1.018 × 10 - 1 × L$	气压	平原	线段	$E = 0.013 7 + 7.250 × 10 - 4 × L$
		正三角形	$E = 2.579 + 9.934 × 10 - 2 × L$			正三角形	$E = 0.009 1 + 7.076 × 10 - 4 × L$
		正方形	$E = 1.934 + 1.141 × 10 - 1 × L$			正方形	$E = 0.006 8 + 8.130 × 10 - 4 × L$
	山地丘陵	线段	$E = 4.034 + 1.316 × 10 - 1 × L$		山地丘陵	线段	$E = 0.014 5 + 1.10 × 10 - 3 × L$
		正三角形	$E = 2.689 + 1.285 × 10 - 1 × L$			正三角形	$E = 0.009 6 + 1.074 × 10 - 3 × L$
		正方形	$E = 2.017 + 1.476 × 10 - 1 × L$			正方形	$E = 0.007 2 + 1.233 × 10 - 3 × L$

表2 山东1992—2021年3种内插方式气温、相对湿度、降水量和气压的内插标准误差与距离的关系式

要素	站点类型	内插方式	内插标准误差与距离的关系式	要素	站点类型	内插方式	内插标准误差与距离的关系式
气温	平原	线段	$E = 0.039 4 + 2.575 × 10 - 3 × L$	降水	平原	线段	$E = 6.162 + 1.797 × 10 - 1 × L$
		正三角形	$E = 0.026 2 + 2.513 × 10 - 3 × L$			正三角形	$E = 4.108 + 1.754 × 10 - 1 × L$
		正方形	$E = 0.019 7 + 2.887 × 10 - 3 × L$			正方形	$E = 3.081 + 2.015 × 10 - 1 × L$
	山地丘陵	线段	$E = 0.046 2 + 3.775 × 10 - 3 × L$		山地丘陵	线段	$E = 5.809 + 2.658 × 10 - 1 × L$
		正三角形	$E = 0.030 8 + 3.685 × 10 - 3 × L$			正三角形	$E = 3.873 + 2.594 × 10 - 1 × L$
		正方形	$E = 0.023 1 + 4.233 × 10 - 3 × L$			正方形	$E = 2.905 + 2.980 × 10 - 1 × L$
相对湿度	平原	线段	$E = 3.868 + 1.018 × 10 - 1 × L$	气压	平原	线段	$E = 0.013 7 + 7.250 × 10 - 4 × L$
		正三角形	$E = 2.579 + 9.934 × 10 - 2 × L$			正三角形	$E = 0.009 1 + 7.076 × 10 - 4 × L$
		正方形	$E = 1.934 + 1.141 × 10 - 1 × L$			正方形	$E = 0.006 8 + 8.130 × 10 - 4 × L$
	山地丘陵	线段	$E = 4.034 + 1.316 × 10 - 1 × L$		山地丘陵	线段	$E = 0.014 5 + 1.10 × 10 - 3 × L$
		正三角形	$E = 2.689 + 1.285 × 10 - 1 × L$			正三角形	$E = 0.009 6 + 1.074 × 10 - 3 × L$
		正方形	$E = 2.017 + 1.476 × 10 - 1 × L$			正方形	$E = 0.007 2 + 1.233 × 10 - 3 × L$

图3 山东1992—2021年平原和山地丘陵气温（a）、相对湿度（b）、降水量（c）和气压（d）在3种内插方式下的内插标准误差随距离的变化

Fig.3 The changes of interpolation standard errors of temperature (a), relative humidity (b), precipitation (c) and air pressure (d) with distance in plains and hilly areas in Shandong from 1992 to 2021 under three interpolation methods

表3 各观测要素在3种布站方案下的最大容许内插标准误差和最大容许距离

Tab.3 Maximum allowable interpolation standard error and maximum allowable distance of each observation element under three stationing schemes

要素	区域	E_max	$E m a x$	最大容许距离/km
要素	区域	E_max	$E m a x$	线段内插	正三角形内插	正方形内插
气温	平原	0.118/（℃）²	0.344/℃	30.4	36.4	33.9
气温	山地丘陵	0.138/（℃）²	0.371/℃	24.6	29.4	27.4
相对湿度	平原	11.605/（%）²	3.407/%	76.0	90.9	84.7
相对湿度	山地丘陵	12.101/（%）²	3.479/%	61.3	73.3	68.3
降水	平原	18.486/（mm）²	4.30/mm	68.6	81.9	76.5
降水	山地丘陵	17.428/（mm）²	4.175/mm	43.7	52.3	48.7
气压	平原	0.041/（hPa）²	0.202/hPa	37.5	44.8	41.8
气压	山地丘陵	0.043/（hPa）²	0.207/hPa	26.1	31.2	29.1

表3 各观测要素在3种布站方案下的最大容许内插标准误差和最大容许距离

Tab.3 Maximum allowable interpolation standard error and maximum allowable distance of each observation element under three stationing schemes

要素	区域	E_max	$E m a x$	最大容许距离/km
要素	区域	E_max	$E m a x$	线段内插	正三角形内插	正方形内插
气温	平原	0.118/（℃）²	0.344/℃	30.4	36.4	33.9
气温	山地丘陵	0.138/（℃）²	0.371/℃	24.6	29.4	27.4
相对湿度	平原	11.605/（%）²	3.407/%	76.0	90.9	84.7
相对湿度	山地丘陵	12.101/（%）²	3.479/%	61.3	73.3	68.3
降水	平原	18.486/（mm）²	4.30/mm	68.6	81.9	76.5
降水	山地丘陵	17.428/（mm）²	4.175/mm	43.7	52.3	48.7
气压	平原	0.041/（hPa）²	0.202/hPa	37.5	44.8	41.8
气压	山地丘陵	0.043/（hPa）²	0.207/hPa	26.1	31.2	29.1

表4 山东省16个地市现有国家级基准、基本及常规气象观测站站间距、站点数与最佳站间距及站点数的对比

Tab.4 Comparison of the existing station spacing and number of national reference， basic and conventional meteorological observation stations in 16 prefecture-level cities of Shandong Province with the optimal station spacing and number

地市	现有国家级基准、基本及常规气象观测站		国家级基准、基本及常规气象观测站最佳站间距及站点数
	站间距/km	站点数/个	平原		山地丘陵
	站间距/km	站点数/个	站间距/km	站点数/个	站间距/km	站点数/个
滨州	36.2	7	36.4	7
东营	40.6	5	36.4	6
菏泽	36.8	9	36.4	9
德州	30.7	11	36.4	8
聊城	32.8	8	36.4	7
济南	33.8	7	36.4	4	29.4	4
济宁	31.9	11	36.4	5	29.4	5
临沂	41.5	10	36.4	5	29.4	12
泰安	35.9	6	36.4	2	29.4	6
潍坊	42.4	9	36.4	8	29.4	7
枣庄	30.2	5	36.4	2	29.4	3
淄博	27.3	8	36.4	1	29.4	5
青岛	40.2	7			29.4	13
日照	42.3	3			29.4	6
威海	31.1	6			29.4	7
烟台	35.5	11			29.4	16

图4 山东省16个地市国家级基准、基本及常规气象观测站现有站点数与最佳站点数的差值分布

Fig.4 The difference distribution between the existing number of sites and the optimal number of sites of national reference， basic and conventional meteorological observation stations in the 16 prefecture-level cities of Shandong Province

参考文献 24

[1]	白光弼, 刘岳俊, 1992. 高原和山区气象站网的合理布局[J]. 陕西气象(3):18-21.
[2]	岑思弦, 李跃清, 赖欣, 2015. 四川降水相关函数场的分析及其在气象观测站网布局中的应用[J]. 干旱气象, 33(5):874-881. DOI
[3]	范海娟, 2013. 自动气象站布局密度优化的研究[D]. 南京: 南京信息工程大学.
[4]	高娜, 孙健, 高睿娜, 等, 2021. 气候变化背景下宁夏冬季气温月尺度变化特征[J]. 干旱气象, 39(1):38-45.
[5]	黄晓龙, 吴薇, 徐晓莉, 等, 2023. 基于地形起伏度的四川省地面气象站点适宜性研究[J]. 干旱气象, 41(4):579-588. DOI
[6]	卢文芳, 王永华, 1989. 空间结构函数在上海地区气象站网设计中的应用[J]. 南京气象学院学报, 12(3):325-332.
[7]	吕纯月, 吴薇, 黄小梅, 2023. 四川省地面气象自动站观测数据质量分析与评估[J]. 高原山地气象研究, 43(3):130-136.
[8]	王佐鹏, 2020. 地面气温监测站点空间布局优化研究[D]. 南京: 南京信息工程大学.
[9]	吴薇, 黄晓龙, 周春花, 等, 2023. 四川省地面雨量站站网现状分析[J]. 气象科技, 51(5):639-647.
[10]	杨丽杰, 曹彦超, 刘维成, 等, 2022. 陇东黄土高原旱区短时强降水的时空分布特征及地形影响研究[J]. 干旱气象, 40(6):945-953. DOI
[11]	杨贤为, 何素兰, 崔伟强, 等, 1989. 气象台站网合理分布概论[M]. 北京: 气象出版社:60-90.
[12]	杨艳玲, 杨霰, 刘颖, 等, 2022. 环境变化对淖毛湖气象站气候资料的影响[J]. 沙漠与绿洲气象, 16(3):84-89.
[13]	于杰, 曾文华, 王建刚, 2003. 中国东南地区气象要素场线性内插标准误差初步分析[J]. 解放军理工大学学报:自然科学版(5):95-99.
[14]	张强, 杨贤为, 1992. 雨量站网的合理布局研究[J]. 南京气象学院学报, 15(2):111-118.
[15]	赵瑞霞, 李伟, 王玉彬, 等, 2007. 空间结构函数在北京地区气象观测站网设计中的应用[J]. 应用气象学报, 18(1):94-101.
[16]	DROZDOV O A, SHEPELEVSKIJ A A, 1946. The theory of interpolation in a stochastic field of meteorological elements and its application to meteorological map and network rationalisation problems[G]. Trudy NIU GUGMS, Series 1(13).
[17]	HOUCHI K, STOFFELEN A, MARSEILLE G J, et al, 2015. Statistical quality control of high-resolution winds of different radiosonde types for climatology analysis[J]. Journal of Atmospheric and Oceanic Technology, 32(10): 1 796-1 812.
[18]	INGLEBY N B, LORENC A C, 1993. Bayesian quality control using multivariate normal distributions[J]. Quarterly Journal of the Royal Meteorological Society, 119(513): 1 195-1 225.
[19]	MOOLEY D A, ISMAIL M, 1982. Structure functions of rainfall field and their application to network design in the tropics[J]. Archives for Meteorology, Geophysics, and Bioclimatology, Series B, 30(1): 95-105.
[20]	SCHINDELEGGER M, RAY R D, 2014. Surface pressure tide climatologies deduced from a quality-controlled network of barometric observations[J]. Monthly Weather Review, 142(12): 4 872-4 889.
[21]	SCHNEEBELI M, LATERNSER M, 2004. A probabilistic model to evaluate the optimal density of stations measuring snowfall[J]. Journal of Applied Meteorology, 43(5): 711-719.
[22]	WMO, 1970. The planning of meteorological station networks[R]. Geneva: WMO.
[23]	WMO, 2015. Manual on the global observing system (WMO-No. 1160)[M]. Geneva: WMO.
[24]	ZHAO H, ZOU X L, QIN Z K, 2015. Quality control of specific humidity from surface stations based on EOF and FFT: Case study[J]. Frontiers of Earth Science, 9(3): 381-393.