Research on precipitation spatial interpolation methods in Heihe River Basin based on ANUSPLIN software

doi:10.11755/j.issn.1006-7639-2025-05-0790

Abstract

Abstract:

The terrain in northwest inland river of China is complex, where there are few meteorological stations. In order to improve the accuracy of precipitation spatialization, support hydrological modeling and water resource management in arid area, based on the datasets of 19 meteorological stations and 26 hydrological stations in the Heihe River Basin, the partial thin plate smoothing splines function models are constructed using ANUSPLIN. The influence of model parameters, station numbers and the resolution of Digital Elevation Model (DEM) on precipitation spatial interpolation accuracy is analyzed. The results are as follows: 1) The V2C1S3_RT model, with longitude and latitude as independent spline variables, elevation as the independent covariate, the spline order of 3, and square root as the variable transform method, achieves the highest interpolation accuracy, with square roots of generalized cross validation (RTGCV) and square roots of mean square error (RTMSE) values of 6.10 and 4.82 mm, respectively. 2) The number of stations significantly affects interpolation accuracy. When the number of stations increases to 40, the RTGCV and RTMSE are the minimum, and further increasing the number of stations has limited improvement on accuracy. 3) Different resolution DEM has little effect on precipitation interpolation results. 4) The regional mean precipitation in the Heihe River Basin in 2019 was 211.39 mm, decreasing from southwest to northeast. Due to sparse station distribution, the standard error of precipitation in the southwestern upstream and downstream boundary areas is significantly higher than that in other regions.

Key words: northwest inland river, thin plate smoothing splines, ANUSPLIN, precipitation interpolation, DEM

摘要：

西北内陆河地区地形地貌复杂，气象台站较少，为提高该地区降水量空间化的精确度，支撑区域水文模拟及水资源管理，以西北内陆河黑河流域为研究区，利用19个气象台站与26个水文站点数据，基于ANUSPLIN软件构建局部薄盘光滑样条插值模型，分析模型参数、站点数量与数字高程模型（Digital Elevation Model，DEM）分辨率对降水量空间插值精度的影响。结果表明：1）独立变量为经度与纬度，协变量为海拔，样条次数为3，变量转换方式为平方根时，V2C1S3_RT模型的插值精度最优，其广义交叉验证的平方根（Square Roots of Generalized Cross Validation， RTGCV）和期望真实均方根误差（Square Roots of Mean Square Error， RTMSE）分别为6.10和4.82 mm；2）站点数量影响插值精度，当站点数增加至40个，RTGCV和RTMSE均达到最小值，进一步增加站点数对精度提升有限；3）不同分辨率DEM对降水量插值结果影响不大；4）2019年黑河流域平均降水量为211.39 mm，呈现西南向东北递减趋势，上游西南地区及下游边界地区降水量标准误差较相邻地区大，主要原因是该区域站点数量较少。

关键词: 西北内陆河, 薄盘光滑样条, ANUSPLIN, 降水量插值, DEM

CLC Number:

P426.6

TANG Na, WANG Jing, DONG Guotao, CHEN Zihao, KONG Linglin. Research on precipitation spatial interpolation methods in Heihe River Basin based on ANUSPLIN software[J]. Journal of Arid Meteorology, 2025, 43(5): 790-798.

唐娜, 王静, 董国涛, 陈子豪, 孔令林. 基于ANUSPLIN软件的黑河流域降水空间插值方法研究[J]. 干旱气象, 2025, 43(5): 790-798.

Figures/Tables 10

References 25

[1]	耿蔚, 张亮, 杨进, 2019. 基于GIS的四川省区域性暴雨降水分布的空间插值方法与面积估测[J]. 高原山地气象研究, 39(3): 75-81.
[2]	韩艳莉, 于德永, 陈克龙, 等, 2022. 2000—2018年青海湖流域气温和降水量变化趋势空间分布特征[J]. 干旱区地理, 45(4): 999-1 009. DOI
[3]	施雅风, 沈永平, 胡汝骥, 2002. 西北气候由暖干向暖湿转型的信号、影响和前景初步探讨[J]. 冰川冻土, 24(3): 219-226.
[4]	孙从建, 陈伟, 王诗语, 2022. 气候变化下的塔里木盆地西南部内陆河流域径流组分特征分析[J]. 干旱区研究, 39(1): 113-122. DOI
[5]	谭剑波, 李爱农, 雷光斌, 2016. 青藏高原东南缘气象要素Anusplin和Cokriging空间插值对比分析[J]. 高原气象, 35(4): 875-886. DOI
[6]	王海彬, 刘家宏, 刘希胜, 等, 2024. 基于ANUSPLIN插值法的青海湖流域数字流域模型研究[J]. 水资源保护, 40(4): 82-91.
[7]	王宗太, 1991. 天山中段及祁连山东段小冰期以来的冰川及环境[J]. 地理学报, 46(2): 160-168. DOI
[8]	徐栋, 孔莹, 王澄海, 2016. 西北干旱区水汽收支变化及其与降水的关系[J]. 干旱气象, 34(3): 431-439. DOI
[9]	臧传富, 刘俊国, 2013. 黑河流域蓝绿水在典型年份的时空差异特征[J]. 北京林业大学学报, 35(3): 1-10.
[10]	张乐, 2017. 渭北旱塬地区干旱—农业匹配特征研究[D]. 杨凌: 西北农林科技大学.
[11]	张强, 朱飙, 杨金虎, 等, 2021. 西北地区气候湿化趋势的新特征[J]. 科学通报, 66(增刊2): 3 757-3 771.
[12]	张文奇, 赵媛媛, 赖宗锐, 等, 2024. 基于ANUSPLIN模型的柴达木盆地2000—2019年降水时空格局[J]. 高原气象, 43(3): 737-748. DOI
[13]	朱明飞, 刘海隆, 2018. 基于SWAT模型干旱区内陆河流域径流成分的模拟分析:以玛纳斯河上游为例[J]. 石河子大学学报:自然科学版, 36(1): 89-94.
[14]	卓静, 朱延年, 2017. 秦岭主脊区年降水量空间插值最优方法研究[J]. 干旱区地理, 40(3): 555-563.
[15]	HUTCHINSON M F, 1998. Interpolation of rainfall data with thin plate smoothing splines-part I: Two dimensional smoothing of data with short range correlation[J]. Journal of Geographic Information and Decision Analysis, 2(2): 152-167.
[16]	HUTCHINSON M F, 2007. ANUSPLIN Version 4.37 User Guide[M]. Canberra: The Australian National University, Centre for Resource and Environment Studies: 1-12.
[17]	HUTCHINSON M F, GESSLER P E, 1994. Splines—more than just a smooth interpolator[J]. Geoderma, 62(1/2/3): 45-67. DOI URL
[18]	HUTCHINSON M F. 1991. The application of thin plate smoothing splines to continent-wide data assimilation[M]// JASPER J D. Data Assimilation Systems. Melbourne: Bureau of Meteorology: 104-113.
[19]	KRIGE D G, 1951. A statistical approach to some basic mine valuation problems on the witwatersrand[J]. Journal of the Chemical, Metallurgical and Mining Society of South Africa, 52(6): 119-139.
[20]	MACDONALD H, MCKENNEY D W, PEDLAR J, et al, 2024. Spatial datasets of 30-year (1991-2020) average monthly total precipitation and minimum/maximum temperature for Canada and the United States[J]. Data in Brief, 55: 110561. DOI: 10.1016/j.dib.2024.110561.
[21]	MACDONALD H, MCKENNEY D W, WANG X L, et al, 2021. Spatial models of adjusted precipitation for Canada at varying time scales[J]. Journal of Applied Meteorology and Climatology, 60(3): 291-304. DOI URL
[22]	SHEPARD D, 1968. A two-dimensional interpolation function for irregularly-spaced data[C]// Rosenberg M. Proceedings of the 1968 23rd ACM National Conference. New York: Association for Computing Machinery: 517-524.
[23]	THIESSEN A H, 1911. Precipitation averages for large areas[J]. Monthly Weather Review, 39(7): 1 082-1 089.
[24]	TROIN M, MARTEL J L, ARSENAULT R, et al, 2022. Large-sample study of uncertainty of hydrological model components over North America[J]. Journal of Hydrology, 609: 127766. DOI: 10.1016/j.jhydrol.2022.127766.
[25]	YANG J T, YANG K, ZHANG F M, et al, 2023. Contributions of natural and anthropogenic factors to historical changes in vegetation cover and its future projections in the Yellow River Basin, China[J]. International Journal of Climatology, 43(14): 6 434-6 449. DOI URL

区站号	x/m	y/m	海拔/m	1月降水量/mm
52267	671 294.36	4 646 290.43	940.50	0.00
52323	336 612.69	4 629 440.27	1 770.40	1.60
52436	332 775.30	4 459 210.69	1 526.00	3.80
52446	543 909.00	4 461 183.20	1 177.40	0.00
52447	491 464.03	4 427 762.01	1 270.50	2.30

区站号	x/m	y/m	海拔/m	1月降水量/mm
52267	671 294.36	4 646 290.43	940.50	0.00
52323	336 612.69	4 629 440.27	1 770.40	1.60
52436	332 775.30	4 459 210.69	1 526.00	3.80
52446	543 909.00	4 461 183.20	1 177.40	0.00
52447	491 464.03	4 427 762.01	1 270.50	2.30

编号	模型名称	KNOTS	SIGNAL	S：NK	RTGCV/mm	RTMSE/mm
1	V2S2	45	14.3（1个超过N的一半，2个带*）	0.31（1个超过0.80）	12.60	5.86
2	V2S3	45	12.3（1个超过N的一半）	0.27	13.20	5.90
3	V2S4	45	14.6（1个超过N的一半，3个带*）	0.32	13.70	6.38
4	V2S2_LOG	40	24.1（5个超过N的一半，4个带*）	0.60（4个超过0.80）	11.20	4.28
5	V2S3_LOG	40	19.3（3个超过N的一半，2个带*）	0.48（2个超过0.80）	13.90	5.82
6	V2S4_LOG	40	16.1（1个超过N的一半）	0.40	16.10	6.55
7	V2S2_RT	45	19.2（3个超过N的一半，1个带*）	0.43（1个超过0.80）	10.90	5.12
8	V2S3_RT	45	15.5（1个超过N的一半）	0.34	12.10	5.69
9	V2S4_RT	45	16.8（1个超过N的一半）	0.37	12.50	5.83
10	V3S2	45	23.2（5个超过N的一半，3个带*）	0.52（3个超过0.80）	5.40	7.08
11	V3S3	45	17.7（3个超过N的一半）	0.38	6.78	8.52
12	V3S4	45	23.0（7个超过N的一半，7个带*）	0.51	6.12	8.43
13	V3S2_LOG	40	35.6（11个超过N的一半，9个带*）	0.89（8个超过0.80）	1.58	1.43
14	V3S3_LOG	40	20.8（6个超过N的一半，2个带*）	0.52（2个超过0.80）	6.34	5.31
15	V3S4_LOG	—	—	—	—	—
16	V3S2_RT	45	29.9（6个超过N的一半，5个带*）	0.66（5个超过0.80）	3.53	3.29
17	V3S3_RT	45	19.6（2个超过N的一半，1个带*）	0.44（1个超过0.80）	5.63	4.40
18	V3S4_RT	45	23.5（4个超过N的一半，4个带*）	0.52（1个超过0.80）	5.24	5.15
19	V2C1S2	45	18.7（2个超过N的一半，2个带*）	0.42（2个超过0.80）	6.44	7.89
20	V2C1S3	45	16.9（2个超过N的一半）	0.38	7.07	8.53
21	V2C1S4	45	17.3（2个超过N的一半）	0.38	7.00	8.60
22	V2C1S2_LOG	40	27.1（8个超过N的一半，5个带*）	0.68（5个超过0.80）	3.52	3.60
23	V2C1S3_LOG	40	19.1（4个超过N的一半，1个带*）	0.48（1个超过0.80）	6.87	5.60
24	V2C1S4_LOG	40	17.0（2个超过N的一半）	0.43	8.25	6.11
25	V2C1S2_RT	45	20.5（3个超过N的一半，1个带*）	0.46（1个超过0.80）	5.27	4.26
26	V2C1S3_RT	45	18.1（2个超过N的一半）	0.40	6.10	4.82
27	V2C1S4_RT	45	17.2（1个超过N的一半，1个带*）	0.38	7.18	5.09

编号	模型名称	KNOTS	SIGNAL	S：NK	RTGCV/mm	RTMSE/mm
1	V2S2	45	14.3（1个超过N的一半，2个带*）	0.31（1个超过0.80）	12.60	5.86
2	V2S3	45	12.3（1个超过N的一半）	0.27	13.20	5.90
3	V2S4	45	14.6（1个超过N的一半，3个带*）	0.32	13.70	6.38
4	V2S2_LOG	40	24.1（5个超过N的一半，4个带*）	0.60（4个超过0.80）	11.20	4.28
5	V2S3_LOG	40	19.3（3个超过N的一半，2个带*）	0.48（2个超过0.80）	13.90	5.82
6	V2S4_LOG	40	16.1（1个超过N的一半）	0.40	16.10	6.55
7	V2S2_RT	45	19.2（3个超过N的一半，1个带*）	0.43（1个超过0.80）	10.90	5.12
8	V2S3_RT	45	15.5（1个超过N的一半）	0.34	12.10	5.69
9	V2S4_RT	45	16.8（1个超过N的一半）	0.37	12.50	5.83
10	V3S2	45	23.2（5个超过N的一半，3个带*）	0.52（3个超过0.80）	5.40	7.08
11	V3S3	45	17.7（3个超过N的一半）	0.38	6.78	8.52
12	V3S4	45	23.0（7个超过N的一半，7个带*）	0.51	6.12	8.43
13	V3S2_LOG	40	35.6（11个超过N的一半，9个带*）	0.89（8个超过0.80）	1.58	1.43
14	V3S3_LOG	40	20.8（6个超过N的一半，2个带*）	0.52（2个超过0.80）	6.34	5.31
15	V3S4_LOG	—	—	—	—	—
16	V3S2_RT	45	29.9（6个超过N的一半，5个带*）	0.66（5个超过0.80）	3.53	3.29
17	V3S3_RT	45	19.6（2个超过N的一半，1个带*）	0.44（1个超过0.80）	5.63	4.40
18	V3S4_RT	45	23.5（4个超过N的一半，4个带*）	0.52（1个超过0.80）	5.24	5.15
19	V2C1S2	45	18.7（2个超过N的一半，2个带*）	0.42（2个超过0.80）	6.44	7.89
20	V2C1S3	45	16.9（2个超过N的一半）	0.38	7.07	8.53
21	V2C1S4	45	17.3（2个超过N的一半）	0.38	7.00	8.60
22	V2C1S2_LOG	40	27.1（8个超过N的一半，5个带*）	0.68（5个超过0.80）	3.52	3.60
23	V2C1S3_LOG	40	19.1（4个超过N的一半，1个带*）	0.48（1个超过0.80）	6.87	5.60
24	V2C1S4_LOG	40	17.0（2个超过N的一半）	0.43	8.25	6.11
25	V2C1S2_RT	45	20.5（3个超过N的一半，1个带*）	0.46（1个超过0.80）	5.27	4.26
26	V2C1S3_RT	45	18.1（2个超过N的一半）	0.40	6.10	4.82
27	V2C1S4_RT	45	17.2（1个超过N的一半，1个带*）	0.38	7.18	5.09

站点	N	KNOTS	SIGNAL	S：NK	RTGCV/mm	RTMSE/mm
气象站点	19	19	13.3（11个超过N的一半，5个带*）	0.70（4个大于0.80）	12.60	5.50
水文站点	26	26	9.4（2个带*）	0.36	6.82	5.32
15个站点	45	15	11.0（2个带*）	0.73（5个大于0.80）	8.31	5.04
20个站点	45	20	14.8（1个超过N的一半，1个带*）	0.74（3个大于0.80）	7.50	5.02
25个站点	45	25	16.9（1个超过N的一半，1个带*）	0.68（2个大于0.80）	6.50	4.99
30个站点	45	30	17.7（2个超过N的一半，1个带*）	0.59（1个大于0.80）	6.16	4.81
35个站点	45	35	17.9（2个超过N的一半）	0.51（1个大于0.80）	6.13	4.81
40个站点	45	40	18.1（2个超过N的一半）	0.45	6.09	4.81
45个站点	45	45	18.1（2个超过N的一半）	0.40	6.10	4.82