基于PRISM的贺兰山东麓银川段晚霜冻期间日最低气温空间插值研究

doi:10.11755/j.issn.1006-7639-2025-02-0321

基于PRISM的贺兰山东麓银川段晚霜冻期间日最低气温空间插值研究

魏建宁^,¹^,², 姜琳琳¹^,³, 郭晓雷^,¹^,², 张磊¹^,³, 李浩¹^,²

1.中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室，宁夏银川 750002

2.宁夏回族自治区银川市气象局，宁夏银川 750002

3.宁夏气象科学研究所，宁夏银川 750002

Spatial interpolation of daily minimum temperature during late frost period at the eastern foot of Helan Mountain in Yinchuan section based on PRISM

WEI Jianning^,¹^,², JIANG Linlin¹^,³, GUO Xiaolei^,¹^,², ZHANG Lei¹^,³, LI Hao¹^,²

1. Key Laboratory for Meteorological Disaster Monitoring and Early Warning and Risk；Management of Characteristic Agriculture in Arid Regions， CMA， Yinchuan 750002， China

2. Yinchuan Meteorological Bureau of Ningxia Hui Autonomous Region，Yinchuan 750002，China

3. Ningxia Meteorological Science Institute， Yinchuan 750002， China

通讯作者: 郭晓雷（1979—），男，高级工程师，主要从事气象服务和应用气象工作。E-mail：25052248@qq.com。

责任编辑: 王涓力；校对：黄小燕

收稿日期: 2024-05-24 修回日期: 2024-12-10

基金资助:

宁夏自然科学基金项目(2022AAC02074)
中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室青年培养项目(CAMT-202209)

Received: 2024-05-24 Revised: 2024-12-10

作者简介 About authors

魏建宁（1992—），男，工程师，主要从事应用气象与农业气象灾害管理方面研究。E-mail：745002544@qq.com。

摘要

贺兰山东麓春季气温起伏大，酿酒葡萄易遭受晚霜冻影响，农业气象服务工作中越来越迫切需要针对酿酒葡萄种植区域复杂地形进行日最低气温的精确插值，坡面回归方程插值模型（Parameter-elevation Regression on Independent Slopes Model，PRISM）一定程度上满足了这种需求。基于2022—2023年银川市269个气象站的日最低气温和高程数据，利用PRISM对贺兰山东麓银川段酿酒葡萄晚霜冻期间的日最低气温进行插值；为验证PRISM插值的适用性，选取银川市酿酒葡萄种植区、贺兰山东麓银川段沿山附近区域、银川平缓区域的气象站作为验证站，使用反距离加权法（Inverse Distance Weighted，IDW）、样条函数法（Spline）、普通克里金法（Ordinary Kriging，OK）3种常用的插值方法作为对比。结果表明：酿酒葡萄种植区插值效果PRISM最好，然后依次是IDW、Spline，OK最差；贺兰山东麓沿山区域插值效果PRISM最好，接着依次是IDW、OK、Spline；平缓地区PRISM的插值效果较差；综合3个区域的插值效果PRISM最好，接着是IDW、OK、Spline。PRISM在贺兰山东麓银川段晚霜冻期间日最低气温插值的适用性最好。

关键词： 酿酒葡萄; PRISM; 晚霜冻

Abstract

The temperature at the eastern foot of Helan Mountain changes greatly in spring, and wine grapes are susceptible to late frost. It is increasingly urgent for agrometeorological service to carry out accurate daily minimum temperature interpolation according to the complex terrain of wine grape planting area. The Parameter-elevation Regression on Independent Slopes Model (PRISM) satisfies this need to some extent. Based on the elevation data and daily minimum temperature of 269 weather stations in Yinchuan from 2022 to 2023, the PRISM was used to interpolate the daily minimum temperature during the late frost period at the eastern foot of Helan Mountain in Yinchuan section. In order to verify the applicability of PRISM interpolation, weather stations in Yinchuan wine grape growing area, Yinchuan section near the eastern foot of Helan Mountain, and Yinchuan flat region were selected as verification stations, and three commonly used interpolation methods including Inverse Distance Weighted (IDW), Spline Function (Spline), and Ordinary Kriging (OK) were used for comparison. The results show that the interpolation effect of PRISM is the best, followed by IDW, Spline, and the effect of OK is the worst in wine grape growing area. The interpolation effect of PRISM at the eastern foot of Helan Mountain is the best, followed by IDW, OK and Spline. The interpolation effect of PRISM in flat region is poor. For the three areas, the interpolation effect of PRISM is the best, followed by IDW, OK and Spline. PRISM has the best applicability for daily minimum temperature interpolation during late frost period at the eastern foot of Helan Mountain in Yinchuan section.

Keywords： wine grape; PRISM; late frost

PDF (9742KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

魏建宁, 姜琳琳, 郭晓雷, 张磊, 李浩. 基于PRISM的贺兰山东麓银川段晚霜冻期间日最低气温空间插值研究[J]. 干旱气象, 2025, 43(2): 321-328 DOI:10.11755/j.issn.1006-7639-2025-02-0321

WEI Jianning, JIANG Linlin, GUO Xiaolei, ZHANG Lei, LI Hao. Spatial interpolation of daily minimum temperature during late frost period at the eastern foot of Helan Mountain in Yinchuan section based on PRISM[J]. Arid Meteorology, 2025, 43(2): 321-328 DOI:10.11755/j.issn.1006-7639-2025-02-0321

0 引言

贺兰山东麓葡萄酒产区是目前中国最大的集中连片酿酒葡萄种植区和酒庄酒产区（刘松涛等，2019），酿酒葡萄种植总面积达3.9万hm²，占全国种植面积的三分之一，年产葡萄酒1.38亿瓶（杨伟和李东，2022）。贺兰山东麓自然环境得天独厚，发展酿酒葡萄产业极具潜力（苏占胜，2012；胡宏远等，2022），但由于地处西北内陆，春季冷空气活动频繁、气温起伏大，易遭受晚霜冻影响（王正平等，2004；张磊等，2018）。随着全球气候变暖，极端气候事件频发（李红英等，2014；杨洋等，2019），酿酒葡萄适宜放条期后晚霜冻过程的最低气温明显降低，中等强度以上的霜冻发生频率和强度都有增强趋势（王素艳等，2017），晚霜冻已经成为影响和制约贺兰山东麓酿酒葡萄提质增效、增产和增收的主要气象灾害之一（陈卫平等，2020；李瑞盈等，2023）。

晚霜冻危害程度与地形息息相关（张晓煜等，2001），由地形因素造成的温差能使距离相近的酿酒葡萄园区蒙受的损失大不相同，例如一次霜冻过程，地势较高、气流运动较快的葡萄园冻害较轻，而相邻产区地形低洼处则受霜冻影响较重（王静等，2017）。因此，在开展为农气象服务工作时，迫切需要针对复杂地形的精确温度插值，而现阶段气象服务中常用的温度插值方法却未能充分考虑地形因素。目前普遍使用的温度插值方法有反距离权重插值法（Inverse Distance Weighted，IDW）、样条函数插值法（Spline）、克里金插值法（Ordinary Kriging，OK）等（曾金迪等，2020）。其中，反距离权重插值法是以未知点和已知样本点之间的空间距离为权重进行加权平均的插值方法，其方法简单方便，效果直观，但样本点分布的不均匀使其易受极值点的影响，结果经常出现孤立点数据明显高于周围数据点的“牛眼”现象（蔡迪花等，2009；朱浩楠等，2020）；样条函数插值法在拟合过程中寻找合适的拟合函数和光滑系数，使粗糙的数据变得光滑，该方法适用于变化平缓的表面区，但不适用于小尺度复杂环境（蒋育昊等，2016）；克里金插值法由南非地理学家Krige提出，由Matheron给出了一般公式（林忠辉等，2002），其精髓在于采用全局空间变异函数进行计算，即在有限区域内对区域变化量的取值进行无偏最优估计，因此具有良好的无偏性，但是该方法并没有考虑高程差产生的影响（夏智武等，2016）。而坡面回归插值模型（Parameter-elevation Regression on Independent Slopes Model，PRISM）将高程作为主要影响因子（Daly，2002），综合考虑了距离、坡向、坡度等因子对气象要素的影响（Daly and Johnson，1999），国内外相关研究利用PRISM对降水、气温等气象要素进行插值（赵登忠等，2004；蒋育昊等，2018；占龙飞等，2021），发现与传统插值方法相比，地形复杂区域PRISM的插值精度与适用性都更具有优势（Daly et al.，2000；蒋育昊等，2017）。

目前，PRISM的应用主要集中在降水和气温日均值的空间插值，结合特色经济作物、特定农业气象灾害的应用鲜见报道。本研究基于PRISM对贺兰山东麓晚霜冻过程中的日最低气温进行插值，评价PRISM在贺兰山东麓银川段葡萄种植区的适用性，以期为酿酒葡萄晚霜冻监测评估服务提供支撑。

1 研究区及资料、方法

1.1 研究区概况

研究区域主要为贺兰山东麓银川段附近区域及银川市地形平坦区域。银川市酿酒葡萄种植面积超过1.73万hm²，种植面积广，酿酒葡萄酒庄众多；酿酒葡萄种植区多远离城镇，分布在沿山附近的空旷区域，气象站只能覆盖少量葡萄园。本文共使用269个气象站数据，在已知的18个酿酒葡萄气象站中选取其中处于贺兰山东麓且数据完备的15个葡萄气象站作为验证站点，在地形起伏较明显的贺兰山东麓沿山区域随机选取15个气象站作为验证站点，在银川市地形平缓区域随机选取15个站作为验证站点，共45个气象站作为验证站（图1）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 银川市海拔与插值和验证站点空间分布

注:基于自然资源部标准地图服务网站标准地图[图审号:GS(2019)1822号]制作，底图边界无修改，下同。

Fig.1 Spatial distribution of the elevation and interpolation and verification sites in Yinchuan City

1.2 资料

银川市气象站气温数据来源于宁夏综合气象数据库，从中筛选出2022—2023年酿酒葡萄放条期至新梢生长期内降温较明显的霜冻过程日最低气温，即2022年3月26—28日及4月2—3日、18—19日、28日，2023年3月22日、25—27日及4月6—8日、29日的日最低气温；高程数据来源于美国奋进号航天飞机的雷达地形测绘（Shuttle Radar Topography Mission，SRTM）数据，精度为250 m。

1.3 PRISM插值方法介绍

美国气象学家Daly等（1994）提出的PRISM插值模型，是一种基于独立坡面气象要素与海拔的回归模型。该方法综合考虑了独立坡面的规律性以及局部地形对气象要素的影响，从而实现了对气象要素的较准确预测。该模型将地形高度视为区域气象要素的核心因素，同时考虑了距离、坡向、坡度、垂直分层以及与海岸线的相对位置等多个因素（蒋育昊等，2016），这种综合性考量使得该模型能够在一定程度上准确描绘小尺度复杂地形下的气象要素分布特性。

PRISM采用坡向作为同一地形面的分类标准，并运用移动窗口技术寻找具有相同坡向的气象要素。以气温为例，由于地形下垫面的影响，气温与高程之间的关系在各区域也不相同，PRISM使用移动窗口搜索已知站点；当搜寻的站点达到一定数量之后，就可以依据查找的站点气温构建局部气温回归方程，并得出局部气温递减率；再利用局部气温递减率插值未知点的气温数据，以此提供更加精确和准确的气温预测。在计算气温局部递减率的过程中，需要考虑多个要素对气温的影响，针对各站点所处的具体地理位置，赋予不同权重，进而确定小区域内高程与气温的加权最小二乘回归关系，回归方程式如下：

（1）

y = β_{1} x + β_{0}, β_{1, m i n} \leq β_{1} \leq β_{1, m a x}

式中： $β_{1}$ 是统计回归后的局部气温递减率，单位：℃·km^-1； $β_{0}$ 是海平面平均气温，单位：℃；y是预测气温，单位：℃； $x$ 是预测位置的海拔高度，单位：km； $β_{1, m i n}$ 、 $β_{1, m a x}$ 分别是 $β_{1}$ 的最小值和最大值，当 $β_{1}$ 取值超出范围则自动选取默认值，具体依据插值区域的实际情况而定（Daly， 2002）。

在PRISM插值算法中，模型假设气象要素的垂直变化率会随地理位置变化而变化，因此，对于每个独立的坡面，需要计算局地的垂直变化率。这一过程通过加权最小二乘法实现线性拟合，并引入适当的权重调整各项在平方和中的影响力，加权最小二乘估计的公式如下：

（2）

β_{1} = \frac{\sum_{i = 1}^{n} W_{i} \sum_{i = 1}^{n} W_{i} x_{i} y_{i} - \sum_{i = 1}^{n} W_{i} y_{i} \sum_{i = 1}^{n} W_{i} x_{i}}{\sum_{i = 1}^{n} W_{i} \sum_{i = 1}^{n} W_{i} x_{i}^{2} - \sum_{i = 1}^{n} W_{i} x_{i} \sum_{i = 1}^{n} W_{i} x_{i}}

（3）

β_{0} = \frac{\sum_{i = 1}^{n} W_{i} y_{i}}{\sum_{i = 1}^{n} W_{i}} - \frac{β_{1} \sum_{i = 1}^{n} W_{i} x_{i}}{\sum_{i = 1}^{n} W_{i}}

式中：n是窗口内同一方向坡面站点数，所需站点数不少于3个； $y_{i}$ 是第i个站点的气象要素值； $x_{i}$ 是第i站点的海拔； $W_{i}$ 是第i站点的综合权重大小。

每个站点权重的大小主要与其和目标站点的距离、海拔高度、坡向、垂直分布层次、站点密度、与海岸线的距离以及有效地形等因素相关，具体公式如下：

（4）

W = [F_{d} W {(d)}^{2} + F_{z} W {(z)}^{2}]^{1 / 2} W (c) W (l) W (f) W (p) W (e)

式中：W（d）、W（z）、W（c）、W（l）、 $W (f)$ 、W（p）、W（e）分别表示距离、高程、站点聚集度、垂直分层、地形坡面、沿海邻近度以及有效地形权重（蒋育昊等，2017）；F_d为距离权重因子，默认值为0.8；F_z为高程权重因子，默认值为0.2（Daly， 2002）。考虑宁夏地处内陆地区且霜冻时一般不伴随逆温层的出现，选用对气温影响较明显的距离、高程、地形坡向作为输入因子。

1 ）距离权重

PRISM中，站点距离栅格越远，则影响越小。 $W (d)$ 的表达式为

（5）

W (d) = \{\begin{matrix} 1 d = 0 \\ \frac{1}{d^{a}} d > 0 \end{matrix}

式中：d为栅格与站点之间的距离；a为距离加权指数，一般取值为2。

2 ）高程权重

PRISM中，站点与栅格之间的高程差越小则影响越大。W(z)的表达式为

（6）$W(z)=\left\{\begin{array}{cc} \frac{1}{\Delta Z_{\max }^b} & \Delta Z \leqslant \Delta Z_{\max } \\ \frac{1}{\Delta Z^b} & \Delta Z_{\max }<\Delta Z<\Delta Z_{\min } \\ 0 & \Delta Z \geqslant \Delta Z_{\min } \end{array}\right.$

式中： $∆ Z$ 为栅格与站点的高程差；b为高程差加权指数，一般取值为1； $∆ Z_{m i n}$ 为最小高程差， $∆ Z_{m a x}$ 为最大高程差。

3 ）坡向权重

(7)$W(f)=\left\{\begin{array}{lr}1 & \Delta f \leqslant 0, B=0 \\ \frac{1}{(\Delta f+B)^c} & \Delta f>0 \text { 或 } B>0\end{array}\right.$

式中： $∆ f$ 为栅格和站点之间的方向差，最大值为4（即180°）； $B$ 为栅格和站点之间明显坡向不同的栅格障碍数量；C为坡向权重指数，一般取值为1。

1.4 插值过程说明

在PRISM插值过程中，首先寻找目标站点（即插值验证站点）所在栅格，确定站点栅格坡向，将坡向作为地形面的划分依据，模型的插值是通过移动窗口技术寻找相同坡向的气象站最低气温。由于地形下垫面的影响，最低气温和高程的关系在不同区域并不一致，PRISM利用移动窗口搜索已知站点，当窗口内所需坡面的站点数少于3个时，则依次扩大搜索范围，最大范围仍不能搜寻到足够数量站点时，则坡向依次由叠加8次滤波、16次滤波、24次滤波、32次滤波、40次滤波后的坡向代替（图2）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 原栅格及不同滤波次数的栅格坡面坡向

Fig.2 The slope direction of the original grille and the filtered grilles with different filtering times

1.5 验证方法

使用交叉验证法进行结果验证，即首先将已知的验证气象站点中的一个站日最低气温作为“未知温度”，再用其他的已知气象站数据计算该站点的日最低气温，直到45个验证站全部计算完成，最后对验证气象站计算的和实际的日最低气温进行分析。为验证PRISM插值效果，使用IDW、OK、Spline 3种常用插值方法作对比，所有插值方法均使用交叉验证方式计算45个验证站的日最低气温，通过平均绝对误差（Mean Absolute Error，MAE）评价4种插值结果的精度，通过均方根误差（Root Mean Square Error，RMSE）评价4种插值误差的离散程度。

2 结果分析

通过4种插值方式计算45个验证站相应日期的最低气温，然后计算不同插值方式日最低气温的MAE、RMSE。由表1可知，15个酿酒葡萄气象站PRISM插值日最低气温的MAE为0.31~1.64 ℃，RMSE为0.34~1.78 ℃，与其他3种插值方式相比较，PRISM插值除了个别酿酒葡萄气象站效果较差，MAE、RMSE值较大外，总体葡萄站的插值精度高于其他3种插值方式，稳定性也更好；15个沿山站PRISM插值的日最低气温MAE为0.39~1.14 ℃，RMSE为0.47~1.29 ℃，其插值精确性和稳定性同样优于其他插值方式，相较于酿酒葡萄气象站，沿山站的MAE和RMSE值更收敛，稳定性更好；15个平缓地区站点的PRISM插值效果不明显。

表1 验证站4种插值方式的插值验证结果

Tab.1 Interpolation results of four interpolation models for the validated stations

	站点名称	MAE/℃				RMSE/℃
	站点名称	PRISM	IDW	Spline	OK	PRISM	IDW	Spline	OK
酿酒葡萄气象站	永宁闽宁镇德龙酒业基地气象观测站	0.78	0.85	2.96	1.28	0.93	0.98	4.25	1.49
	永宁闽宁镇黄羊滩轩尼诗酒庄气象观测站	1.25	1.67	1.250	1.97	1.31	1.78	1.47	2.06
	永宁闽宁镇玉泉营葡萄基地气象观测站	1.47	2.37	1.39	2.39	1.63	2.60	1.68	2.60
	永宁玉泉营气象观测站	1.26	1.39	2.78	1.65	1.49	1.54	3.14	1.86
	永宁圣路易丁酒庄气象观测站	0.49	0.78	0.48	1.23	0.63	0.97	0.63	1.46
	西夏区葡萄园气象观测站	1.02	1.17	0.78	2.21	1.31	1.35	0.93	2.51
	西夏区红柳湾山庄气象观测站	0.31	0.31	0.43	0.35	0.34	0.43	0.55	0.45
	贺兰山东麓金山国际试验示范区观兰酒庄	1.43	1.51	0.61	2.13	1.46	1.62	0.72	2.23
	振兴路美御酒庄	0.56	0.50	1.15	0.51	0.67	0.67	1.33	0.68
	留世酒庄	1.26	1.07	0.99	1.98	1.35	1.38	1.32	2.39
	玉泉营农场莲湖分厂	1.60	2.85	3.42	2.80	1.71	3.19	3.81	3.13
	中粮长城云漠酒庄	1.00	0.73	0.74	0.64	1.04	1.09	1.10	0.87
	银川贺兰山东麓葡萄酒试验区气象观测站	1.64	0.40	0.32	1.50	1.78	0.46	0.38	1.63
	西夏区沿山高家闸气象观测站	0.43	0.45	0.47	0.38	0.57	0.59	0.66	0.55
	西夏区平吉堡葡萄基地气象观测站	1.13	1.59	0.78	1.65	1.37	1.67	0.91	1.75
沿山气象站	西夏区沿山响水气象观测站	0.60	0.65	1.96	1.08	0.80	0.85	2.41	1.26
	西夏区沿山苏峪口沟口气象观测站	0.60	1.31	0.86	1.88	0.78	1.68	1.23	2.36
	贺兰洪广镇930生态牧场气象观测站	0.72	0.88	2.52	0.93	0.81	0.97	3.09	1.07
	贺兰洪广镇金山村气象观测站	0.54	0.65	1.08	0.94	0.70	0.76	1.43	1.08
	西夏区镇北堡镇循环现代农业基地气象观测站	0.56	0.28	0.28	0.59	0.69	0.41	0.41	0.72
	西夏区沿山拜寺口沟气象观测站	0.75	1.75	1.94	1.25	1.02	2.17	2.43	1.61
	西夏区沿山套门沟气象观测站	0.54	0.56	1.00	0.68	0.67	0.69	1.14	0.82
	西夏区元福现代农业基地气象观测站	0.62	0.28	0.28	0.77	0.71	0.41	0.41	0.91
	永宁闽宁镇三关口北气象观测站	0.94	0.73	0.74	0.64	1.09	1.09	1.10	0.90
	永宁闽宁镇大井子风电场气象观测站	1.12	0.85	4.98	1.01	1.29	1.04	5.32	1.15
	西夏区镇北堡镇小口子气象观测站	1.14	1.34	1.00	1.56	1.22	1.40	1.10	1.66
	西夏区镇北堡镇平吉堡气象观测站	0.39	1.34	1.18	1.12	0.47	1.41	1.35	1.21
	西夏区镇北堡村气象观测站	0.83	0.30	0.57	0.67	0.93	0.35	0.67	0.81
	西夏区沿山椿树口气象观测站	0.74	0.42	1.59	0.47	0.87	0.51	1.74	0.64
	金凤区良田镇光明村气象观测站	0.91	1.30	2.24	1.27	1.06	1.47	2.62	1.41
平缓地区气象站	金凤区五里台社区气象观测站	0.44	0.80	2.21	0.62	0.60	0.89	2.32	0.75
	永宁望远镇板桥村气象观测站	1.57	0.91	0.48	1.08	1.72	1.06	0.58	1.22
	兴庆区掌政镇司家桥村气象观测站	0.83	1.19	0.96	1.08	1.04	1.39	1.20	1.29
	兴庆区通贵乡通北村气象观测站	0.60	1.11	1.36	0.53	0.73	1.20	1.49	0.68
	永宁胜利乡杨显林场气象观测站	2.56	3.15	2.69	2.94	2.68	3.29	2.82	3.10
	灵武梧桐树乡梧桐树气象观测站	1.04	1.02	3.23	1.60	1.17	1.12	3.33	1.70
	金凤区良田镇金星村气象观测站	0.52	0.63	1.24	0.96	0.75	0.75	1.47	1.11
	灵武国家气象观测站	2.14	1.31	2.13	1.14	2.46	1.59	2.45	1.44
	灵武郝家桥镇上滩社区气象观测站	1.06	0.67	0.63	0.66	1.43	0.84	0.71	0.86
	兴庆区鸣翠湖气象观测站	1.31	1.22	1.05	0.81	1.54	1.36	1.20	0.96
	贺兰常信乡丁义村气象观测站	0.43	0.42	0.50	0.68	0.51	0.56	0.64	0.81
	西夏区芦花台园林场社区气象观测站	0.69	1.03	0.83	1.08	0.87	1.14	1.10	1.16
	金凤区青青家园社区气象观测站	2.16	0.67	0.22	1.66	2.22	0.73	0.28	1.71
	兴庆区大新镇气象观测站	1.53	1.03	3.84	0.75	1.67	1.23	4.52	1.01
	兴庆区阅海万家社区气象观测站	2.00	1.18	1.43	0.61	2.10	1.32	1.63	0.74

新窗口打开| 下载CSV

通过4种插值方式计算45个验证站相应日期的最低气温及日期最低气温的MAE、RMSE，并计算15个酿酒葡萄站、15个沿山区域站及15个平缓区域气象站相应日期的最低气温及其MAE、RMSE（图3）。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 45个验证气象站（a、b）、酿酒葡萄站（c、d）、沿山站（e、f）及平缓区域站（g、h）4种插值方法日最低气温的平均绝对误差（a、c、e、g）与均方根误差（b、d、f、h）对比

Fig.3 Comparison of mean absolute error （a， c， e， g） and root mean square error （b， d， f， h） of daily minimum temperature interpolated by four interpolation methods for the 45 validated meteorological stations （a， b）， wine-grape stations （c， d）， stations along the Helan Mountains （e， f） and flat area stations （g， h）

可以看出，45个验证站日最低气温的平均绝对误差、均方根误差4种插值方式比较中，PRISM误差最小，MAE为0.61~1.19 ℃，稳定性最好，RMSE为0.71~1.51 ℃；IDW误差也小，但稳定性比PRISM差；OK和Spline的准确性和稳定性都较差[图3（a）、（b）]。对于酿酒葡萄站而言，2022年4月18、19、28日和2023年3月22日、4月2日Spline的插值效果好于PRISM，但其稳定性太差，起伏过大；整体来说，PRISM插值效果更可靠，MAE为0.63~1.32 ℃，RMSE为0.71~1.56 ℃[图3（c）、（d）]。沿山站4种插值方式中，PRISM和IDW插值效果明显好于Spline和OK，其中PRISM优势最明显，其误差最小、稳定性最高，MAE为0.47~0.91 ℃，RMSE为0.60~1.05 ℃[图3（e）、（f）]。而在平缓地区，PRISM插值效果仅比Spline好[图3（g）、（h）]。

3 讨论

随着贺兰山东麓酿酒葡萄产业建设的推进，种植区逐步扩大，酿酒葡萄产业发展迅速，各项服务需求全面提升。由于贺兰山东麓春季气温起伏大，酿酒葡萄极易遭受晚霜冻影响，现阶段在开展为农气象服务工作时需要针对酿酒葡萄种植区域的日最低气温进行精确插值。

和传统插值方法相比较，PRISM在平缓区域插值时，由于平缓区域多处于城区，地形面变化小，PRISM插值搜寻站点时，附近相同坡面的站点多，小范围内就能取得足够数量的气象站数据建立回归方程，此时的回归方程并不能准确反映高程、地形与最低气温的关系，而城区的温度易受周围建筑密度和高度的影响，这种情况下PRISM寻找相同地形面上站点数据反而没有优势。

由于酿酒葡萄种植区大多靠近沿山附近区域，距城区有一定距离，所处位置较为空旷，地形具有一定起伏，部分种植区地形面起伏明显，只有少量酒庄酿酒葡萄种植区处于城区所在的平缓区域，此次设立的酿酒葡萄气象站和沿山气象站（合计30个）所在区域可以代表大部分酿酒葡萄种植区所处地形。PRISM在晚霜冻期间靠近沿山附近的有地形起伏的葡萄种植区域插值效果明显更好。

4 结论

本文通过引入PRISM插值法，与常用的插值法IDW、Spline、OK在酿酒葡萄晚霜冻期间进行最低气温插值比较，得出如下结论。

1 ）酿酒葡萄种植区的验证站，酿酒葡萄晚霜冻期间最低气温PRISM插值效果最好，接着依次是IDW、Spline，OK最差；沿山附近区域验证站，晚霜冻期间最低气温插值效果PRISM最好，然后依次是IDW、OK、Spline；平缓区域验证站，PRISM在晚霜冻期间最低气温的插值效果较差。总体上，45个验证气象站插值效果PRISM最好，其次是IDW、OK，Spline最差。

2 ）常用的插值方法在地形起伏区域对最低气温插值效果较差。PRISM插值法综合考虑了地形、高程、距离等影响因子对最低气温的影响，在沿山附近区域及酿酒葡萄种植区适用性较好，可以提升晚霜冻期间最低气温插值的精确度。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

蔡迪花, 郭铌, 李崇伟,

2009.

基于DEM的气温插值方法研究

[J]. 干旱气象, 27(1): 10-17.