基于分段三次样条函数逐时气象资料模拟方法研究

doi:10.3969/j.issn.1673-503X.2017.02.006

气象与环境学报 ›› 2017, Vol. 33 ›› Issue (2): 44-52.doi: 10.3969/j.issn.1673-503X.2017.02.006

基于分段三次样条函数逐时气象资料模拟方法研究

朱业玉^1,2, 宋丽莉³, 姬兴杰^1,2, 孟寒冬², 李凤秀², 罗璇⁴

1. 中国气象局河南省农业气象保障与应用技术重点开放实验室, 河南郑州 450003;
2. 河南省气候中心, 河南郑州 450003;
3. 中国气象局公共服务中心, 北京 100081;
4. 许昌市气象局, 河南许昌 461000

收稿日期:2016-09-30 修回日期:2016-11-29 出版日期:2017-04-30 发布日期:2017-04-30
作者简介:朱业玉,男,1971年生,高级工程师,主要从事气候分析与应用研究,E-mail:zhuyyhej@163.com。
基金资助:
国家电网公司总部科技项目（52170216000A）、科技基础性工作专项（2013FY112400）和河南省气象局重点科技攻关项目（Z201501）共同资助。

Modeling method of hourly meteorological data based on piecewise cubic spline function

ZHU Ye-yu^1,2, SONG Li-li³, JI Xing-jie^1,2, MENG Han-dong², LI Feng-xiu², LUO Xuan⁴

1. He'nan Key Laboratory of Agrometeorological Ensuring and Applied Technique, CMA, Zhengzhou 450003, China;
2. He'nan Climate Centre, Zhengzhou 450003, China;
3. CMA Public Meteorological Service Centre, Beijing 100081, China;
4. Xuchang Meteorological Service, Xuchang 461000, China

Received:2016-09-30 Revised:2016-11-29 Online:2017-04-30 Published:2017-04-30

摘要/Abstract

摘要： 精细化的逐时气象资料是气候可行性论证的基础，本文利用河南省5个气象观测站逐日4次定时气温观测资料及日最高气温和日最低气温观测资料，基于分段三次样条函数插值法模拟计算逐时气温，并以2006—2015年郑州气象观测站气温观测资料为例分析观测气温与模拟气温之间的差异。结果表明：分段三次样条函数插值法可以有效模拟实际气温的变化特征，但考虑日最高气温和日最低气温后，“六点”插值法模拟效果优于“四点”插值法，2006—2015年郑州气象观测站模拟气温与观测气温之间呈极显著的正相关关系（R²=0.99，n=73 040）；特别是在气温要素没有连续跃变时，利用分段三次样条函数插值法可以使4次气温观测资料有效转换为逐时气温资料，三次样条函数插值法也适宜于其他连续性变化的气象要素（如水汽压、相对湿度和风速等）的逐时模拟，且模拟效果基本不受地域影响；从郑州气象观测站模拟气温与观测气温之间的偏差及其变化幅度来看，计算结果可以满足气候可行性论证对气象要素时间精度的要求和气候应用服务的需求。

关键词: 气象资料, 分段三次样条函数, 插值, 相关分析, 模拟效果, 检验

Abstract: Fine hourly meteorological data are the basic for the studying climate feasibility.Based on the four times a day of observational data and daily maximum and minimum air temperature data at five meteorological stations in He'nan province,the hourly air temperature was calculated using a cubic spline interpolation method,and the differences between observed and simulated air temperature were analyzed based on the observations of Zhengzhou meteorological station from 2006 to 2015.The results show that the cubic spline interpolation method can effectively represent the variation of the actual air temperature.Through considering the daily maximum and minimum air temperature,the "six-point" interpolation model is better than the "four-point" interpolation model.The simulated and observed values of air temperature have a significantly high correlation (R²=0.99,n=730 40).The cubic spline interpolation method can effectively convert the four times observation data into hourly data,especially as temperature values do not have continuous jumps.This method can also be used to simulate hourly variations of other continuously changeable parameters,such as water vapor pressure,relative humidity,wind speed and their simulations are hardly limited by territory.The deviation and variation between the simulated and observed air temperature at the Zhengzhou meteorological station prove that the simulation results can meet the requirements of time accuracy of meteorological elements and climate application service.

Key words: Meteorological data, Piecewise three sub-spline function, Interpolation, Correlation analysis, Simulation effect, Test

中图分类号:

P413

朱业玉, 宋丽莉, 姬兴杰, 孟寒冬, 李凤秀, 罗璇. 基于分段三次样条函数逐时气象资料模拟方法研究[J]. 气象与环境学报, 2017, 33(2): 44-52.

ZHU Ye-yu, SONG Li-li, JI Xing-jie, MENG Han-dong, LI Feng-xiu, LUO Xuan. Modeling method of hourly meteorological data based on piecewise cubic spline function[J]. Journal of Meteorology and Environment, 2017, 33(2): 44-52.

0
/ / 推荐

导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks

链接本文: http://www.jme1984.net.cn/CN/10.3969/j.issn.1673-503X.2017.02.006

http://www.jme1984.net.cn/CN/Y2017/V33/I2/44

参考文献

[1] 张素宁,吕建刚,田胜元.建筑能耗分析用逐日气象数学模型的建立[J].河北建筑工程学院学报,1996(3):37-44,69.
[2] 郎四维.建筑能耗分析逐时气象资料的开发研究[J].暖通空调,2002,32(4):1-5.
[3] 中国气象局气象信息中心气象资料室.中国建筑热环境分析专用气象数据集[M].北京:中国建筑工业出版社,2005:30-44.
[4] 许馨尹,于军琪,李红莲,等.露点温度计算方法对比研究[J].气象与环境学报,2016,32(3):107-111.
[5] 林文胜,田胜元.建筑能耗分析用逐日随机气象模型[J].哈尔滨建筑大学学报,2002,35(2):83-87.
[6] 钱永兰,吕厚荃,张艳红.基于ANUSPLIN软件的逐日气象要素插值方法应用与评估[J].气象与环境学报,2010,26(2):7-15.
[7] 苏华.建筑物动态能耗分析用气象仿真模型研究[D].重庆:重庆大学,2002:120-152.
[8] 苏芬仙.建筑能耗动态分析用气象数据构成及THRF新的能耗分析方法研究[D].重庆:重庆大学,2003:69-93.
[9] 江亿.空调负荷计算用随机气象模型[J].制冷学报,1981(3):45-56.
[10] Yoshida H,Terai T.Time series modeling of weather data and stochastic air-conditioning load calculation[J].Journal of Architecture,Planning and Environmental Engineering,1992,463(2):11-19.
[11] 李永安.动态气象数学模型的研究(一)——模型的构成方法[J].山东建筑工程学院学报,1992,7(3):28-33.
[12] 李永安.动态气象数学模型的研究(二)——模拟程序与模拟结果[J].山东建筑工程学院学报,1993,8(3):46-50.
[13] Ayres J M,Stamper E.Historical development of building energy calculation[J].International Journal of Modern Physics A,1995,19(2):287-316.
[14] Sowell E F,Hittle D C.Evolution of building energy simulation methodology[C]//American Society of Heating,Refrigerating and Air-Conditioning Engineers(ASHRAE)Winter Meeting and Exhibition.United States:ASHRAE,1995:850-855.
[15] Boland J.Time-series analysis of climatic variables[J].Solar Energy,1995,55(5):377-388.
[16] 张素宁,田胜元.建筑能耗分析用逐日气象数学模型的建立[J].暖通空调,2000,30(3):64-66.
[17] 中国气象局.地面气象观测数据文件和记录薄表格式[M].北京:气象出版社,2005:18-32.
[18] 万建武.确定逐时室外温度值的样条函数方法[J].通风除尘,1988(1):38-70.
[19] 李百战,田胜元.用样条函数构成室外逐时温度的插值方法及其误差估计[J].重庆建筑工程学院学报,1990,12(2):24-30.
[20] 张继祥,刘克长,魏钦平,等.气象要素(气温、太阳辐射、风速和相对湿度)日变化进程的数理模拟[J].山东农业大学学报:自然科学版,2002,33(2):179-183.
[21] 周卿.建筑能耗模拟对气象数据的敏感性分析[D].成都:西华大学,2006:57-68.
[22] 顾骏强,杨军,陈海燕,等.建筑能耗动态模拟气象资料的开发与应用[J].太阳能学报,2008,29(1):119-124.
[23] 史珺,李明财,曹经福,等.天津市典型办公建筑极端能耗气候响应特征分析[J].气象与环境学报,2016,32(2):72-78.
[24] 林海燕,孟庆林,周荃,等.JGJ 75—2012,夏热冬暖地区居住建筑节能设计标准[S].北京:中国建筑工业出版社,2013.
[25] 徐伟,邹瑜,徐宏庆,等.GB 50736—2012,民用建筑供暖通风与空气调节设计规范[S].北京:中国建筑工业出版社,2012.
[26] 中华人民共和国住房和城乡建设部.GB 50019—2015,工业建筑供暖通风与空气调节设计规范[S].北京:中国计划出版社,2016.
[27] 陈益武,徐勇,蒋志良,等.建筑能耗分析用室外气象数学模型的建立[J].建筑热能通风空调,2005,24(3):60-64.
[28] 姜会飞,温德永,李楠,等.利用正弦分段法模拟气温日变化[J].气象与减灾研究,2010,33(3):61-65.
[29] 陈言桂.厦门年逐时室外干球温度的拟合[J].集美大学学报:自然科学版,2011,16(3):218-222.
[30] 李庆扬,王能超,易大义.数值分析(5版)[M].北京:清华大学出版社,2008:41-50.

基于分段三次样条函数逐时气象资料模拟方法研究

Modeling method of hourly meteorological data based on piecewise cubic spline function

PDF (PC)

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	王秀英, 廖留峰, 王俊杰. 基于多元线性回归的滇西南短时强降水预报模型研究[J]. 气象与环境学报, 2019, 35(2): 15-22.
[2]	吴春英, 刘多文, 钟博, 蒋婷婷, 于蕙箐, 陈佳美, 高燕. 基于数值预报模式的乡镇温度预报方法研究[J]. 气象与环境学报, 2019, 35(1): 108-112.
[3]	郑石, 王冠, 林中冠, 关健华, 黄兴友. 1961-2013年中国强降水特征分析[J]. 气象与环境学报, 2018, 34(6): 102-107.
[4]	田磊, 裴琳, 陈宇罡, 夏江江, 汪翔. 1970—2015年蚌埠地区霾日气候资料重建及时空变化特征[J]. 气象与环境学报, 2018, 34(5): 39-46.
[5]	胡晓, 徐璐, 蒋飞燕, 俞科爱. 宁波地区不同季节不同强度霾天气变化特征[J]. 气象与环境学报, 2018, 34(5): 31-38.
[6]	赛瀚, 李燕, 刘硕, 全美兰, 孙悦程. 东北区域数值模式产品在天气预报业务中的检验[J]. 气象与环境学报, 2018, 34(5): 119-127.
[7]	宋晓巍;李琳琳;张琳;刘青;李石;慕臣英;张菁. CLIGEN天气发生器模拟沈阳地区降水的适用性评价[J]. 气象与环境学报, 2018, 34(4): 26-35.
[8]	任景全;郭春明;王丽伟;李建平; 刘玉汐; 李琪. 1961—2015年吉林省霜时空分布特征及其影响因素[J]. 气象与环境学报, 2018, 34(4): 119-125.
[9]	吴刚哲;严金哲;任国玉;索南看卓. 朝鲜中西部地区春季植被覆盖度与气候因子的关系[J]. 气象与环境学报, 2018, 34(4): 112-118.
[10]	王晓立, 王恬茹, 杨萌, 张娜, 鲁丹, 徐太安. 潍坊市地面水汽压时空分布特征及其影响因素[J]. 气象与环境学报, 2018, 34(3): 78-85.
[11]	李琛, 郭文利, 吴进, 金晨曦. 北京市夏季日最大电力负荷与气象因子的关系[J]. 气象与环境学报, 2018, 34(3): 99-105.
[12]	廖玉芳, 张剑明. 湖南省雨季与中国南方地区不同雨期相关分析[J]. 气象与环境学报, 2018, 34(1): 69-81.
[13]	王焕毅, 谭政华, 杨萌, 张翘, 蒋林杉. 三种数值模式气温预报产品的检验及误差订正方法研究[J]. 气象与环境学报, 2018, 34(1): 22-29.
[14]	张丽, 徐朋飞, 吴胜平, 董方有. 安庆市降水相态识别判据研究[J]. 气象与环境学报, 2018, 34(1): 30-37.
[15]	李建强, 李新生, 董文晓, 吕菁菁. RPG-HATPRO微波辐射计反演的温度和湿度数据适用性分析[J]. 气象与环境学报, 2017, 33(6): 89-95.