多年平均气温空间化BP神经网络模型的模拟分析

气温数据空间化是插补无站地区温度、使气温数据便于综合分析的重要技术手段。理想情况下,气温的空间化分布受经度、纬度和海拔高度的影响,呈现规律性的空间分布态势。但是,各种微观因子如坡度、坡向、地形起伏、地表覆被等的存在,在一定程度上扰乱并弱化了这种规律性的分布态势。本文基于Matlab平台,利用BP神经网络研究了多年平均气温数据空间化的新方法。结果表明,与传统的IDW插值、Kriging插值、样条插值和趋势面插值相比,BP神经网络的绝对误差仅为0.51℃,具有较高的空间化精度,同时它更加准确地反映了诸如阿尔泰山、天山、昆仑山、喜马拉雅山等山区低温带的气温分布规律。本研究不仅丰富了气温数据空间化的理论、技术和方法,为相关研究提供了重要的基础数据;而且也为降雨、蒸发等模型因果关系不十分明确的气候/气象要素的空间化提供了一定的参考和借鉴。