本文利用基于薄盘样条函数法(Australian National University′s Thin Plate Smoothing Spline,ANUSPLIN)、谢别得插值法(SHERPAD)和最优插值法(OI)插值方法,对2013年国家气象信息中心逐日的839个中国基准、基本气象站,2419个国家级地面气象站,3万个逐小时中国地面站气温和降水数据进行网格化,网格分辨率为0.5°×0.5°,同时利用国家气象信息中心2013年3万中国地面站逐小时气温和降水量资料作为验证数据,形成网格参考"真值"(基准值)进行验证,比较了日尺度上不同方法插值结果的精度。本文所用的基于2419个气象站利用ANUSPLIN插值的气温和降水数据[1-2],基于2419个气象站最优插值的降水数据[3],是国家气象信息中心对外发布的网格化数据,其余均为本次试验插值出的网格化数据。839和2419站插值同一要素的参数设置均一致:ANUSPLIN插值降水(经纬度、海拔为自变量),插值气温(经纬度自变量,海拔协变量);OI插值降水(考虑降水的指数关系),OI插值气温(直接插值);SHERPAD插值降水和气温(考虑站点与站点间的关系,站点与格点间的关系)。由于中国区域气象观测站分布不均,本文以100°E为分界线,将中国区域分为东部区域和西部区域。中国东部区域范围为:100°E~136°E;18°S~55°N,格点数为:71×72。利用ANUSPLIN、OI、SHERPAD插值方法,对2419站降水资料进行插值,夏季降水插值的离散程度大于年平均,高估或低估点数大量存在,其中OI插值的结果较为准确。对839站降水资料进行插值,2 mm以下降水的插值结果较为准确,4 mm以上离散程度较大,夏季降水插值的离散程度大于年平均。利用ANUSPLIN、OI、SHERPAD插值方法,对2419站气温资料进行插值,其中ANUSPLIN插值的结果较为准确。对839站气温资料进行插值,三种方法年平均的结果均在0℃以上的点高估较多,夏季温度越高的点高估相对较多。对不同的站网密度进行插值,降水网格场在夏季的相关系数及分类评分指标优于年平均,但夏季的相关系数低于年平均,站点数量多的插值结果与"真值"的相关高,均方根误差减小。不同方法插值降水和气温网格化数据的精度,在不同月份与基准降水的相关系数、均方根误差明显不同。降水插值场的评估指标序列的波动范围大于气温。站点数量多的插值精度较高。降水网格场相关系数序列在夏季波动范围较小,但均方根误差序列波动范围较大。气温网格场与基准气温场的相关系数序列在冬春季波动范围较小,夏秋季相关系数序列波动较大;冬春季均方根误差序列波动较大,夏季均方根误差序列波动较小。国家气象信息中心制作的基于2419站OI插值的降水网格数据和ANUSPLIN插值的气温网格数据综合评价较好。本文对不同方法,不同站点密度插值的气温和降水网格化数据进行分析,发现不同的插值结果存在差异。由于空间插值本身是一个比较复杂的问题,所以不同方法的插值误差也是客观存在的。影响空间降水的因素很多,主要包括:气象站点的经纬度、站点高程、坡向、坡度、离水体的距离、风速等[4]。降水还呈现很强的季节变化,这些都为准确的降水插值带来困难,造成降水插值的不确定性[5]。影响温度空间分布的因素很多(例如海拔,经纬度,坡度,坡向等因素),其中以海拔高度和地形条件的影响最显著[6]。大多数研究认为,数据密度、数据分布和空间异质性是影响插值精度的主要因素[7],当数据密度足够大时,插值方法用于同一组气候数据的插值结果差异不大,但在数据分布稀疏和差异显著时,插值方法的结果往往差异较大,在中国东部地区,站点密度大,所运用插值法进行温度和降水的结果差异不大,但西部地区,站点稀疏,插值结果具有较大的不确定性,尤其在青藏高原有大片区域只有零星的几个台站,网格化气象数据对该地区特征的刻画是否合理很难给出定性定量的判断。如何将中国西部站点稀疏区插值精度提高,是今后需要解决的一个问题,研究人员在使用这部分数据进行科研时,建议需慎重。