气象数据如气温观测值等是典型的时空数据,既具有规则的时序特征,又具有明显的空间性。对数据的时空特征进行分析和建模是气象数据应用的基础。由于综合反映气候的时间和空间关系所依据的气象数据来自空间离散分布的气象台站,仅反映气候条件在特定地点随时间的过度,所以在气候动态表达方法上常不得不有所侧重。有的偏重于区域的空间分布描述,有的局限于某个站点的时间序列分析。缺少时间或空间属性的方法都具有片面性,单独面向空间或时间的气候分析结果都会导致大量有价值信息的缺矢。因此有必要对气象数据时空特征进行深入分析研究。目前来讲,单独的时间和空间分析方法都很成熟。如时间分析方法有自回归模型、自回归移动平均模型或广义线性模型等。局限性在于只能对己知监测站点的观测数据进行模拟预测。在空间域,数据的模拟预测方法有很多种,如倒距离加权平均方法(IDW),克里格插值方法(Kriging),样条函数方法(Splines)等。但他们只能对以特定的时间点上的数据进行空间分析和模拟。空间和时间域的数据分析方法都日益成熟,但整合时间和空间信息的时空分析方法却相对匮乏。·本文尝试在前人工作的基础上,应用统计分析方法,对气象监测数据的时空特征进行分析,并建立模型对气象监测数据进行模拟。在文献回顾的基础上,确定研究内容。然后对数据进行时空特征的探索性分析,并建立时空模型。时空模型的参数都来自于同一个时空随机过程,在空间上具有一定的空间相关关系。把参数进行空间插值可以得到研究区域内所有站点的时间趋势即时空趋势。通过分析参数的空间自相关特征和统计特征,可知参数在空间上分布平均,倾向于随机分布,即月均最低气温在空间上分布平稳,气温值随着空间位置的推移变化不大。用参数的均值代替变量,建立一个统一的模型来模拟研究区域内所有气象台站的月均最低气温。93%的模拟效果说明无参数模型能够很好的模拟该区域的效果。本文主要分为以下四个部分:第一部分为绪论,体现在第一章。阐述了本文的选题背景和气象数据时特征分析的研究意义,然后介绍本文的研究目标和内容。第二部分为本文的理论研究。体现在第二章和第三章。对时间域和空间域的数据分析方法进行回顾,并总结时空数据特征分析和时空插值的研究方法。在此基础上,阐述本文的研究思路、数据建模方法和技术线路。第三部分为案例研究。体现在第四、第五章,也是本文的重点。选取爱荷华州50年的月均最低气温为研究对象。在分析月均最低气温在时间和空间上的分布特征后,建立一个统一的非线性回归模型,并通过模型参数的分析,确定气温序列在空间上分布的平稳性特征。第四部分为结论展望,指出本研究的不足之处,并对未来工作进一步展望。