摘要：氣象變量常作為重要的影響因子出現(xiàn)在環(huán)境污染、疾病健康和農(nóng)業(yè)等領(lǐng)域,而高分辨率的氣象資料可作為眾多研究的基礎(chǔ)數(shù)據(jù),對(duì)推進(jìn)相關(guān)研究的發(fā)展意義重大。本文以中國(guó)大陸為研究區(qū)域,利用2015年824個(gè)氣象站點(diǎn)的氣溫、相對(duì)濕度和風(fēng)速3套數(shù)據(jù),結(jié)合不同的解釋變量組合,分別構(gòu)建了各自的GAM和殘差自編碼器神經(jīng)網(wǎng)絡(luò)(簡(jiǎn)稱殘差網(wǎng)絡(luò))模型,以10倍交叉驗(yàn)證判斷模型是否過(guò)擬合。研究結(jié)果表明:①GAM和殘差網(wǎng)絡(luò)方法都不存在過(guò)擬合問(wèn)題,同GAM相比,殘差網(wǎng)絡(luò)顯著提高了模型預(yù)測(cè)的精度(3個(gè)氣象因素的交叉驗(yàn)證CV R~2平均提高了0.21,CV RMSE平均降低了37%),其中相對(duì)濕度模型的提升幅度最大(CV R~2:0.85 vs. 0.52,CV RMSE:7.53%vs. 13.59%);②殘差模型的結(jié)果較普通克里格插值結(jié)果和再分析資料更接近站點(diǎn)觀測(cè)數(shù)據(jù),表明殘差網(wǎng)絡(luò)可作為高分辨率氣象數(shù)據(jù)研制的可靠方法。此外,研究還發(fā)現(xiàn)在相對(duì)濕度模型中加入臭氧濃度和氣溫、在風(fēng)速模型中加入GLDAS風(fēng)速再分析資料,可提升模型的性能。