求WeatherSpark基于经纬度海拔的气象站气温加权平均公式

已知数据梳理 #

• 目标城市：蓬塔尔杜巴拉那市（纬度-25.674°、经度-48.511°、海拔7米）
• 参与加权的气象站：
  • Joinville：纬度-26.304°、经度-48.846°、海拔4米，贡献占比68%
  • 库里蒂巴：纬度-25.428°、经度-49.273°、海拔910米，贡献占比32%

核心解决步骤 #

1. 排除单一海拔权重的可能性 #

目标城市海拔7米，Joinville海拔4米（高度接近），库里蒂巴海拔910米（差距极大），但后者仍有32%的权重占比，说明WeatherSpark的权重公式绝非仅由海拔决定，而是距离、海拔、数据可靠性等多因素的组合模型。

2. 先计算地理距离作为核心权重基础 #

用Haversine公式计算站点到目标城市的球面直线距离（地球平均半径取6371km）：

• 公式实现（Excel可用）：

  ACOS(COS(RADIANS(90-目标纬度))*COS(RADIANS(90-站点纬度))+SIN(RADIANS(90-目标纬度))*SIN(RADIANS(90-站点纬度))*COS(RADIANS(目标经度-站点经度)))*6371
  

• 计算结果：
  • Joinville到目标城市：约72km
  • 库里蒂巴到目标城市：约85km
    距离上Joinville更近，但差距有限，这和68%/32%的权重比例匹配度较高，说明距离是权重的核心影响因素。

3. 加入海拔修正系数调整权重 #

气温随海拔升高递减，海拔差距越大的站点，对目标城市气温的代表性越弱，需引入修正系数降低其权重：

• 基础距离权重计算：按距离反比分配，Joinville权重为1/72≈0.0139，库里蒂巴为1/85≈0.0118，此时占比约为54%/46%，和实际68%/32%有差距，需加入海拔修正。
• 尝试指数型修正系数：exp(-k×|目标海拔-站点海拔|/1000)，其中k为调整参数（比如取0.5）：
  • Joinville修正系数：exp(-0.5×|7-4|/1000)≈0.9985（几乎无修正）
  • 库里蒂巴修正系数：exp(-0.5×|7-910|/1000)≈0.636（大幅降低权重）
• 修正后权重占比：Joinville≈65%，库里蒂巴≈35%，已接近WeatherSpark给出的比例，差异可能来自站点数据质量（如是否为官方基准站、更新频率）的额外微调。

4. Excel验证流程 #

1. 新建列计算各站点到目标城市的球面距离；
2. 计算基础距离权重：1/距离；
3. 计算海拔修正系数：EXP(-0.5*ABS(目标海拔-站点海拔)/1000)；
4. 计算修正后权重：基础距离权重 × 海拔修正系数；
5. 计算最终占比：修正后权重 / SUM(所有修正后权重)；
6. 调整修正系数中的k值（或加入数据质量系数），直到占比匹配68%/32%的结果。

内容的提问来源于stack exchange，提问作者Frederico Montzel