综述：气候时间序列缺失数据插补研究综述

这篇综述系统回顾了近十年气候时间序列缺失数据插补方法，重点对比了传统统计（如均值插补、多重线性回归MLR）、机器学习（如随机森林RF、K近邻KNN）和深度学习（如生成对抗网络GAN、长短期记忆网络LSTM）技术的优劣。文章揭示了温度、降水和湿度是最常研究的变量，亚洲和欧洲是主要研究区域，并指出卫星数据插补和气候指数重建是未来重要方向。

　　

背景

全球气候变化加剧使得气候监测数据完整性至关重要，但气象站基础设施不足常导致时间序列出现缺失。联合国气候变化框架公约（UNFCCC）和可持续发展目标（SDGs）均强调气候数据完整性的战略意义。本文综述了2015年以来的气候数据插补技术，涵盖统计方法、机器学习与深度学习三大类，填补了现有综述多聚焦单一气候变量的空白。

方法细节

检索流程

通过Dimensions、Scopus等数据库系统检索，筛选标准包括2015年后英文文献，最终纳入60篇研究。关键词组合为"Time series" AND ("weather" OR "Rainfall") AND ("Missing Data" OR "Imputation")。数据预处理剔除重复文献后，按研究区域、方法类型、气候变量等特征分类分析。

研究区域分析

亚洲（马来西亚、中国）和欧洲（意大利）贡献了最多研究，占比达67%。巴西和澳大利亚是美洲与大洋洲的主要研究国家。美国仅1篇研究，与其完善的气象监测网络（如NOAA）形成反差。墨西哥等中美洲国家研究空白突出，与其气象站衰减现状形成矛盾。

温度（29篇）、降水（28篇）和相对湿度（15篇）是最常分析的变量，与WMO基础观测设备（温度计、雨量计）的普及度一致。93%研究使用地面监测站数据，仅7%涉及卫星数据（如MODIS LST），后者将云层视作数据缺失。

传统方法

均值插补、线性回归和克里金法（Kriging）是使用最广的传统技术。在巴西圣保罗的案例中，加权预测均值匹配（midastouch）的归一化均方根误差（NRMSE）比普通均值降低23%。马来西亚学者开发的多元正弦函数分解（MSFD）对月均温度序列的插补误差（RMSE≤2.21）显著优于传统方法，尤其擅长处理周期性数据。

但传统方法存在明显局限：均值法会扭曲统计分布，克里金法在海拔>2000米站点误差增大74%，而主成分分析（PCA）在变量相关性低时效果骤降。计算复杂度分级显示：简单插补为O(1)，空间插补（如反距离权重IDW）达O(n²)，而马尔可夫链蒙特卡洛（MCMC）等迭代方法可达O(2ⁿ)。

机器学习方法

随机森林（RF）和missForest表现抢眼。在加纳河流域，missForest的Kolmogorov-Smirnov统计量比KNN提升40%，能准确估计极端降雨。中国汉江流域采用的MICE-RF（多重插补结合RF）在蒸发量插补中R²达0.92，但计算耗时比线性回归高8倍。

梯度提升（GB）在德国气象数据中展现优势：温度插补的MAE仅0.5°C，且训练速度比神经网络快3倍。不过，XGBoost-DE等优化算法虽将太阳辐射插补误差降低15%，但参数调优需额外计算资源。

深度学习方法

生成对抗网络（GAN）在意大利气温插补中RMSE低至1.2，但葡萄牙研究发现其对风向数据不敏感。双向LSTM（BiLSTM）处理中国高频温度数据时，即使60天连续缺失仍保持KGE>0.85。Transformer模型在GRACE卫星数据填补中表现惊艳，11个月空缺的NSE维持在0.91，但需要GPU集群支持。

值得注意的是，矩阵补全（MC）在比利时土壤湿度数据中击败了所有深度学习方法，说明简单场景下"轻量级"方法仍具竞争力。LIME-RNN虽能同步预测与插补，但训练耗时是普通RNN的3倍。

新研究方向

1. 气候指数重建：现有研究聚焦直接变量，而干旱指数等复合指标研究不足
2. 中北美空白填补：墨西哥等高风险区域研究缺失
3. 混合算法开发：如RF-GAN组合应对不同缺失模式
4. 卫星数据攻坚：云层导致的MODIS数据缺失仍是技术难点

结论

温度/降水插补中，机器学习（如RF）和深度学习（如GAN）在复杂场景优势显著，但简单统计方法在短时缺失仍具性价比。地理分布不均和技术壁垒（如卫星数据处理）凸显研究机遇。未来需开发自适应混合框架，并加强气象基础设施薄弱地区的研究合作。