全球向可再生能源的转型加剧了对准确风能资源评估的需求。风能作为化石燃料最有前景的替代品之一，需要精确估计风速分布以优化选址和能源产量预测。然而，风速测量通常较为稀少且局限于特定地点，这在评估较大范围内的风能资源时带来了重大挑战。
因此，风速数据的水平插值对于填补监测站之间的空白和构建高分辨率的风能资源图至关重要。风速插值的一个主要挑战是大气条件的空间变异性，这受到地形复杂性、表面粗糙度和气象波动等因素的影响。传统的插值方法，如逆距离加权或线性回归，往往无法捕捉风速变化的非线性和随机性。因此，需要先进的数据驱动方法来提高未探索地点的风速分布预测准确性。对风能资源的全面评估需要比较各种建模技术，突出不同拟合优度测试在确定每种情况下最准确方法方面的有效性（Khan等人，2024年）。
水平风速的准确空间插值在多个科学和应用领域都起着关键作用。在风能评估中，风速估计中的小空间误差可能导致风功率密度和年能源产量的不确定性不成比例地增大，直接影响选址、项目可行性和投资风险。在气候和大气建模中，水平风场控制着地表-大气交换、水分传输和中等尺度环流模式，特别是在受季风影响的地区，空间一致性随季节变化。同样，在气象预报和灾害评估中，可靠的空间风信息对于表示沿海环流、对流过程和极端风事件至关重要，尤其是在观测网络稀疏的地区。因此，提高水平风速插值的准确性和稳健性不仅是一个方法论挑战，也是可再生能源规划、气候分析和操作气象学中更可靠决策的先决条件。
两种方法论范式已成为水平风速空间插值领域的领先者：地统计方法，如克里金，它利用空间自相关结构；以及ML算法，它可以捕捉环境变量之间的非线性依赖性和高阶交互作用。ML方法能够从数据中自适应学习，从而在风预测场景中提高预测准确性，特别是在地形变化显著影响风模式的异质环境中（Slot等人，2020年）。相比之下，克里金也被用于此目的。克里金有潜力提供更精确的置信区间估计，这对于潜在风电场的风险评估非常有价值（Samalot等人，2019年）。克里金在各种环境中都展示了其适用性，从城市环境到海上条件（Elshafei等人，2023年；P. Zhang等人，2022年）。
虽然克里金和ML技术在环境建模和空间预测方面都展示了潜力，但关于它们在水平风插值中的有效性的比较研究仍然不足，特别是在异质性和数据受限的环境中。以往的研究往往集中在垂直风剖面或区域尺度预测上，而没有充分考虑影响近地面风变化的局部空间动态（Baquero等人，2022年；Hu等人，2020年；Pu等人，2024年；Rouholahnejad等人，2023年；Rouholahnejad & Gottschall，2024年）。
现有文献在ML和克里金技术的直接比较分析方面存在明显空白，特别是在数据有限的场景下进行水平风插值时。虽然之前的研究独立探讨了ML和克里金的应用，但缺乏全面分析它们在异质环境和测量站稀少情况下插值风速数据的优缺点。此外，ML模型的模型参数和超参数优化以及克里金变异函数模型的选择在风能资源评估的背景下尚未得到充分探索。
本研究旨在通过深入比较十二种不同的ML算法（重点关注超参数调整）并评估五种克里金变异函数模型来解决这些空白。本研究的新颖之处在于解决了两个关键问题。首先，这是首次在受季风影响的热带岛屿松巴岛上专门比较ML和克里金，该岛在空间异质性、季节性变化和观测数据稀少方面面临独特挑战。其次，本研究首次引入了季节性分析，通过对比湿润和干燥季风条件，提供了关于时间动态如何影响模型准确性和不同季节插值稳定性的见解。
通过同时考虑空间异质性和季节性变化，本研究为数据稀缺的热带地区优化风能资源评估提供了新的视角。此外，它强调了理解风场预测中季节性动态的重要性，这一点在以往的研究中尚未得到充分探讨。这种对方法论和季节性的双重关注使本研究区别于以往的工作，特别是在热带季风环境中。
除了技术性能评估外，本研究还探讨了模型选择对风能资源评估的更广泛影响。具体来说，模型性能比较的发现与其对政策框架、监管标准、技术采用和长期研发优先事项的实际意义进行了相关探讨。这种双重关注确保了结果不仅在方法论上严谨，而且直接适用于可再生能源规划的战略决策。
通过这样做，本研究不仅促进了方法论的进步，也具有实际应用价值。作为首次在热带季风岛屿背景下结合ML和克里金的比较评估以及季节敏感性分析的研究，该研究提高了风能评估的可靠性和可行性。研究结果预计将支持在受季风影响、数据有限的地区进行更有效的选址、不确定性管理和投资策略，最终促进可持续能源发展。
