本文主要介绍了常见的几种插值方法的基本原理，对当前气温插值的研究进展进行了阐述，对几种插值方法在一大一小两个气温数据集中插值结果进行对比研究，作出了各种插值方法的气温插值图，研究在高程数据的辅助下气温插值的精度改善情况，评价各种插值方法的优劣，研究分析插值误差的空间分布规律，研究地形起伏与插值精度的关系以及气象站点分布密度与插值精度的关系。 本文所运用的插值方法主要有：反距离权重法、普通克里格法、泛克里格法、协同克里格法、协同-泛克里格法。在运用协同克里格法、协同-泛克里格法进行插值的过程中，分别运用气象站点的海拔高度和DEM数据作为插值的协变量进行插值，研究气象站点的海拔高度和DEM数据作为高程数据对插值精度的影响。 在研究地形起伏对插值结果的影响时，本文采用了高程变异系数表示我国地形起伏状况，作出了从1:100万DEM数据中提取的高程变异数图。在研究气象站点密度对气温插值结果的影响时本文利用密度函数图来表示气象站点的分布状况。 本文对几种插值方法插值精度的优劣进行评价时采用的标准是对几种插值方法的交叉验证结果中的均方根预测误差和平均绝对误差进行对比。平均绝对误差和均方根预测误插最小的插值方法是最优的插值方法。在描述交叉验证结果时给出了交叉验证结果图。 为了准确地描述我国各个地区的插值误差大小，我们以插值精度最高的协同.泛克里格法的插值结果进行分析，完成了中国2215站点年均温、一月月均温、七月月均温的插值误差分布图。 本文经过研究，发现在插值中引入高程数据能够显著提高插值精度。几种插值方法的插值精度由高到低的排序为：协同-泛克里格法最高，协同克里格法次之，往后依次是泛克里格法和普通克里格法，反距离权重法的插值精度最差。本文还发现，气象站点的密度会对插值精度带来很大影响，气象站点密度大的地方往往会有较高的插值精度。在利用协同克里格法和协同-泛克里格法对七月月均温进行插值时获得的精度要比对一月月均温进行插值时获得的精度高。