摘要：近年来，对数字形式的空间气候数据的需求显着增加。响应这种需求，已使用多种统计技术来促进与GIS兼容的气候图的生产。但是，观察数据通常太稀疏和无代表性，无法直接支持创建真正代表当前知识状态的高质量气候图和数据集的创建。一种有效的方法是在气候的空间模式及其与地理特征的关系上使用大量专家知识，称为“地理空间气候”，以帮助增强，控制和参数化统计技术。此处描述的是一个基于动态知识的框架，它允许在称为PRISM的统计回归模型（独立斜率模型上的参数 - 高程回归）中表达的有效积累，应用和精致气候知识。最终目标是开发能够再现知识渊博的气候学家将用来创建高质量气候地图的专家系统，并具有一致性和重复性的额外好处。但是，必须首先通过持续的模型应用过程来积累和评估知识；开发知识原型，参数和参数设置；测试；评估;和修改。本文描述了用于气候映射的基于知识的框架的当前状态，并提出了来自Prism的特定算法，以演示如何应用和精制以适应困难的气候映射情况。提出了气候映射示例。加权气候回归函数承认高程对气候的主要影响。气候站是分配的权重，这些权重占其他重要因素以外的其他重要因素。方面和地形暴露，这些范围从山坡到山坡的偏向和背风的各种尺度上影响气候，通过将地形分为地形方面来模拟。沿海接近度措施用于说明海岸线附近的急剧气候梯度。2层模型结构将大气分为下部边界层和上部自由大气层，从而模拟温度反演以及中斜率沉淀的最大值。还估计了各种地形配置在产生地形降水增强方面的有效性。