贝叶斯最大熵方法可以对具有一定不确定性的"软数据"和认为没有误差的"硬数据"进行插值。对甘肃省1961—1990年52个气象站点的多年平均降水数据进行空间化研究。通过比较普通克里格、共协克里格、三元回归建模后残差插值以及基于贝叶斯最大熵的3种不同软硬数据参与情况下的插值结果,发现考虑降水30a时间序列不完整性以及辅助变量经验模型不确定性的插值结果的MAE和RMSE,比直接使用多年平均降水数据直接插值的MAE和RMSE小,表明贝叶斯最大熵方法通过对不确定性的考虑可以有效降低预测结果的绝对误差。从降水的空间分布来看,考虑辅助变量DEM的插值结果能相对较好的体现高程对降水的地形影响,尤其分区将辅助变量转换为软数据可以有效体现不同区域高程对降水的不同影响问题。综合误差评价以及降水插值结果的空间分布,认为BME插值过程中可以考虑数据本身以及辅助数据利用的不确定性,使降水空间化的结果更加真实客观,同时为合理利用辅助信息提供了一个新思路。