欢迎访问中国科学数据!

2000~2012年全国气温和降水1 km网格空间插值数据集

责编:

1. 建议作者在论文的“数据样本描述”里面对数据进行详细的介绍,比如数据集两个文件夹PRCP、TEM的含义,以及对文件夹中每种文件格式进行一下解释。对样本图片的展示,也应该对图片进行下说明解释;

2. 在论文的“数据库(集)基本信息简介”里,介绍数据集中每年均有hdr、prj和flt三个文件,但是在PRCP数据集中,每年还有jpg格式的文件,请在论文中进行说明。

3. 联系人的邮箱有误,请修改。

4. 中文摘要多处表述不明,建议重写,相应修改英文。

5. 英文标题翻译有误,请统一修改。标题建议使用如下表达:at 1 km spatial resolution。

6. 数据库(集)基本信息简介表格中:①“数据格式”列项请使用常用说法;②“数据库(集)组成”列项需有独立性,建议说明包含了多长时间间隔的多少站点的哪些数据文件。

7. 文中第一次出现的专有名词请使用全称,第二次出现可用简称,并请全文统一说法。

8. 引言第二段、第1章、第3章、第4章中部分语句有误,请修改。

9. 文中所有图片:①需保留清晰原图以便排版,可将原图以附件方式上传;②图片的英文应翻译为中文。

10. 第1章中有部分变量没使用斜体(含公式),请修改。

11. 图1中提到数据的每15天计算,而第1章中并未提及,建议补充说明。

12. 第2章过于简洁,建议补充描述,并增加部分气温数据展示。

13. 参考文献:①需在文中表明参考文献的位置。②参考文献的著录格式与我刊不符,请修改。

示例如下:

[1]  汪于潇, 刘义, 柴跃廷, 等. 互联网药品可信交易环境中主体资质审核备案模式[J]. 清华大学学报(自然科学版), 2012, 52(11): 1518−1523.

[2]  FENG Lian, HU Chuan-min, CHEN Xiao-ling, et al. Assessment of inundation changes of Poyang Lake using MODIS observationsbetween 2000 and 2010[J]. Remote Sensing of Environment, 2012, 121: 80−92.

【2016-11-23】 评论来自:版本 2
作者: 回复11. 图1中提到数据的每15天计算,而第1章中并未提及,建议补充说明。 答:ANUSPLIN插值软件里面有(每8天和每15天计算)两个选项,本文选择每8天。 【2016-12-05】 评论来自:版本 2
责编委:

建议是否再明确“数据库(集)基本信息简介”中进一步明确数据格式。建议进入同行评议。

【2016-12-13】 评论来自:版本 2
责编:    综合多名同评专家意见如下,请逐一回应并相应修改论文:    一、建议在“数据库(集)基本信息简介”中进一步明确数据格式。    二、论文“2000~2012年全国1 km空间分辨率气温和降水栅格数据集”基于站点观测数据构建了中国1km距离的气温和降水数据集,该资料可作为气象、环境和生态等相关研究的数据基础。文中存在如下一些问题,需要作者重新考虑:       构建的数据集称为”1km分辨率”不合适。由于作者采用中国气象局的753个站点数据插值成1km网格,则实际分辨率远远达不到1km。不论采用什么统计方法或技术,构建1km分辨率的网格数据,必须有足够密(≤1km)的观测站点为保证。我们也可以用753个站点数据插值成1m的网格数据,但分辨率显然不是1m。所以,需要把“分辨率”去掉。在中国气象数据网(http://data.cma.cn/),国家气象信息中心2012年制作了中国地面气温和降水0.5°× 0.5°格点数据集,包括逐月和逐日(1961年至今),并且不定时更新。该资料是基于中国2472 个国家级地面气象站基本要素资料,利用薄盘样条法构建的。其采用了2474个站点,网格距也仅为0.5°。    国家气象信息中心的这套已经被广泛采用,是否还有必要再做一套完全类似的数据。    作者构建是数据是采用1km格距,数据使用上是否方便,由于网格间距为1km,则每个网格都需要标记经纬度。一般地,气象数据的发布都采用经纬网格,即经纬度的间距是相同,例如0.5°× 0.5°,1°× 1°.    图3中绘制降水量,填色色标需要修改,容易产生混淆。用冷色代表降水多,用暖色代表降水少。       三、数据集简介部分:   (1)数据服务系统网址http://www.cnern.org.cn改为http://www.cnern.org.cn/data/initDRsearch?classcode=DPAPER   (2)PRCP、TEM是文件夹名,不是文件名   数据处理流程部分:   数据的统计写的是8天数据,实际数据是年值数据,请修改描述,使其与数据一致。   数据样本部分:   “PRCP_”、“TEM_”中的“_”是个连接符,建议去掉。 【2017-01-03】 评论来自:版本 2
责编:

论文经过修改,质量有了大幅提升。尽管作者指出已经有250米植被指数产品,但本文构建的数据是远远达不到1km分辨率的,也就是说分辨不出1km的变化。本文建立1km网格的数据集方便生态学方面的使用的出发点是没有问题的,也是有益的。但事实上,网格是1km,但分辨率不是1km。因此,建议作者在文章中只能说是1km网格,不能出现“分辨率”的词语。

【2017-01-16】 评论来自:版本 2
作者: 按照评审意见进行了修改。 【2017-01-18】 评论来自:版本 2
责编:

经编委会投票,同意录用本文。

【2017-03-01】 评论来自:版本 2

提交问题或建议:



您还没有登录,请[登录]或[ 注册]!

2000~2012年全国气温和降水1 km网格空间插值数据集

浏览下载总计

网页浏览 论文下载
2032 9

2000~2012年全国气温和降水1 km网格空间插值数据集

作者发表的论文

很抱歉,没有检索到作者相关论文!

            数据来源:CSCD中国科学引文数据库

20002012年全国气温和降水1 km网格空间插值数据集

王军邦1*,王居午2,叶辉1,刘亚1, 何洪林1

1. 中国科学院地理科学与资源研究所,生态系统网络观测与模拟重点实验室,北京 100101;

2. 东北农业大学,资源与环境学院,哈尔滨 150030

* 联系人(Email: jbwang@igsnrr.ac.cn)

摘要:随着高分辨率卫星遥感技术的快速发展及其在生态学中的广泛应用,与时空分辨率相匹配的气象空间数据,成为生态系统过程模拟及变化驱动力分析的重要数据,也是全球气候变化背景下对空间异质性较高的陆地生态系统进行长期时空动态变化及机制研究的关键资料。为了得到与中分辨率成像光谱仪(MODIS)陆表产品时空分辨率相一致的气象空间数据,进而为估算中国陆地生态系统植被净初级生产力等提供气象输入数据,本研究采用2000~2012年的全球日气候历史数据网络(Daily Global Historical Climatology Network-Daily,GHCN-D)和中国气象局国家气象信息中心制作的“中国地面气候资料日值数据集”,选取日降水和日均温两个要素,对其进行读取、合并、检查、统计、空间插值批处理代码的生成等操作,最后由ANUSPLINE软件插值生成1 km空间网格栅格数据。本栅格数据的公开共享和下载服务,可为我国陆地生态系统的时空变化研究提供数据支持。

关键词:气温;降水;插值;1 km网格;中国

An interpolated temperature and precipitation dataset at 1-km grid resolution in China (2000 – 2012)

Wang Junbang1*, Wang Juwu2, Ye Hui1, Liu Ya1, He Honglin1

1. Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, P. R. China;

2. College of Resources and Environment, Northeast Agricultural University, Harbin 150030, P. R. China

*Email: jbwang@igsnrr.ac.cn

Abstract: With the rapid development of satellite remote sensing techniques with high spatial resolution and their wide applications in the field of ecology, high-resolution meteorological spatial data have become popular in ecosystem process simulation systems, especially on spatiotemporal dynamics of terrestrial ecosystems with high spatial heterogeneity in the background of global climate change. Spatial meteorological data with high resolution consistent with the land surface data from MODIS is essential to estimating the net primary productivity of vegetation in terrestrial ecosystems of China. The temperature and precipitation datasets with a grid resolution of 1 km were produced based on the observed data from the National Meteorological Information Center (NMIC) of China Meteorological Administration and the Daily Global Historical Climatology Network-Daily (GHCN-D) during 2000–2012. The stations were selected in a region larger than the research area and data quality was evaluated. The eight-day average and total values were calculated for temperature and precipitation, respectively. Finally, the ANUSPLIN software was used to interpolate the observed meteorological data to a grid with high resolution (1-km). Those two annual data products can be used to further study the spatiotemporal changes in terrestrial ecosystems of China.

Keywords: temperature; precipitation; interpolation; 1 km grid; China

数据库(集)基本信息简介

数据库(集)中文名称

2000~2012年全国气温和降水1 km网格空间插值数据集

数据库(集)英文名称

An interpolated temperature and precipitation dataset at 1-km grid resolution in China (2000 – 2012)

联系人

王军邦(jbwang@igsnrr.ac.cn)

数据生产者

王军邦、王居午、叶辉、刘亚、何洪林

数据时间范围

2000~2012年

地理区域

中国大陆地区

空间分辨率

1 km 网格

数据量

5.1 GB

数据格式

ArcGIS 32位浮点型(.flt)

数据服务系统网址

http://www.cnern.org.cn/data/initDRsearch?classcode=DPAPER

http://www.sciencedb.cn/dataSet/handle/319

基金项目

中国科学院科技服务网络计划(STS计划,KFJ-SW-STS-167)

国家科技攻关计划(2016YFC0500203)

国家自然科学基金项目(31270520)

数据库(集)组成

数据集由两部分组成,数据量为5.1 GB;其一为2000~2012年的降水栅格数据集;其二为2000~2012年的气温栅格数据集。文件夹名分别为PRCP、TEM。其中:

1. PRCP是2000~2012年的降水栅格数据集,数据量为2.58 GB;

2. TEM是2000~2012年的气温栅格数据集,数据量为2.51 GB。

引 言

气象观测数据是开展陆地生态系统长期变化研究的基础资料。随着遥感技术的发展,生态系统相关研究已经由传统的样地单点或斑块尺度,发展为应用空间分辨率30 m到10 km及以上的空间数据的研究[1-3]。开展长期动态和空间格局变化研究,需要同时在时间和空间尺度上与之匹配的气象数据。现有的空间气象数据主要是基于全球的气候研究,缺少与高时空分辨率的遥感数据相匹配的气象空间数据,对区域气候变化的影响分析带来困难,因此高时空分辨率的气象数据十分重要[4-6]

本研究以2000~2012年全球日气候历史数据网络(Daily Global Historical Climatology Network-Daily,GHCN-D)和中国气象局国家气象信息中心制作的“中国地面气候资料日值数据集”为基础,选取日降水和日均温两个要素,通过中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室开发的《基于Matlab的国际主要气象站点数据空间插值预处理系统》(软件登记号:2014SR142569,软件分类号:30200-7500)和目前国际上应用较多的澳大利亚国立大学开发的商业软件ANUSPLIN气象数据空间插值方法,生成空间网格为1 km的气温和降水栅格数据。本数据与中分辨率成像光谱仪(MODIS)陆表产品时空分辨率相一致,能够为估算中国陆地生态系统植被净初级生产力等提供基础气象数据,为我国陆地生态系统的时空变化研究提供数据支持。

1 研究区数字高程模型及气象台站分布图

1  数据采集和方法

本文所用气象站点数据包括来自GHCN-D和中国气象局国家气象信息中心制作的“中国地面气候资料日值数据集”。其中前者有站点数345个,后者共有753个地面气象观测站(图1),包含日降水和日均温两个要素。通过《基于Matlab的国际主要气象站点数据空间插值预处理系统》将GHCN-D和中国气象局的数据进行标准化,数字高程模型(Digital elevation models,DEM)使用中科院国际科学数据服务平台的“中国90 米分辨率高程数据”,再用ArcGIS 软件将DEM 数据转换成ANUSPLIN 软件能识别的ASCⅡ格式的数据(图2)。

2 数据生成流程图

1.1 ANUSPLIN原理

气象要素空间栅格化的核心是空间内插技术。ANUSPLIN软件是采用薄盘光滑样条法进行转换分析和对多变量数据进行插值的工具,现已广泛应用于澳大利亚和欧美各国[7-10]。这个软件通过提供综合的统计分析、数据诊断和空间分布标准误差来完成整个进程,同时还支持多数据输入和多拟合曲面输出。该软件由8个程序模块组成,由于本研究所使用资料的台站数少于2000个,因而只需执行SPLINA(薄盘光滑样条函数)和LAPGRD(进行局部薄盘光滑样条表面估值,并计算贝叶斯标准误差)等主要程序模块。ANUSPLIN 软件的核心算法是局部薄盘光滑样条法[11],其理论统计模型为:

(1)

其中,zi是位于空间i点的因变量,f(xi)是关于xi的未知光滑函数,xid维样条独立变量,bT是关于yip维系数,yip维独立协变量,ei是期望值为0且方差为wiσ2 的自变量随机误差,wi为已知的相对误差方差,σ2为通常未知的所有数据点上的误差方差常数,N是观测值的个数。

当式(1)缺少第2项,即没有协变量(p=0)时,模型可以简化为普通的薄盘光滑样条模型;而当式(1)缺少第1项时,模型变为简单的多元线性回归模型,实际使用中ANUSPLIN 软件不允许出现这种状况。函数f 和系数b由最小二乘估计来确定:

(2)

其中,Jm(f)为函数f的粗糙度测度函数,即函数fm阶偏导;ρ为正值光滑参数,当ρ→0 时,函数f接近于精确内插式;当ρ→+∞ 时,函数f接近于一个最小二乘多项式,取决于粗糙度m。光滑参数的值通常取决于拟合曲面的最小预测误差,由广义交叉验证(Generalized cross validation,GCV)来确定。而GCV的计算是逐个移去数据点,利用在同样的ρ下的剩余数据点来估算该点的残差。这在ANUSPLIN 的输出日志文件中也有记录。

1.2 数据处理流程

数据集的产生主要包括5个部分,分别是数据的读取、合并、数据检查、统计、批处理代码的生成,最后是ANUSPLIN的插值。主要输入数据包括GHCN-D台站信息、中国国家气象台站信息、DEM数据、GHCN-D数据、中国地面气候资料日值数据。读取不同数据源的日气象要素数据后,合并为统一的标准格式。数据的检查是提取各个要素真实值,对于观测数据的样本数小于90%的站点作为无效站点剔除,然后运用反距离权重插值法(IDW)对有效站点的缺值进行插补,从而保证插值过程和插值结果的可信度,弥补了气象台站分布稀疏不均的不足。本数据集基于日尺度的降水和气温,统计为每8天均值(其中降水为每8天累加),最后合成为年尺度的降水和气温。主要数据来源包括:

(1) DEM数据采集

DEM数据是ASCII格式的数据,本研究将中科院国际科学数据服务平台发布的、根据美国航空航天局的SRTM GRID数据处理得到的成品数据,转化成研究要求的数据,并根据研究范围的大小,对数据进行重新裁剪。

(2) 中国地面气候资料日值数据

来源于各省、市、自治区气候资料处理部门逐月上报的《地面气象记录月报表》的信息化资料。

(3) GHCN-D数据

GHCN-D数据通过访问ftp://ftp.ncdc.noaa.gov/pub/data/ghcn/daily下载获取。

2 数据样本

2000~2012年全国1 km空间分辨率气温和降水栅格数据集的命名遵循如下规则:PRCP_YYYY.flt和TEM_YYYY.flt通过文件名,能够获取关于此数据文件的相应信息。例如PRCP_2006.flt、TEM_2006.flt中,PRCP表示全国1 km空间分辨率降水栅格数据产品;TEM表示全国1 km空间分辨率气温栅格数据产品;YYYY表示年份。气温与降水数据样本的展示如图3,其中a和b分别是2002年和2006年的年降水量,c和d分别是2002年和2006年的年平均气温。

3 基于气象台站观测数据空间插值为1km网格的降水与气温空间分布示例

3 数据质量控制和评估

为了验证本数据集的精度,我们采用了7个亚洲通量观测台站2000年以来的气象要素(http://asiaflux.net)作为验证数据(图4,其中a和c是空间插值数据和碳通量塔观测值间的散点图及其线性拟合结果,b和d是它们的频数分布图)。这弥补了传统交叉验证的缺陷,保证了数据的可信度。根据插值结果和验证数据对比,插值结果和通量站点显著线性相关,其中降水R2=0.67,p < 0.01,均方根误差RMSE=18.50 mm。降水的累积分布图表明,在各降水梯度上,插值的降水和站点数据的分布一致,说明插值结果能较好地反映出真实的降水水平。温度R2=0.94,p < 0.01,插值结果能解释真实结果的94%。

图5为中国地面气温和降水0.5°×0.5°格点数据集(V 2.0)与本研究所有年份的6月22日每8天的数据均值结果对比。除降水在东部沿海地区有较明显的差异以外,降水和气温数值在区域分布上整体一致。

4 基于气象台站观测空间插值数据与碳通量塔上测定的降水和气温对比验证的结果

5 本研究插值的1km网格数据(ac)与中国气象局插值的0.5°×0.5°网格降水和气温数据集(bd,缺少台湾数据)对比

4 数据使用方法和建议

2000~2012年全国气温和降水1 km网格空间插值数据集通过CERN综合中心数据资源服务网站(http://www.cnern.org.cn)和Science Data Bank(http://www.sciencedb.cn/dataSet/handle/319)提供下载服务。用户登录系统后,在首页点击“数据论文数据”图标或在“数据资源”栏目选择“数据论文数据”,进入相应页面后可以下载完整数据。本数据集是在ArcGIS环境下制作生成的浮点型二进制栅格数据,即ArcGIS的浮点型格式,这种格式的数据除以.flt为后缀的32位浮点型数据文件外,还包括同文件名的分别以.hdr和.prj为后缀的ArcGIS格式的数据头文件和投影文件,可在ArcGIS环境直接调用或以Matlab等软件编程批量读取和分析。

致 谢

本数据原始台站观测数据由中国气象局气象数据共享网提供,中国生态系统研究网络和中国科学院计算机网络信息中心大数据技术与应用发展部提供了数据存放平台和技术支撑,在此表示衷心感谢。

作者分工职责

王军邦(1974—),男,青海湟中人,博士,副研究员,研究方向为生态系统生态学。主要承担工作:总体方案设计。

王居午(1991—),男,河北邯郸人,硕士研究生,主要研究方向为土地利用与规划。主要承担工作:基础数据整理收集及论文撰写工作。

叶辉(1985—),男,江西九江人,博士研究生,研究方向为碳循环模型和生态信息学。主要承担工作:基础数据处理、1 km分辨率的降水和气温空间插值。

刘亚(1990—),男,江西赣州人,硕士研究生,主要研究方向为土地生态与3S综合应用。主要承担工作:基础数据整理收集。

何洪林(1971—),男,湖南冷水江人,博士,研究员,主要研究方向生态信息学。主要承担工作:总体方案设计。

参考文献

[1] Chapin III F, Matson P, Mooney H. Principles of terrestrial ecosystem ecology[M]. New York: Springer Science & Business Media, 2011: 369–397.

[2] Bellard C, Bertelsmeier C, Leadley P, et al. Impacts of climate change on the future of biodiversity[J]. Ecology Letters, 2012, 15(4): 365–377.

[3] Frey S, Lee J, Melillo J, et al. The temperature response of soil microbial efficiency and its feedback to climate[J]. Nature Climate Change, 2013, 3(4): 395–398.

[4] Schuur E, Mcguire A, Schädel C, et al. Climate change and the permafrost carbon feedback[J]. Nature, 2015, 520(7546): 171–179.

[5] Hulme M. A 1951–80 global land precipitation climatology for the evaluation of general circulation models[J]. Climate Dynamics, 1992, 7(2): 57–72.

[6] Fan Y, Dool H. A global monthly land surface air temperature analysis for 1948–present[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(D1).

[7] Hutchinson M. The application of thin plate smoothing splines to continent-wide data assimilation[J]. BMRC research report, 1991 (27): 104–113.

[8] Hutchinson M. Interpolation of rainfall data with thin plate smoothing splines. Part I: Two dimensional smoothing of data with short range correlation[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 139–151.

[9] Hutchinson M. Interpolation of rainfall data with thin plate smoothing splines. Part II: Analysis of topographic dependence[J]. Journal of Geographic Information and Decision Analysis, 1998, 2(2): 152–167.

[10] Hutchinson M. ANUSPLIN Version 4.2 User Guide[M]. Canberra: Center for Resourceand Environmental Studies, the Australian National University, 2001.

[11] 尚宗波, 高琼, 杨奠安. 利用中国气候信息系统研究年降水量空间分布规律[J]. 生态学报, 2001, 21(5): 689–694.

引用数据

(1) 王军邦, 王居午, 叶辉, 等. 2000~2012年全国气温和降水1 km网格空间插值数据集[DB/OL]. Science Data Bank. DOI: 10.11922/sciencedb.319.

 

引文格式:王军邦, 王居午, 叶辉, 等. 2000~2012年全国气温和降水1 km网格空间插值数据集[J/OL]. 中国科学数据, 2017, 2(1): 73–80. DOI: 10.11922/csdata.170.2016.0112.

下载