一种多功能气候数据模型及其应用的制作方法
【专利摘要】本发明公开了一种多功能气候数据模型及其应用，该多功能气候数据模型以气温海拔调整方程、双线性距离加权插值、谐波拟合等方法为基础，实现任意尺度下气候变量的生成。通过这些数据，接合物种分布模型，可以实现对未来气候条件下树种的适宜性分布进行预测，为林业部门造林或再造林时的树种选择提供依据，从而提高林地生产力。本发明所产生的气候数据，还可以为森林生态系统生长模型提供长期的气候数据支持，从而提高生长模型的预测精度；通过本发明的降尺度方法，可以对政府间气候变化专门委员会的众多大气环流模型预测结果进行任意尺度转换，从而为多模型多情景下的相关研究提供数据支持。
【专利说明】一种多功能气候数据模型及其应用
【技术领域】
[0001] 本发明属于气候数据模型【技术领域】，具体涉及一种多功能气候数据模型的构建方 法及其应用。
【背景技术】
[0002] 1906?2005年间，全球平均气温上升了 0. 56?0. 92°C ;根据不同的气候情景模 拟估计未来100年中，全球平均温度将继续上升1. 4°C?5. 8°C，极端气候事件发生的频率 和强度也将持续增加。如此大幅度的气候变化将在大区域范围内影响植被的类型和分布， 增加森林灾害（火灾、病虫害等）的发生频率与强度，对我国林业发展产生诸多影响。
[0003] 预测全球气候变化对森林生态系统的影响，评价森林生态系统对全球气候变化的 响应及适应，是全球变化研究的重要领域之一，也是针对森林生态系统制定有效的适应气 候变化措施的基础。准确可靠的气候基础数据是以上研究的前提，其获取途径通常为：气象 站直接观测数据、IPCC大气环流模型的模拟数据以及全球相关研究机构的长期监测气候数 据库等。然而这些数据通常空间分辨率较低、数据格式复杂且变量类型不统一。利用统计 方法插值气象站观测数据可以有效地提高数据空间分辨率，其中以ANUSPLIN和PRISM算法 应用最广泛。ANUSPLIN是基于薄盘平滑样条法内插多变量数据的算法；钱永兰等于2010年 将其应用于获取中国的气温和降水变量数据集，取得了较好的效果。PRISM由美国俄勒冈州 立大学模型组设计的基于知识的气候模型系统，其数据成果主要为北美800m-4000m每月 气候栅格表面，朱华忠等于2003年通过收集中国的气象站观测数据应用PRISM生成了中国 的逐月气温和降水数据。范泽孟等于2012年使用曲面建模（HASM)的方法，对全球气温和 中国降水量对大气环流模型HadCM3的三个情景数据进行了降尺度模拟。
[0004] 综上所述，如何有效的获得高精度气候数据已经成为一个重要的研究问题，而上 述研究所提供的方法仍然存在一定的缺点，首先，由于无法动态降尺度，静态生成的历年每 月高空间分辨率气候变量栅格数据将占用大量存储空间，其数据往往只能应用于一个固定 的尺度条件下。其次，上述方法均使用气象站观测值进行插值，因此需要大量的高精度观测 值对其生成的结果进行精度保证，然而，很多时候由于部分气象站观测数据的缺失，将会直 接影响局部插值的效果和数据准确性。再次，上述方法所产生的气候变量相对较少，往往一 些对林木生长有较大影响的气候变量无法获得，因此很难满足林业相关研究的实际需要。 最后，以上方法所获得的气候数据往往只针对某一个时间范围或几个特定的时期，无法在 时间尺度上提供全面的数据支持。
【发明内容】
[0005] 发明目的：针对现有技术中存在的不足，本发明的目的是提供一种多功能气候数 据模型，以气温海拔调整方程、双线性距离加权插值、谐波拟合等方法为基础，实现任意尺 度下气候变量的生成。通过这些数据，接合物种分布模型，可以实现对未来气候条件下树种 的适宜性分布进行预测，为林业部门造林或再造林时的树种选择提供依据，从而提高林地 生产力。本发明的另一目的是提供一种上述多功能气候数据模型的应用。
[0006] 技术方案：为了实现上述发明目的，本发明采用的技术方案如下：
[0007] -种多功能气候数据模型，其特征在于，由以下各步骤构建而成：
[0008] (1)通过逐步回归的方法，构建基线气温栅格数据与基线数字高程模型按月的 36个多元线性回归模型，并分别对回归模型求海拔的一阶偏导数，形成气温变量的海拔调 整方程；其中，多元线性回归模型的因变量包括：Lat 2, Lat3, Lon2, Lon3, Elev2, LatXLon， (LatXLon)2，（LatXLon)3，（Lon/Lat) 2，（Lon/Lat)3，Lat2 X Lon，Lon2 X Lat，Lon2/Lat， Lon/Lat2，Lat XLonXElev，LatXLonXElev2，（Lon/Lat) X Elev，（Lon/Lat) XElev2， Lat XElev，Lat XElev2, LonXElev，LonXElev2, Lat 为讳度、Lon 为经度、Elev 为海拔；
[0009] 海拔调整方程如下：
[0010] Δ T = Δ ElevX (a+b1X2XElev+b2XLatXLon+b3X2XLatXLonXElev+b 4XLo n/Lat+b5X 2 X Lon/Lat XElev+b6X Lat+b7X 2 X Lat XElev+b8X Lon+b9X 2 X LonXElev)式 (1)；
[0011] 式中，a，bi(i = 1到9)为参数，值见表1和2, Λ T为气温差，Λ Elev为高程差；
[0012] 表1 1-6海拔调整方程参数值
[0013]
【权利要求】
1. 一种多功能气候数据模型，其特征在于，由以下各步骤构建而成： (1)通过逐步回归的方法，构建基线气温栅格数据与基线数字高程模型按月的36个 多元线性回归模型，并分别对回归模型求海拔的一阶偏导数，形成气温变量的海拔调整 方程；其中，多元线性回归模型的因变量包括：Lat 2, Lat3, Lon2, Lon3, Elev2, LatXLon， (LatXLon)2, (LatXLon)3, (Lon/Lat)2, (Lon/Lat)3, Lat2 X Lon, Lon2 X Lat, Lon2/Lat， Lon/Lat2, Lat X LonX Elev, Lat X Lon XElev2, (Lon/Lat) X Elev, (Lon/Lat) XElev2， LatXElev，LatXElev2, LonXElev，LonXElev2, Lat 为讳度、Lon 为经度、Elev 为海拔； 海拔调整方程如下： Δ T = Δ ElevX (a+b1X2XElev+b2XLatXLon+b3X2XLatXLonXElev+b 4XLon/ Lat+b5X 2X Lon/Lat XElev+b6XLat+b7X 2 XLat XElev+b8XLon+b9X 2 X LonXElev)式 (1)； 式中，a，bi(i = 1到9)为参数，值见表1和2，ΛΤ为气温差，AElev为高程差； 表1 1-6海拔调整方程参数值
(2) 利用双线性距离加重插值算法将原始基线降水栅格表面转换为任意空间尺度的基 线降水数据Pd;结合步骤（1)的气温海拔调整方程及双线性距离加权插值算法，将原始基 线气温栅格表面生成任意空间尺度的基线气温数据T be; (3) 不同时期基础气候数据的生成；数据包括1901-2012年每年、以及大气环流模型预 测的未来2010-2039、2040-2069、2070-2099三个时期的累年未来的每月距平基础气候数 据；对于任意一点P，在距平基础气候数据上搜索其四个临近像元，并采用双线性距离加权 插值获得八"，即该点的距平值，与步骤（2)中获得的对应位置1^或匕相加，从而得到最终 的基础气候变量模拟值； (4) 结合步骤（3)中生成的月平均基础气温变量，通过式（5)中的谐波拟合方程产生每 日气温变量，生成三个新的派生气温变量，日均气温、日最高气温及日最低气温；
式（5) 式中，t为时间；T为月分号；D为每月天数；m为当月的第几天；YT相关气候变量的月平 均值
b6 = 0， t = (T-0. 5) + (m-0. 5)/D。 (5) 无霜期天数、霜冻天数及光合有效辐射的计算： a) 结合步骤（3)中获得的月均最低温，采用经验公式6计算每月的无霜期天数，再通过 公式7间接计算每月的霜冻天数；
1 式（6) NFDm = Nm-NFFDm 式（7) 式中，Tmin为月均最低气温，Nm为当月的天数； b) 结合步骤（4)所生成的日最低气温、日最高气温及样地纬度，采用式（8)来计算日光 合有效辐射，计算结果为MJ;
式⑶ 其中， Qex= (0.0864/π ) X 1367X (1+0. 033 X cos (2 π XdY/365)) XhdXsin(Dec) Xsin(Lat )+cos (Dec)X cos(Lat)X sin(hd)， Dec = Arcsin (0· 4X Sin (2 π X (dY-82) /365))， hd = Arccos(-tan(Lat)X tan(Dec)， Lat = η X siteLat/180 ； 式中，PARd为日光合有效辐射，为忽略大气层影响情况下的太阳辐射，hd为日照时 数，Dec为太阳倾斜角，dY为一年中的第几天，Λ mT为30天平均最高气温与最低气温的温 差，Λ dT为当日的最高温与最低温的温差，siteLat为样地纬度； (6)其它派生气候变量计算 根据步骤（3)生成基础气候数据，按年或季节进行统计，快速形成每年或不同季节的 平均气温、平均最高气温、平均最低气温，总降水量； 通过步骤（4)所生成的日气温变量值，形成按月或年的各种积温变量； 通过统计月均气温大于5°C的月数生成温暖指数； 统计大于5°C、小于30°C的月均气温之和的年均值得到生物温度。
2.根据权利要求1所述的多功能气候数据模型，其特征在于，步骤2)中，对于任意 的数据点P，首先在原始的基线气温和基线数字高程模型栅格表面上分别搜索其临近的四 个像元；并采用双线性距离加权插值获得插值温度T bil及插值海拔Elevbil ;然后将高程差 Λ Elev = Elev-EleVbil代入气温海拔调整方程获得温差Λ T ;最后将Λ T与Tbil相加获得 Tbe，即P点基线温度；其次，在原始基线降水栅格表面上搜索临近的四个像元，通过双线性 距离加重插值得到P d，即P点的基线降水量；双线性距离加权插值算法见公式2、3、4及图 1 ; P = ?\ X d4+T2 X d3 式（2) Ti = p1Xd2+p4Xd1 式（3) T2 = p2 X d2+p3 X 屯 式（4)。
【文档编号】G06F19/00GK104143043SQ201410303156
【公开日】2014年11月12日 申请日期:2014年6月27日 优先权日:2014年6月27日
【发明者】曹福亮, 代劲松, 曹林, 汪贵斌 申请人:南京林业大学