在考虑地形信息的基础上，采用地理加权回归方法对粗分辨率(30′)的CRU数据集进行降尺度处理。获得了1941-021年祁连山气温(Ta)和降水数据集，利用气象站的观测数据对降尺度的5′(1km)分辨率数据集进行了评价。与原始CRU数据集相比，新数据集对Ta和降水的平均绝对误差分别降低了52.7%和4.9%。对Ta和降水的均方根误差分别降低了53.3%和10.4%。气温和降水的Nash-Sutcliffe效率系数分别提高了25.4%和9.5%。新的数据集可以为分析多时间尺度的气候变化趋势提供详细信息。该数据集将有助于潜在用户改进祁连山地区的气候监测、建模和环境研究。
1. 数据集命名
Ta1941-2021month.nc
Pre1941-2021month.nc
2. 属性信息
数据存储采用NetCDF格式。每个文件包含972个月的数据，需要4.69GB的存储空间。每个文件名表示文件中包含的数据。例如，文件名为Ta1941-2021month.nc包含1941年至2021年的月温度数据。NetCDF文件的总数为2,nc格式数据集的总大小约为9.38 GB。气温的单位是℃，降水的单位是mm。数据空间分辨率为1km。
(1)CRU数据集。从CRU TS v4.02数据集(http://www.cru.uea.ac.uk， 最近访问:2022年6月24日)获得1941年1月至2021年12月的月平均气温和降水，空间分辨率为30'。
(2)DEM数据。从http://www.gscloud.cn 下载30m空间分辨率的DEM数据。利用ArcGIS10.8.2软件提取坡度、坡向和地形起伏度图层。
(3)观测数据。
获取了祁连山地区8个国家级气象站(http://data.cma.cn/en) 和11个地方气象站的长期逐月气温和降水观测资料。
1.步骤
首先，准备0.5 '(1公里)和30 '分辨率的环境变量和原始的月尺度CUR数据。
其次，我们选择了与气温和降水相关的变量，命名为解释变量。
第三，将解释变量和原始CRU数据输入GWR模型，得到截距、残差和系数。
第四，对截距、残差和系数进行插值，得到1km的栅格层。然后将这些层与1公里分辨率的解释变量结合，通过GIS生成高分辨率的温度和降水数据。
（2）GWR模型
GWR模型是一个区域回归模型，由Chris等人(1996)首先提出。该模型被广泛应用于因变量与解释变量之间关系的动态特征和尺度依赖性研究。回归模型表示为:
𝑌_𝑗=𝛽_0 (𝑢_𝑗,𝑣_𝑗 )+∑1_(𝑖=1)^𝑝▒〖𝛽_𝑖 (𝑢_𝑗,𝑣_𝑗 ) 𝑋_(𝑖,𝑗 ) 〗+𝜖_𝑗,
式中(uj, vj)、βo (uj, vj)、βi (uj, vj)、εj分别为第t点的地理坐标、截距、斜率(回归系数)、回归残差;p表示环境变量的个数。截距是局部常数项的估计值，斜率是各变量系数的局部估计值，残差表示因变量的观测值与预测值之差。Yj表示因变量的第j个观测值;GWR的基本假设是，距离第j点越近的观测值对该位置的局部系数影响越大，该局部系数作为距离衰减函数，依赖于第j点到相邻点的距离。
（3) GWR 4.0软件
本文采用GWR 4.0软件(http://geoinformatics.wp.st-andrews.ac.uk/gwr) 建立GWR模型。
数据精度：
与原始CRU数据集相比，新数据集对温度和降水的平均绝对误差分别降低了52.7%和4.9%。温度和降水的均方根误差分别下降了53.3%和10.4%。温度和降水的Nash-Sutcliffe效率系数分别提高了25.4%和9.5%。
| # | 编号 | 名称 | 类型 |
| 1 | 2019YFC0507404 | 自然保护区典型生态环境变化监测 | 国家重点研发计划 |
| 2 | 2020-SF-146 | 祁连山国家公园典型生态系统综合监测与功能评估 | 其他 |
| 3 | 2019QZKK05010119 | 祁连山雪豹调查 | 科技部重大专项子课题 |
本作品采用
知识共享署名
4.0 国际许可协议进行许可。
CSTR:11738.11.ncdc.NIEER.db2489.2022
10.12072/ncdc.NIEER.db2489.2022
