专业气候数据空间插值软件Anusplin简介

缘乞科枚Journal of Green Science and Technology2020年］2月第24期六盘水市1980年以来气温与降水的时空变化研究趙方，班春，丁薇，曹振兴(六盘水师范学院，贵州六盘水553004)摘要：由于气温与降水的区域特征研究对深入认识气候变化具有重要意义，对六盘水1980年以来气温与降水的时空变化进行了分析，结果表明：六盘水近35年的平均气温为14.47°C,整体呈波动上升趋势，平均增幅为0.28°C/(10a),平均气温在2001年发生突变；年平均气温整体呈东南高西北低的空间分布特征。

六盘水近35年的年平均降水量为1249.19mm,整体呈波动下降趋势，平均降幅为45mm/(10a),1987年和2002年为六盘水市降水量下降的突变点，1991年为六盘水市降水量增加的突变点；年均降水量整体呈南多北少的趋势，基本符合我国降水分布南多北少的现象。

关键词：气温，降水，时空变化中图分类号:P461文献标识码：A文章编号：1674-9944(2020)24-0160-041引言1979年，科学家在第一次世界气候大会上提出了大气CO2浓度增加将会导致地球升温的警告，气候变化作为一个重大科学问题首次受到国际科学界的普遍关注ra o IPCC第五次报告指出，1880〜2012年全球平均气温升温0.85°C，平均增幅为0.064°C/10年⑵。

在全球气候变暖的背景下,气温和降水作为两个极其重要的气候因子，一直是国内外学者的重点研究方向“旳。

目前气候变化对生态环境和社会经济已经造成重大影响，如果这种趋势长期延续下去，将会危害人类的生存和发展，因此，有必要对不同地区的气候变化情况做详细研究。

我国近百年来气候变化情况，总体上与全球气候变化总趋势一致⑷。

由于我国地域面积宽广，地形条件复杂多样，一方面与全球气候的变化有共同性，另一方面有它的特殊性和复杂性匸讷。

未来气候变化情景下中国气候生长期演变杨怀志１，李　靖２，赵昕奕１（１．北京大学城市与环境学院，北京１００８７１；２．北京市气象台，北京１０００８９）摘要：利用１９７１—２０１０年中国气温数据和区域协同降尺度试验东亚地区项目组ＲＣＰ４．５和ＲＣＰ８．５情景下未来气候预估数据，分析了５℃为界限温度表征的气候生长期演变规律。

结果表明：（１）１９７１—２０１０年，全国大部分地区气候生长期略有增加，生长期开始日期提前为主要特征；（２）在ＲＣＰ４．５情景下，气候生长期开始日期的提前主要表现在华东和华中地区以及青藏高原地区，结束日期的推迟表现在青藏高原地区中部、南部和东部以及新疆的“三山地区”，推迟日数均在３０ｄ以上；（３）在ＲＣＰ８．５情景下，气候生长期开始日期受影响范围在ＲＣＰ４．５情景的基础上有所增加，变化日数大幅增加，结束日期则是长江流域以北及青藏高原地区变化日数均较大，长江流域以北和青藏高原地区的气候生长期均延长２０ｄ以上；（４）青藏高原地区气象站点较少，地形地貌较为复杂，结果精度虽受影响，但无论是过去４０年还是未来情景，其北部地区对生长期开始日期的变化最为敏感。

关　键　词：全球变暖；气候生长期；变化趋势；中国中图分类号：Ｋ９０３ 文献标志码：Ａ 文章编号：１００３２３６３（２０２１）０３?０１０９?０６ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３?２３６３．２０２１．０３．０１９收稿日期：２０２０－０７－０６；修回日期：２０２１－０４－２３基金项目：国家重点研发计划课题（２０１８ＹＦＡ０６０６６１０４）；第二次青藏高原综合科学考察研究资助项目（２０１９ＱＺＫＫ１００１）作者简介：杨怀志（１９９６－），男，河南濮阳市人，硕士研究生，主要从事自然地理学与全球气候变化研究，（Ｅ ｍａｉｌ）ｙｈｚ１９９６＠ｐｋｕ．ｅｄｕ．ｃｎ。

通信作者：赵昕奕（１９６８－），女，吉林白城市人，副教授，博士，主要从事自然地理学与全球气候变化研究，（Ｅ ｍａｉｌ）ｓｈ ｚｈａｏ＠ｕｒ ｂａｎ．ｐｋｕ．ｅｄｕ．ｃｎ。

周雄，吕大伟，宋蕾，等.云南省植被净初级生产力时空特征及其与气候因子的关系［J ］.中南农业科技，2023，44（7）：99-104．植被净初级生产力（Net primary productivity ，NPP ）是指绿色植物通过光合作用在单位时间、单位面积内产生的有机物总量并减去自养呼吸碳损耗所剩余的部分，也称第一生产力［1］。

NPP 作为生态系统功能和碳循环的重要指标，可以反映植物群落的生产力和固碳能力［2-4］，也可表征陆地生态系统植被质量状况和评价陆地生态系统的可持续发展［5，6］。

因此，研究NPP 的时空变异特征及其驱动因素，对于了解陆地生态系统碳循环和区域生态环境演变具有重要意义。

植被NPP 早期估算主要基于试验站点观测数据［7］，易受到空间尺度的限制，不利于区域尺度上的植被NPP 动态监测［8］。

随着遥感技术的发展，很多学者利用模型模拟法对区域植被NPP 进行了研究，其中基于遥感-过程耦合模型的MODIS NPP 产品得到了广泛应用［3，6，9-12］。

洪辛茜等［13］对中国西南喀斯特地区，王娟等［9］、Jiang 等［12］对黄河流域的研究均表明，NPP 时空分布格局具有显著异质性。

崔林丽等［14］对中国东南部地区、贾俊鹤等［15］对中国西北地区的植被NPP 时空分布及驱动因子进行了分析，结果表明气温与降水的空间格局是影响区域植被NPP分布的重要控制因素，但不同区域表现出的相关程度不同。

也有学者研究表明，不同植被类型NPP 对气候因子的敏感性也存在显著差异［11，16］。

因此，植被NPP 在区域尺度上的时空变化及驱动机制需要进一步研究。

云南省地处低纬高原山地环境，自然条件复杂、生物多样性丰富，也是中国西南地区的生态安全屏障［17］。

该区域的森林和草地生态系统在维持水源涵养和土地保持方面起重要作用［18］。

国内对云南省植被净初级生产力长时间序列变化的空间异质性及其影响因子研究较少。

专用气候数据空间插值软件ANUSPL IN 及其应用刘志红1,2　Li Lingtao 3　Tim R.McVicar 3Van Niel ,T.G 3　杨勤科4　李　锐4(1.成都信息工程学院电子工程系,610225;2.中国气象局大气探测重点开放实验室;3.澳大利亚联邦科工组织水资源研究所;4.中国科学院水土保持与生态环境研究中心)提　要:空间化的气候数据作为环境因子参数是区域气候模型和地学模型的基础,而插值软件是实现气候观测点数据空间化的工具。

ANUSPL IN 基于薄盘样条函数理论,引入多个影响因子作为协变量进行气象要素空间插值,大大提高插值精度,且能同时进行多个表面的空间插值,对时间序列的气象要素更加适合。

关键词:气象数据　空间插值　ANUSPL INIntroduction of the Professional Interpolation Softwarefor Meteorology Data :ANU SPL INNLiu Zhihong 1,2　Li Lingtao 3　Tim R McVicar 3　Van Niel ,T.G 3　Yang Qinke 4　Li Rui 4(1.Electronic &Information Engineering Department ,Chengdu University of Information Technology ,610225;2.CMA Key Laboratory of Atmospheric Sounding 2K LAS ;3.CSIRO Land and Water ,Canberra Australia ;4.Institute of Soil and Water Conservation ,Chinese Academy of Science and Ministry of Water Resource )Abstract :Spatial grid metrological data is an essential environmental factor for various geo 2model and climate 2model ,and the interpolation software is a tool to make the data space 2dependent.As a specially designed interpolation package for meteorological data ,ANUSPL IN has advantages of its solid theory of thin plate spline function ,high interpolation accuracy by the incorporation of parametric linear sub 2model ,in addition to the independent spline variables.Furthermore ,it is more suitable for time series of meteorological data by processing one more surface layer one time.S o many contents of ANUSPL IN ,such as the interpolation theory ,main data flows ,parameters setting ,model selection ,statistic analyses and input 2output formats are introduced through an example.It is ex 2pected that this paper is helpful for the researchers to use the ANUSPL IN more easily.K ey Words :meteorology data interpolation ANUSPL IN　资助项目:中澳合作项目(ACIAR PROJ ECT ,NO.L WR1/2002/018),中国科学院西部之光项目B183/2004　收稿日期:2007年4月25日;　修定稿日期:2007年12月29日第34卷,第2期2008年2月 气 象M ETEOROLO GICAL MON THL Y　Vol.34　No.2　February ,2008引　言气候数据作为环境因子是气象、农业、林业、水利、生态环境建设等研究领域的基础,气候表面、特别是栅格形式的表面,如面降水量、气温趋势面等,是多种地学模型和气候学模型的主要参数。

科技与创新┃Science and Technology&Innovation ·20·2022年第10期文章编号：2095－6835（2022）10－0020－05山西省逐日日平均气温插值方法适用性评估＊卫倩倩，陈霄健，闫佳逸，张宁（山西省气象信息中心，山西太原030006）摘要：利用ANUSPLIN软件，对2019年山西省国家级地面气象站（基准站、基本站、原一般站）和周边相邻省份的国家级地面气象站的逐日日平均气温数据，使用薄盘光滑样条法进行空间插值，并选取反距离权重法、普通克里金法2种常用的传统插值方法进行结果对比。

研究表明，利用ANUSPLIN软件进行日平均气温空间插值，由于考虑了温度同海拔高度变化的关系，引入高程作为协变量，插值结果更符合气温随地势高低的变化规律，细节更突出；反距离权重法在插值过程中更容易产生“牛眼”现象；普通克里金法对于地势小范围高低变化的插值表面趋向于平滑，气温高低变化不明显。

但3种插值方法对于台站密度较大的地带、山西中南部临运盆地一带的插值精度差异不大。

同时，将利用3种插值方法得到的预测日平均气温数据，与由省级气象观测站实测小时数据计算得来的日平均气温数据进行对比分析，选用绝对误差、相对误差2个评价指标，结果同样表明，基于ANUSPLIN软件的空间插值方法得到的插值结果更为精准。

关键词：空间插值；ANUSPLIN软件；薄盘光滑样条法；反距离权重法中图分类号：S151.95文献标志码：A DOI：10.15913/ki.kjycx.2022.10.007在全球变化研究中，地学模型和气候模型等相关研究的重要参数之一，是以高分辨率、格点化的气候数据作为环境因子[1]。

而气温是气候变化研究中最基本指标之一，它不但在气候变化检测研究中有着基础地位，同时又与气候预测、气候模式以及其他一系列的气候变化问题研究有十分紧密的关系[2]。

由于经纬度、海陆分布以及地貌特征与下垫面特性的差异等不同，体现在气温的空间分布上，会表现为具有明显的区域特征[3]。

基于5变量局部薄盘光滑样条函数的蒸发空间插值刘志红123，Tim R. McVicar4，LingTao Li4，Tom G.Van Niel4，杨勤科1，李锐1，穆兴民1(1. 中国科学院水土保持与生态环境研究中心 712100陕西杨凌； 2. 国家卫星气象中心乌鲁木齐气象卫星站830011新疆乌鲁木齐；3. 中国科学院研究生院 100049 北京；4.澳大利亚联邦科工组织水资源研究所，堪培拉)摘要：高分辨率、网格化的陆面蒸发空间数据作为环境因子是地学模型和气候模型等相关研究的重要参数。

本文对黄土高原多沙粗沙区及周围共计53个气象站点（多沙粗沙区30个）蒸发皿测量值E_pan进行空间插值，以5变量局部薄盘样条函数（经纬度为自变量，净辐射Rn、水气压差VPD和风速Wind为协变量）建立具有多元线性子模型的蒸发插值模型，以ANUSPLIN为实现软件，生成连续21年共252个蒸发表面。

交叉验证表明：引入蒸发影响因子作为协变量线性子模型进行表面插值能显著提高插值精度，夏季提高幅度更大，拟合表面具有较高的精确度与平滑度；蒸发随协变量的变率显示：在多沙粗沙区，VPD是夏季蒸发的主要控制因素，Wind对蒸发的影响冬季稍强一些，Rn的影响没有明显的季节性，只在春分和秋分时节有微小提高。

关键词：5变量；样条函数；蒸发；插值Modeling Spatial Distribution of Pan EvaporationBased on Quint-variate Thin Plate Spline FunctionZhiHong Liu 1,2,3 ,Tim R McVicar 4,LingTao Li4,Tom G.Van Niel4,QinKe Yang1, Rui Li 1,XingMin Mu1 1. Institute of Soil and Water Conservation, Chinese Academy of Science and Ministry of Water Resource, 712100,Yangling, Shaanxi,, China; 2. Urumuqi Meteorological Satellite Ground Station, National Satellite Meteorological Center, 830011,Urumuqi, Xinjiang, China; 3. Graduate School of Chinese Academy of Science 100049,Beijing; 4. CSIRO Land and Water, Canberra, Australia)Abstract:Spatial distribution of pan evaporation (Epan) depending on multiple factors such as radiation, vapor pressure and wind is a crucial parameter for geographic models and climatic models, and also a key to environmental management. However the meteorology observation stations normally distribute sparsely and irregularly on the ground. The techniques to interpolate available point data to estimate the value of any location is demanded. This paper introduces the process to interpolate monthly Epan data of 53 stations for the period of 1980 to 2000 to create 252 Epan surfaces in Coarse Sandy Hilly Catchments of Loess Plateau. Quint-variate partial thin plate spline models were developed in which vapor pressure deficit (VPD), net radiation (R n) and wind speed(wind) were used as three covariate sub-models. GVC statistics indicate that the resultant evaporation surfaces hold high fidelity and smoothness. The lapse rates (evaporation changing rate with each covariate) show: the dependence of Epan on R n has no strong seasonal trend although at the equinoxes it is slightly big, whereas the dependence of Epan on VPD has an obvious trend with strongest influence in summer, and wind speed has more relative influence in winter.Key word: Quint-variate; Thin Plate Spline Function; Pan Evaporation; Interpolation收稿日期：2006-01-3 修回日期：2006-05-24项目名称：中澳合作ACIAR PROJECT ,NO:LWR1/2002/018; 中国科学院知识创新重要方向项KZCX3-SW-421 第一作者简介：刘志红（1967-），女，副高，在读博士，主要研究方向：3S技术在土壤学中的应用Email: **************引言蒸散发(蒸发与蒸腾)是土壤-植物-大气系统的一个重要组成部分。

ANUSPLIN使用说明ANUSPLIN是提供实用的转换分析和对多变量数据采用薄盘光滑样条插值进行插值的工具。

它提供了完整的统计分析、数据诊断以及空间分布标准误。

同样也支持多种数据输入和表面查询功能。

薄盘光滑样条表面拟合法最早由Wahba出（1979），然后由Bates和Wahba（1982），Elden(1984),Hutchinson(1984)和deHoog（1985）对其进行了改进以适用于大数据集。

Batesetal.（1987）将其扩展为局部样条法，这样就可以把参数线性亚模型（或协变量）添加插值中，而不像以前只能考虑独立样条变量（即自变量）。

这为这些因变量提供由这些自因变量决定的参数form提供了一种极好的方式。

在没有独立样条变量的情况下（当前不允许），将进行简单的多变量线性回归。

薄盘光滑样条插值事实上可以被看作广义的标准多变量线性回归，但是参数模型由一个适用的光滑非参数函数所替代。

拟合函数的光滑度，或者与之相对的复杂度通常会根据数据拟合表面的最小预测误差通过GCV（广义交叉验证）自动计算。

GCV数据模拟结果的验证由Craven和Wahba（1979）年提出并完成。

Wahba（1990）对薄盘光滑样条技术各种模块进行了全面介绍。

Hutchinson(1991a)对月平均气象要素空间插值的基本理论和应用进行了简要的概述，Hutchinson（1993）和HutchinsonGessler(1994)对运算和相关行了对比。

Hutchinson （1995，1998ab）对该方法运用到了年和日降水数据的插值上。

同时模拟多个表面非常方便，尤其是对气象数据而言。

ANUSPLIN在允许任意多的这样的表面和“表面独立变量”，以便独立变量在各表面间做系统地改变。

ANUSPLIN允许系统查询这些表面及其标准误，点文件或者grid文件都行。

ANUSPLIN同样允许对独立变量和依从变量进行转换。

华中农业大学国家211工程大学华中农业大学国家211工程大学下边将对ANUSPLIN个组件进行简要概述。

专业气象插值软件Anusplin使用注意事项VERSION3-2专业气象插值软件Anusplin使用注意事项（仅针对Anusplin VERSION 3.2 其他版本需要进一步修改）作者：pku 遥感所生态遥感实验室Lvy&花花合力打造~2013-7-281 准备数据（暂时命名为7.dat）1) 将站点数据导入ArcGIS, 注意dem的坐标系须是：albers Conical Equal Area2) Z值：Spatial Analyst tools->Extract value to PointsX、Y值：属性表，新建X、Y列，Field Geometry，X：Property：X coordinate Of PointUse coordinate system of the data frameUnits: mY：Property：Y coordinate Of PointUse coordinate system of the data frameUnits: m3) 将所有数据导入SPSS以设定格式2 检查程序及数据完整性将所需要的14个.exe,一个.eer，一个.dos，以及数据.dat考入同一个文件夹3 编写运行需要的cmd文件3.1 SPLINA.exe所需要的cmd文件a.cmd2 %自变量个数1 %因变量个数，这里只考虑高程，所以只有一个-989337.0 925663.0 0 1 %x的最小值、最大值范围、不转换、单位是m（注意起始坐标、分辨率、行列数要与DEM吻合）3551696.0 5187696.0 0 1%y的最小值、最大值范围、不转换、单位是m（注意起始坐标、分辨率、行列数要与DEM吻合）13 3549 0 1 %z的最小值、最大值范围、不转换、单位是m 3 %样条函数阶数1 %插值面个数17.dat %数据文件名5 %站点文字字节(a5,f15.6,f15.6,f5.0,f5.0)%数据格式7.res7.opt7.sur %表面文件，接下来要用7.lis7.cov注意：7.dat 存储时要写一行、空一行a.log：SPLINA VERSION 3.2 30/08/97COPYRIGHT AUSTRALIAN NATIONAL UNIVERSITYNUMBER OF INDEPENDENT SPLINE V ARIABLES (1 TO 10): 2 NUMBER OF INDEPENDENT COV ARIATES (0 TO 8):1INDEPENDENT V ARIABLE LIMITS AND TRANSFORMA TION CODE:0 NO TRANSFORMATION1 X/A2 X*A3 A*LOG(X + B)4 (X/B)**A5 A*EXP(X/B)6 A*TANH(X/B)LIMITS AND TRANSFORMATION CODE FOR V ARIABLE 1:-989337.00 925663.00 0LIMITS AND TRANSFORMATION CODE FOR V ARIABLE 2: 3551696.0 5187696.0 0LIMITS AND TRANSFORMATION CODE FOR V ARIABLE 3:13.000000 3549.0000 0ORDER OF SPLINE (AT LEAST 2):3NUMBER OF SURFACES (1 TO 12):1COMMON OPTIMIZATION DIRECTIVE FOR EACH SURFACE:(0 - NO, 1 - YES)OPTIMISATION DIRECTIVES:0 - FIXED RHO1 - MINIMIZE GCV2 - MINIMIZE TRUE MEAN SQUARE ERROR3 - FIXED SIGNALINPUT DIRECTIVE FOR SURFACE 1:1DA TA FILE NAME:7.datNO. OF CHARACTERS IN SITE NAME/NUMBER (0 TO 20):5DA TA FORMAT (SITE NAME, 3 INDEP V ARS, 1 SURFACES,REL V ARIANCE): (a5,f15.6,f15.6,f5.0,f5.0)OUTPUT LARGE RESIDUAL FILE NAME:7.resGETFILA - OUTPUT FILE ALREADY EXISTS3.2 编写运行LAPGRD.exe所需要的cmd文件b.cmd7.sur %表面文件，1 %插值表面7.dem %插值结果存储为DEM类型文件，可直接用arcgis打开2 %文件输出格式为ARC/INFO GRID1111-989337.0 925663.0 1000.0 %x的最小值、最大值范围、不转换、单位是m（注意看.sur）23551696.0 5187696.0 1000.0 %x的最小值、最大值范围、不转换、单位是m（注意看.sur）(100f10.0) %数据输出格式2 %协变量的格式为ARC/INFO GRIDdem1000.txt %用arcgis,将dem输出为ASCII格式-9999 % 空数据标识b.log:LAPGRD VERSION 3.2 30/08/97COPYRIGHT AUSTRALIAN NATIONAL UNIVERSITYSPLINE COEFFICIENTS FILE NAME:7.surSURFACE NUMBER ( 0 T0 1):1OUTPUT GRID FILE NAME:7.demMODE OF OUTPUT GRID (0,1,2 OR 3):0 - X,Y,Z FORMA T1 - GENERIC GRID BY ROWS2 - ARC/INFO GRID3 - IDRISI IMAGE2GRID V ALUE UNITS (0 UNDEF, 1 M, 2 FT, 3 KM, 4 MI, 5 DEG, 6 RAD): 1GRID POSITION UNITS (0 UNDEF, 1 M, 2 FT, 3 KM, 4 MI, 5 DEG, 6 RAD): 1CENTRING OPTION (0 - A T CORNERS, 1 - AT CENTRES):1INDEX OF FIRST GRID V ARIABLE (NORMALL Y 1):1LOWER LIMIT, UPPER LIMIT AND SPACING OF FIRST GRID V ARIABLE:-989337.00000000 925663.00000000 1000.0000INDEX OF SECOND GRID V ARIABLE (NORMALL Y 2):2LOWER LIMIT, UPPER LIMIT AND SPACING OF SECOND GRID V ARIABLE: 3551696.0000000 5187696.0000000 1000.0000 NUMBER OF COLUMNS = 1915NUMBER OF ROWS = 1636OUTPUT ARC/INFO GRID FORMAT (BLANK FOR BINARY):(100f10.0)MODE OF 3RD INDEPENDENT V ARIABLE (0,1,2 OR 3):0 - USER SUPPLIED CONSTANT1 - USER SUPPLIED GENERIC GRID2 - USER SUPPLIED ARC/INFO GRID3 - USER SUPPLIED IDRISI IMAGE2INPUT GRID FILE NAME:dem1000.txtSPECIAL VALUE OF OUTPUT GRID:-9999.000MINIMUM V ALUE OF OUTPUT GRID = -289.64MAXIMUM VALUE OF OUTPUT GRID = 270.37NUMBER OF GRID CELLS = 1639934PROGRAM LAPGRD VERSION 3.2 DATE 28/07/2013 TIME 20.39.404 运行对应的cmd文件4.1 打开cmd4.2 通过cd命令进入程序存储的文件夹4.3 运行对应的文件，通过查看生成的日志检查正确性。

李伟光，刘少军，陈小敏，等．中国橡胶的气候生产潜力［Ｊ］．江苏农业科学，２０２０，４８（１２）：２８１－２８４．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２０．１２．０５５中国橡胶的气候生产潜力李伟光，刘少军，陈小敏，佟金鹤（海南省气象科学研究所／海南省南海气象防灾减灾重点实验室，海南海口５７０２０３） 摘要：基于联合国粮农组织（ＦＡＯ）开发的农业生态区划（ＡＥＺ）模型和专业气候插值软件ＡＮＵＳＰＬＩＮ插值的常年逐月太阳总辐射、温度及降水数据，计算了我国２５°Ｎ以南的区域橡胶树的气候生产潜力，并通过天然橡胶的干物质分配率估算了天然橡胶的产胶潜力。

结果表明，我国最适宜橡胶生长的区域在海南岛及云南的西双版纳地区。

温度是制约我国橡胶生长的限制因素，云南高原、海南岛是我国橡胶光合生长潜力的２个高值区，但是云南高原区由于温度限制，橡胶生长潜力下降非常显著。

在西双版纳和海南岛，降水因素仅是海南岛西部地区的限制因素。

关键词：中国橡胶；生产潜力；光合潜力；光温潜力；气候潜力；产胶潜力；干物质分配率 中图分类号：Ｓ７９４．１０５；Ｓ１２７ 文献标志码：Ａ 文章编号：１００２－１３０２（２０２０）１２－０２８１－０４收稿日期：２０１９－０７－０１基金项目：国家自然科学基金（编号：４１７６５００７）；海南省自然科学基金（编号：９０３２９５７０７００１）。

作者简介：李伟光（１９８１—），男，山东济南人，硕士，高级工程师，主要从事生态遥感监测与评估研究。

Ｅ－ｍａｉｌ：１６３ｇｒｅａｔ＠１６３．ｃｏｍ。

农作物生长对气候资源的需求十分敏感［１－３］。

不同气候类型中光、热、水等气候资源的数量及其匹配影响着农作物生产潜力乃至生产布局和种植制度等。

随着高效农业的发展，农业资源利用率逐渐提高，对农业气候生产潜力的研究也受到越来越多的重视［４－７］。

天然橡胶是国防和工业建设中不可或缺的重要原料。

海南省作为中国最大的天然橡胶生产基地，受制于土地资源条件限制，天然橡胶产量与世界产胶大国相比差距较大。

基于高分辨率格点数据集的中国气温与降水时空分布及变化趋势分析吴娴;王玉;庄亮【摘要】基于LZU0025高分辨率格点数据集,对1951-2012年中国区域气温和降水量的时空分布特征,以及气候变化趋势进行了初步分析.结果表明:中国的年平均气温自1980年开始显著增暖,年降水量在1960年出现由湿润到干燥的突变.中国的整体降水量变化趋势不如气温的变化趋势具有一致性.中国年平均气温增温趋势为0.26℃/(10 a),局部的最大增温趋势超过0.6℃/(10 a);中国年降水量减少趋势为6.7 mm/(10 a),局部地区的降水减少趋势超过了30 mm/(10 a),而有些地区的降水增加趋势却可达30 mm/(10 a).大兴安岭—黄土高原西北缘—黄河长江上游以北—冈底斯山脉东部为大致的平均400mm等降水量线,可用于划分中国的半干旱与半湿润区.1951-2010年中国400 mm等降水量线位置的年代际变化情况复杂,但总体呈现不断南移的趋势,表明中国干旱、半干旱区面积在不断扩大.【期刊名称】《气象与减灾研究》【年(卷),期】2016(039)004【总页数】11页(P241-251)【关键词】LZU0025格点数据;气温;降水;气候变化【作者】吴娴;王玉;庄亮【作者单位】三明市气象局,福建三明365000;永安市气象局,福建三明365000;永安市气象局,福建三明365000【正文语种】中文【中图分类】P467气候变化研究是当今科学界的一个热门课题，IPCC(2013)第四次报告指出1906—2005年全球平均地表气温上升了0.74 ℃。

国内外学者在近些年来中国区域气候变化趋势研究方面已取得一系列的进展(魏凤英和曹鸿兴，1995；唐国利和任国玉，2005；冯新灵等，2009；范泽孟等，2011；江俊杰等，2012；吴晓绚等，2015)。

中国的气温变化趋势与全球变化基本一致，近百年来增暖趋势为0.7—0.8 ℃(唐国利和任国玉，2005；丁一汇等，2006)，而近50 a来的增暖趋势随着城市化进程的推进而更加明显，超过了1.0 ℃。

29卷第6期2007年11月资　源　科　学RES OURCES SCIE NCE V ol.29,N o.6N ov.,2007文章编号:1007-7588(2007)06-0045-09收稿日期:2007-02-14;修订日期:2007-09-17基金项目:国家973计划:“中国陆地生态系统碳循环及其驱动机制研究”(编号:2002C B412501);中国科学院创新团队国际合作伙伴计划:“人类活动与生态系统变化”(编号:CXT D 2Z 200521);中国科学院知识创新工程重要方向项目(编号:K ZCX 22Y W 230523)。

作者简介:陈斌,男,福建福州人,硕士,主要从事全球变化与生态学方面研究。

E 2m ail :chenb.04s @通讯作者:王绍强,E 2mail :sqwang @中国陆地生态系统NPP 模拟及空间格局分析陈　斌1,2,王绍强1,刘荣高1,宋　婷1,3(11中国科学院地理科学与资源研究所,北京　100101;21中国科学院研究生院,北京100049;31南京师范大学,南京　210097) 摘　要:本研究利用基于光能利用率理论的区域尺度遥感参数模型(C 2Fix 模型)估算了2003年中国陆地生态系统NPP ,并对其空间格局进行了分析。

模型输入数据包括叶面积指数数据(LAI )、中国地面气象站的逐日气温数据、逐日降水数据和太阳总辐射数据、数字高程模型(DE M )等,模型输出数据的空间分辨率均为1km 2,时间步长为1天。

模拟结果表明:2003年中国陆地总NPP 和平均NPP 分别为4137Pg C 和640132g C Π(m 2·年),NPP 的主要分布趋势是:从东南沿海向西北逐渐减小;其中海南岛南部、云南西南部和南部、青藏高原东南部的热带雨林和季雨林地区年NPP 最大,在1800g ～2500g C Π(m 2·年)之间;青藏高原和新疆绝大部分地区,一般在100g C Π(m 2·年)以下;西部塔克拉玛干沙漠地区植被稀疏,植被NPP 不足5g C Π(m 2·年)。

地理学报ACTA GEOGRAPHICA SINICA 第71卷第1期2016年1月V ol.71,No.1January,2016内蒙古草地生态系统碳源/汇时空格局及其与气候因子的关系戴尔阜1,2，黄宇3，吴卓1,2,4，赵东升1,2（1.中国科学院地理科学与资源研究所，北京100101；2.中国科学院陆地表层格局与模拟重点实验室，北京100101；3.滑铁卢大学环境学院规划学院，加拿大滑铁卢ON N2L 3G1；4.中国科学院大学，北京100049）摘要：草地净生态系统生产力（NEP ）能够表征草地生态系统的固碳能力，直接定性定量地描述草地生态系统的碳源/汇性质和大小。

因此，研究区域尺度草地生态系统NEP 具有重要的实践意义。

基于卫星遥感资料、地面气象观测资料及实地采样数据，结合光能利用率模型估算了2001-2012年内蒙古草地生态系统净初级生产力（NPP ）。

同时，应用土壤呼吸模型估算了逐月平均土壤呼吸量（Rs ），进而估算内蒙古草地净生态系统生产力（NEP ）。

研究揭示了2001-2012年内蒙古草地生态系统NPP 、NEP 年际变化规律、气候因子的年际变化规律，以及草地NPP 、NEP 与主要气候因子的关系。

结果表明：2001年以来，内蒙古草地生态系统整体发挥碳汇效应，净碳汇总量达到0.55Pg C ，年均固碳率约为0.046Pg C/a ；研究区大部分草地NPP 、NEP 与降水均呈正相关关系，与温度相关性不显著，内蒙古草地生态系统仍有巨大的固碳潜力。

关键词：草地生态系统；NPP ；NEP ；碳源/碳汇；内蒙古DOI:10.11821/dlxb2016010021引言自1988年政府间气候变化专业委员会（IPCC ）建立以来，世界各国开展了多次气候变化国际谈判[1-2]。

地球陆地生态系统碳循环与温室效应问题，一直是全球碳计划（GCP ）、全球变化与陆地生态系统响应计划（GCTE ）等一系列国际全球变化研究核心计划的焦点科学内容[3]。

ANUSPLIN使用说明ANUSPLIN是提供实用的转换分析和对多变量数据采用薄盘光滑样条插值进行插值的工具。

它提供了完整的统计分析、数据诊断以及空间分布标准误。

同样也支持多种数据输入和表面查询功能。

薄盘光滑样条表面拟合法最早由Wahba出（1979），然后由Bates 和Wahba（1982），Elden(1984),Hutchinson(1984)和deHoog（1985）对其进行了改进以适用于大数据集。

Batesetal.（1987）将其扩展为局部样条法，这样就可以把参数线性亚模型（或协变量）添加插值中，而不像以前只能考虑独立样条变量（即自变量）。

这为这些因变量提供由这些自因变量决定的参数form提供了一种极好的方式。

在没有独立样条变量的情况下（当前不允许），将进行简单的多变量线性回归。

薄盘光滑样条插值事实上可以被看作广义的标准多变量线性回归，但是参数模型由一个适用的光滑非参数函数所替代。

拟合函数的光滑度，或者与之相对的复杂度通常会根据数据拟合表面的最小预测误差通过GCV（广义交叉验证）自动计算。

GCV数据模拟结果的验证由Craven和Wahba（1979）年提出并完成。

Wahba（1990）对薄盘光滑样条技术各种模块进行了全面介绍。

Hutchinson(1991a)对月平均气象要素空间插值的基本理论和应用进行了简要的概述，Hutchinson（1993）和HutchinsonGessler(1994)对运算和相关行了对比。

Hutchinson（1995，1998ab）对该方法运用到了年和日降水数据的插值上。

同时模拟多个表面非常方便，尤其是对气象数据而言。

ANUSPLIN在允许任意多的这样的表面和“表面独立变量”，以便独立变量在各表面间做系统地改变。

ANUSPLIN允许系统查询这些表面及其标准误，点文件或者grid文件都行。

ANUSPLIN同样允许对独立变量和依从变量进行转换。

华中农业大学国家211工程大学华中农业大学国家211工程大学下边将对ANUSPLIN个组件进行简要概述。

近50年辽宁无霜期积温时空演变特征明惠青;唐亚平;孙婧;关键华【摘要】利用GIS技术对辽宁近50 a不同时间尺度无霜期积温的时空演变特征进行了分析,结果表明:辽宁无霜期积温区域平均值年际变异很大,最大值超过600℃·d,近50 a极显著增多,增幅为85℃·d/10a,主要增多时段在90年代以后;其中增幅最大区域分布在辽西南部和中部平原南部,超过90℃·d/10a,趋势极显著,东部山区西部和辽西西北部增幅最小,在60℃·d/10a以下,增多趋势不显著.气候平均值由南向北呈递减分布,B时段(1971～2000年)与A时段(1961～1990年)相比,东部山区中西部和辽西西部略有减少,东部山区北部、辽西大部、中部平原大部以及大连部分地区增多最多,在60℃·d以上.从年代际变化来看,2 600℃·d以上的积温高值范围由环渤海地区向东北不断扩展,2000年后达到最大,覆盖了辽西大部、中部、辽北大部和辽南大部地区.%Based on the data of daily mean temperature of Liaoning Province in the recent 50 years ( 1961 ～ 2007),and using GIS technique, analysis is made of different time scale of spatio-temporal evolvement characteristics of frostless period accumulated temperature (FIPAT) in Liaoning in recent 50 years. The results demonstrate that in terms of regional average, the FLPAT whose the largest variability is larger than 600℃ .d varies evidently between years and increases signific antly with a rate of increase of 85℃·d/10a in recent 50 years and mainly after 1990s. The largest rate above 90℃ .d/10a distributes in the south of west Lianning and south of central plain. The smallest rate below 60℃ .d/10a distributes in most parts of east mountainous area and the west of west Liaoning. The west of east mountainous area and northwest of westLiaoning are the places whére the FLPAT increases unsignificently. Comparing the B period from 1971 ～ 2000 with the A period from 1961 ～1990, except for center and west of east mountainous area as well as the west of west Liaoning where the FLPAT decreases slightly, the climatology of the FLPAT which decreases progressively from south above 2 700℃·d to north below I 800℃·d increases in most parts of L iaoning, especially in the north of east mountainous area, most parts of west Liaoning, most parts of cental plain and part of Dalian where the rate of increase of the FLPAT above 60℃·d is the largest. In term of interannual change, the scope area with hig h value of above 2 600℃·d expands to northeast from surrounding Bohai zone and reaches the peak after 2000, covering middle Liaoning, most parts of west Liaoning and north Liaoning as well as south Liaoning.【期刊名称】《干旱地区农业研究》【年(卷),期】2011(029)002【总页数】5页(P276-280)【关键词】辽宁;无霜期积温;时空演变;GIS技术【作者】明惠青;唐亚平;孙婧;关键华【作者单位】辽宁省气象科技服务中心,辽宁沈阳110016;辽宁省气象科技服务中心,辽宁沈阳110016;辽宁省气象科技服务中心,辽宁沈阳110016;辽宁省气象科技服务中心,辽宁沈阳110016【正文语种】中文【中图分类】S161.2+2无霜期是一个地区最为重要的热量指标之一,指一年中终霜后至初霜前的一整段时间[1],在这一期间内,没有霜的出现。

中国西南喀斯特地区1951-2014年气候要素时间序列数据集吴星麒;程琦;魏临风;胡潇飞;倪健【期刊名称】《中国科学数据:中英文网络版》【年(卷),期】2022(7)4【摘要】我国西南喀斯特地区环境脆弱,生态系统易受气候变化和人类活动影响。

由于西南喀斯特地形的影响,该地区气候台站空间分布不均,各个观测站的气象观测时间序列也略有差异,且台站数目有限,使得这些气候观测记录难以直接应用于陆地生态系统与气候关系的研究。

利用ANUSPLIN软件4.3中提供的局部光滑薄板样条函数模型,结合SRTM数字高程模型,对西南喀斯特地区1951-2014年间325个气象站点的4个逐月气象要素(包括气温、降水、日照百分率、湿润日数)进行空间插值处理,最终得到分辨率为1 km的三套不同格式的栅格数据。

误差统计结果表明,插值结果的误差较低,尤其是气温准确度高,4个气候要素的栅格数据均能真实地反映喀斯特地区气候要素的空间分布规律。

进一步分析表明,1951-2014年西南地区气温和降水分布均自东南向西北递减,气温变化整体呈上升趋势,降水变化不显著。

日照百分率分布从中间向两侧区域逐步递减,整体呈波动震荡下降趋势。

湿润日数分布特征与海拔呈相反关系。

本数据集可为西南喀斯特区域气候研究,植被、石漠化与气候变化,土地利用与土地覆被变化,以及以气候为驱动的陆地生态模型模拟提供数据支持。

【总页数】15页(P321-335)【作者】吴星麒;程琦;魏临风;胡潇飞;倪健【作者单位】浙江师范大学化学与生命科学学院;浙江金华山亚热带森林生态系统野外科学观测研究站【正文语种】中文【中图分类】P46【相关文献】1.西南喀斯特地区气候脆弱性农户识别与评估研究2.1951-2014年丹东地区气候变化特征3.西南喀斯特地区植被变化及其与气候因子关系研究4.西南喀斯特地区近45年来气候变化特征及趋势因版权原因，仅展示原文概要，查看原文内容请购买。