[发明专利]一种多功能气候数据获取方法

权利要求书

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：Lat²，Lat³，Lon²，Lon³，Elev²，Lat×Lon，(Lat×Lon)²，(Lat×Lon)³，(Lon/Lat)²，(Lon/Lat)³，Lat²×Lon，Lon²×Lat，Lon²/Lat，Lon/Lat²，Lat×Lon×Elev，Lat×Lon×Elev²，(Lon/Lat)×Elev，(Lon/Lat)×Elev²，Lat×Elev，Lat×Elev²，Lon×Elev，Lon×Elev²，Lat为纬度、Lon为经度、Elev为海拔；

海拔调整方程如下：

△T＝△Elev×(a+b₁×2×Elev+b₂×Lat×Lon+b₃×2×Lat×Lon×Elev+b₄×Lon/Lat+b₅×2×Lon/Lat×Elev+b₆×Lat+b₇×2×Lat×Elev+b₈×Lon+b₉×2×Lon×Elev)式(1)；

式中，a,b_i(i＝1到9)为参数，值见表1和2，△T为气温差，△Elev为高程差；

表1 1-6海拔调整方程参数值

表2 7-12月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P_d；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A_n，即该点的距平值，与步骤(2)中获得的对应位置T_be或P_d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；

式中，t为时间；T为月分号；D为每月天数；m为当月的第几天；Y_T相关气候变量的月平均值；

aj=[(πj12)/sin(πj12)]ΣT[YTcos(2πjT12)/6],]]>

a6=[(π2)/sin(π2)]ΣT[YTcos(πT)/12],]]>

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；

NFFDm=min(Nm,0.2762+1.0114×(11+1.15×e(-0.4×Tmin)×Nm))]]>   式(6)

NFD_m＝N_m-NFFD_m   式(7)

式中，T_min为月均最低气温，N_m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；

PARd=0.7×(1-e-(0.036×e-0.154×ΔmT)ΔdT2.4)×Qex]]>   式(8)

其中，

Q_ex＝(0.0864/π)×1367×(1+0.033×cos(2π×d_Y/365))×hd×sin(Dec)×sin(Lat)+cos(Dec)×cos(Lat)×sin(hd)，

Dec＝Arcsin(0.4×Sin(2π×(d_Y-82)/365))，

hd＝Arccos(-tan(Lat)×tan(Dec)，

Lat＝π×siteLat/180；

式中，PAR_d为日光合有效辐射，Q_ex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，d_Y为一年中的第几天，△_mT为30天平均最高气温与最低气温的温差，△_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℃的月数生成温暖指数；

统计大于5℃、小于30℃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Elev_bil；然后将高程差△Elev＝Elev-Elev_bil代入气温海拔调整方程获得温差△T；最后将△T与T_bil相加获得T_be，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＝T₁×d₄+T₂×d₃   式(2)

T₁＝p₁×d₂+p₄×d₁   式(3)

T₂＝p₂×d₂+p₃×d₁   式(4)。