第1篇--如何获取作物生长模型需要的历年气象数据？

------此篇为个人学习笔记。如有不正之处，欢迎指出。------

本篇介绍美国国家气候数据中心（NCDC）的气象数据库。

【1 数据准确性】对比了该气象数据库，与我国气象局的国际交换地面站数据，结果是一致的，可以放心使用。

图中对比了“气温”和“气压”两个指标，时间为2023年8月1日至6日，站点为江苏东台。

上图为对比“气温”和“气压”两个指标，时间为2023年8月1日至6日，江苏东台站点。

因此推测，国际交换地面站的数据 → NCDC数据中心。

【2 该数据库的优点】：免费。

【3 该数据库的缺点】：站点数较少，比如江苏省一共只有6个气象站点，如果实验地点不在该数据库的站点范围内，就只能取就近的站点了。

此外，缺少辐射数据，作物生长模型需要辐射数据驱动，因此需要另外寻找，待找到可靠的数据源再分享~

【4 如何下载】

下载地址：ftp://ftp.ncdc.noaa.gov/pub/data/noaa/isd-lite/

下载方式：在【我的电脑】框中输入上述地址，即可下载

【我的电脑】→ 输入ftp地址

【5 气象数据的理解】

数据下载以后是 .gz 的格式，解压后可用“记事本”打开。

下图中的文件名“582510-99999-2005” = “气象站点0-99999-年份”。

其中，582510 = 气象站点的ID + 0，即江苏东台的气象站点ID为58251。站点与其ID的对应关系在国家气象局可查到；2005 表示年份。

下载的气象数据没有表头，图中加上了说明文件中的表头，方便理解。

需要注意的是：气温，露点温度，气压等数据，需要除以10。例如-75，表示-7.5℃。

下载的气象数据.gz格式

【6 如何批量处理气象数据】

由于该数据是3小时的气象记录，而作物生长模型中需要的气象数据，往往是以一天为步长的，因此需要转换。

搜索关键字“美国国家气候数据中心（NCDC）”，即可找到用 Python 处理的教程。