基于CRU和WorldClim的高分辨率（1km）气候数据生成

本文基于以下论文，感兴趣的朋友可以自己去观看：

Peng, S., Ding, Y., Liu, W., & Li, Z. (2019). 1 km monthly temperature and precipitation dataset for China from 1901 to 2017. Earth System Science Data, 11(4), 1931-1946.

一、数据

（1）CRU（1901-2017），空间分辨率30′

（2）WorldClim（1970-2000），空间分辨率0.5′（约1km）

二、方法（以温度数据为例）

（1）求CRU数据的多年月平均值，得到12个栅格，对应每一个月份。

（2）计算CRU1901-2017每个月份与第一步中得到的多年月平均值的差值（这里指温度，降水是求比值），那我们就得到了所有年所有月的30′异常数据，即异常时间序列数据。

（3）将30′异常时间序列数据插值为0.5′数据（以WorldClim数据为模板），可以使用的插值方法有： bicubic, bilinear, nearest-neighbor interpolation methods。

（4）这样我们就得到了和0.5′WorldClim分辨率完全一致的异常时间序列数据，然后我们再按照第一步的做法对WorldClim进行多年月平均值的计算，得到0.5′的多年月平均值数据。

（5）将0.5′的多年异常时间序列数据（基于CRU数据计算得到）和0.5′的多年月平均值数据（基于WorldClim数据计算得到）相加，最终得到0.5′的1901-2017温度数据。

三、总结

这个方法其实有一个重要前提假设，就是1970-2000年的多年气候特征可以代表1901-2017年的多年气候特征，以上都是我自己对文章其中一部分的一个解读，有兴趣的朋友还是建议去看看原文。