本文基于以下论文,感兴趣的朋友可以自己去观看:
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。