当前位置：首页 > news >正文

CRU 数据与 ArcGIS 集成：3 步完成站点气候值批量提取与重采样

news 2026/7/9 5:54:50

CRU 数据与 ArcGIS 集成：3 步完成站点气候值批量提取与重采样

在气候研究中，获取长时间序列的气候数据对于分析气候变化趋势至关重要。CRU（Climatic Research Unit）数据集作为全球范围内广泛使用的高分辨率气候数据，为研究人员提供了宝贵的历史气候信息。然而，如何高效地将这些数据与地理信息系统（如 ArcGIS）结合，实现站点级别的气候值提取与空间分析，一直是许多研究者面临的挑战。本文将详细介绍一个经过优化的三步骤工作流，帮助您快速完成从 CRU 数据到站点气候值的完整处理流程。

1. CRU 数据预处理与格式转换

CRU 数据通常以 NetCDF（.nc）格式提供，这种格式虽然适合存储多维科学数据，但在 ArcGIS 中的直接操作存在一定限制。因此，我们需要首先将数据转换为 ArcGIS 更友好的格式。

1.1 数据下载与初步检查

从 CRU 官方网站获取数据时，需要注意以下几点：

确认数据版本（如 CRU TS 4.07）
检查时间范围是否满足研究需求
验证空间分辨率（通常为 0.5°×0.5°）

下载完成后，建议使用 Panoply 或 ncview 等工具快速浏览数据内容，确认变量名称和数据结构。

1.2 NetCDF 到 GeoTIFF 的批量转换

使用 Python 可以高效完成格式转换任务。以下是使用 GDAL 库的示例代码：

import os import gdal # 设置输入输出路径 input_nc = "cru_ts4.07.1901.2022.pre.dat.nc" output_dir = "output_tifs" # 创建输出目录 os.makedirs(output_dir, exist_ok=True) # 使用gdal_translate进行转换 for year in range(2000, 2021): for month in range(1, 13): # 计算时间索引（假设数据从1901年开始） time_index = (year - 1901) * 12 + (month - 1) # 构建输出文件名 output_file = f"{output_dir}/pre_{year}_{month:02d}.tif" # 执行转换命令 cmd = f"gdal_translate -b {time_index+1} NETCDF:{input_nc}:pre {output_file}" os.system(cmd)

转换注意事项：

确保输出文件具有正确的空间参考系统
处理无数据值（通常为-32768）
验证数据方向是否正确（可能需要旋转或翻转）

2. 空间重采样与分辨率调整

原始 CRU 数据的空间分辨率（0.5°）可能无法满足精细尺度研究的需求。通过重采样，我们可以获得更高分辨率的数据。

2.1 ArcGIS ModelBuilder 自动化重采样

创建自动化重采样模型可以显著提高工作效率：

打开 ArcGIS Pro，创建新模型
添加"迭代栅格数据"工具，设置输入文件夹
连接"重采样"工具，配置参数：
- 输出分辨率：0.05°
- 重采样方法：双线性插值（连续数据）或最邻近法（分类数据）
设置输出位置和命名规则

重采样方法选择指南：

数据类型	推荐方法	适用场景
温度	双线性插值	平滑过渡的连续变量
降水	双线性插值	适度平滑降水分布
极端指数	最邻近法	保持原始值不变

2.2 批量处理性能优化

处理大量栅格数据时，可采取以下措施提高效率：

使用文件地理数据库而非文件夹存储中间结果
设置适当的处理范围（研究区掩膜）
分批次处理长时间序列数据
利用并行处理功能（ArcGIS Pro 2.6+）

3. 站点气候值提取与数据导出

获取站点位置的气候值是许多研究的最终目标。这一步骤需要考虑数据精度和输出格式的兼容性。

3.1 创建站点位置文件

最佳实践是使用文件地理数据库而非 shapefile：

创建新的文件地理数据库（.gdb）
在数据库中新建要素类
添加站点字段：ID、名称、经度、纬度等
导入或手动输入站点坐标

3.2 多值提取至点工具的高级应用

使用"多值提取至点"工具时，需要注意：

输入栅格：选择所有时间步长的重采样结果
输出字段命名：建议使用"变量_时间"格式（如"pre_200001"）
处理大量站点时，分块处理可避免内存不足

字段长度限制解决方案：

在文件地理数据库中操作，避免 shapefile 的10字符限制
使用简洁但具有描述性的字段名
考虑将结果存储在单独的表中，通过关联字段连接

3.3 高效数据导出策略

直接从属性表导出大量数据到 Excel 时，可采用以下方法：

使用"表转 Excel"工具（适合中小型数据集）
对于大型数据集：
- 导出为 CSV 格式
- 使用 Python 脚本分段导出
- 考虑使用数据库直接连接

示例 Python 导出代码：

import arcpy import pandas as pd # 输入要素类 input_fc = "study_area.gdb/climate_stations" # 读取属性表到pandas DataFrame fields = [f.name for f in arcpy.ListFields(input_fc) if not f.type in ["Geometry", "OID"]] data = [row for row in arcpy.da.SearchCursor(input_fc, fields)] df = pd.DataFrame(data, columns=fields) # 分块写入Excel with pd.ExcelWriter("climate_data.xlsx") as writer: for year in range(2000, 2021): year_cols = [col for col in df.columns if str(year) in col] df[["ID"] + year_cols].to_excel(writer, sheet_name=str(year), index=False)