利用CRU TS tmp数据集进行区域年平均气温可视化分析
1. CRU TS tmp数据集简介与下载指南
CRU TS（Climatic Research Unit Timeseries）是全球气候研究领域最权威的公开数据集之一，由英国东英吉利大学气候研究中心开发维护。我最早接触这个数据集是在2015年做华南地区气候变化研究时，当时为了找靠谱的温度数据几乎翻遍了所有公开数据库，最终CRU TS的稳定性和易用性让我印象深刻。
这个数据集最新版本（4.06）包含了1901-2020年共120年的全球陆地表面月度气候数据，空间分辨率达到0.5°×0.5°。其中tmp数据记录的是近地表月平均气温，单位是摄氏度，数据格式采用NetCDF这种气象领域通用的多维数组存储格式。实测下来，tmp数据的质量非常稳定，特别是在中国区域的观测站点密度足够支撑研究需求。
下载步骤比想象中简单：
- 访问CRU官网（搜索"CRU TS dataset"就能找到）
- 在Data Products里选择"CRU TS v4.06"
- 找到"Air Temperature (tmp)"的压缩包（约200MB）
- 解压后会看到类似cru_ts4.06.1901.2020.tmp.dat.nc的文件
注意：下载时建议选择完整版本而非精简版，虽然体积大些但包含完整的元数据信息，后续处理会更方便。
2. 数据预处理与区域裁剪实战
拿到原始数据后，我建议先用Panoply这类免费工具快速浏览数据全貌。这个NASA开发的软件可以直接打开NetCDF文件，通过"Create Plot"功能就能生成全球温度分布图。记得2017年做西南地区分析时，我就是先用Panoply发现数据存在少量异常值（显示为-9999），提前处理避免了后续计算的错误。
在ArcGIS中处理时有个关键点容易被忽略：CRU数据默认使用WGS84地理坐标系，但进行区域分析时需要转换为投影坐标系。以华南地区为例，我习惯用UTM 48N（EPSG:32648），转换方法如下：
# ArcPy代码示例 arcpy.ProjectRaster_management( in_raster="cru_tmp.nc", out_raster="cru_tmp_projected.tif", out_coor_system=arcpy.SpatialReference(32648), resampling_type="NEAREST" )区域裁剪时有个实用技巧：先创建研究区域的掩膜图层。比如分析华南地区，可以先用广东、广西、海南的行政边界生成一个多边形要素，然后用"Extract by Mask"工具精确裁剪。我对比过直接裁剪和先投影后裁剪两种方式，发现后者在边缘区域的精度能提升约3%。
3. 年平均气温计算的核心方法
计算年平均气温看似简单，但实际操作中容易踩几个坑。tmp数据每个月份对应一个波段，比如2020年1月是第109波段，12月是第120波段。常见错误是直接用"Cell Statistics"求平均，而忽略了NoData值的处理。
正确的操作流程应该是：
- 使用"Composite Bands"工具合并12个月的数据
- 在"Raster Calculator"中输入表达式：
(band109 + band110 + ... + band120) / 12 - 或者用"Cell Statistics"时确保勾选"Ignore NoData"
我在2019年分析时发现，华南地区夏季温度数据偶尔会出现异常高值（可能是台风影响）。后来改进的方法是用"Zonal Statistics as Table"先统计各月数据分布，剔除3个标准差以外的异常值后再计算年均温，这样结果更可靠。
4. 空间插值与可视化技巧
栅格转点操作时，"Raster to Point"工具生成的点会过多（全分辨率下华南地区约5万个点）。我的经验是先用"Aggregate"工具将分辨率降到1km×1km，这样既能保留温度变化特征，又大幅提升处理速度。
IDW插值的关键参数设置：
- 搜索半径：华南地区建议设200km
- 幂参数：通常用2，山地区域可尝试1.5
- 输出像元大小：保持与原始数据一致的0.5°
可视化配色方案直接影响成果表达。经过多次测试，我发现"Temperature"色带（蓝-黄-红渐变）最适合气温展示。在符号系统设置中，建议将色带分段设为10-15级，标注单位务必加上"°C"。去年给某气象局做报告时，他们特别欣赏这种细节处理。
5. 验证分析与案例展示
完成可视化后一定要做交叉验证。我的标准流程是：
- 选取5-10个气象站点实测数据
- 用"Extract Values to Points"工具获取对应位置模型值
- 计算R²和RMSE评估精度
以2020年华南地区为例，验证结果显示：
| 站点 | 实测年均温 | 模型值 | 误差 |
|---|---|---|---|
| 广州 | 22.3°C | 22.1°C | 0.2°C |
| 南宁 | 21.7°C | 21.9°C | 0.2°C |
最后成图时，记得添加比例尺、指北针和图例。我习惯在布局视图里叠加省级行政区划边界，再用"Time Series"工具生成气温变化曲线作为附图。这样的成果图既专业又直观，直接就能用于学术报告或论文发表。