CN108446482A - 一种生成完整的辐射要素空间数据集的方法 - Google Patents

Abstract

本发明公开了一种生成完整的辐射要素空间数据集的方法，涉及生态学应用技术领域。该方法，结合国家气象站和生态系统研究网络野外台站的辐射和日照时数观测数据，选取适用的辐射模型，并进行模型参数优化，从而对辐射要素进行站点扩展，再利用ANUSPLIN软件进行空间插值，使得总辐射、散射辐射、光合有效辐射和散射光合有效辐射四个要素数据在一个体系下生成，生成了完整一致的辐射要素数据集，避免了不合理数据的出现，所以，采用本发明实施例提供的方法生成数据集，不仅可以用于支撑不同时空尺度的生态系统研究，而且可以保证数据精度，同时可以把科研人员从繁琐的数据处理中解放出来，避免重复性工作。

Description

一种生成完整的辐射要素空间数据集的方法

技术领域

本发明涉及生态学应用技术领域，尤其涉及一种生成完整的辐射要素空间数据集的方法。

背景技术

太阳辐射是地球表层能量交换的主要来源，是影响陆地生态系统生产力和碳水收支的重要环境因子。辐射要素包括总辐射、散射辐射、光合有效辐射和散射光合有效辐射，其中光合有效辐射是植物光合作用的能量来源，其散射组分占有相当大的比例，并且能够通过增强植被冠层光能利用率来增强植被光合作用。因此，对辐射要素进行扩展计算及空间插值是陆地生态系统生产力准确模拟的基础，辐射要素数据的精度直接影响陆地生态系统碳源汇的估算精度。

目前，国际上辐射要素空间数据集一般只包括一到两个要素，其他要素用已有要素乘以经验比例系数来近似估算，例如光合有效辐射利用总辐射乘以40％或50％来获得，影响了数据精度。完整的辐射要素空间数据集目前鲜有报道。

而我国辐射要素观测站点相对气象观测站点较少，尤其是光合有效辐射和散射光合有效辐射，因此实现完整辐射要素的扩展计算及空间插值，生成一系列完整辐射要素空间数据集较为困难。

而如果无法生成一系列完整辐射要素空间数据集，则会影响陆地生态系统生产力及碳源汇的估算精度。

发明内容

本发明的目的在于提供一种生成完整的辐射要素空间数据集的方法，从而解决现有技术中存在的前述问题。

为了实现上述目的，本发明采用的技术方案如下：

一种生成完整的辐射要素空间数据集的方法，包括如下步骤：

S1，从待研究区域内的观测站中获取各辐射要素观测数据和日照时数观测数据，且模型参数化过程中使用的观测数据的获取站点位于同一体系下，其中，辐射要素观测数据包括总辐射观测数据、散射辐射观测数据和光合有效辐射观测数据；

S2，根据总辐射观测数据和日照时数观测数据选取总辐射扩展模型并进行模型参数化，得到参数化的总辐射扩展模型；根据所述参数化的总辐射扩展模型，利用日照时数观测数据对总辐射观测数据进行扩展，得到总辐射扩展数据；

S3，根据总辐射观测数据和散射辐射观测数据选取散射辐射扩展模型并进行模型参数化，得到参数化的散射辐射扩展模型；根据所述参数化的散射辐射扩展模型，利用S2中得到的总辐射扩展数据对散射辐射观测数据进行扩展，得到散射辐射扩展数据；

S4，根据光合有效辐射观测数据和总辐射观测数据选取光合有效辐射扩展模型并进行模型参数化，得到参数化的光合有效辐射扩展模型；根据所述参数化的光合有效辐射扩展模型，利用S2中得到的总辐射扩展数据对光合有效辐射观测数据进行扩展，得到光合有效辐射扩展数据；

S5，基于S2中得到的总辐射扩展数据、S3中得到的散射辐射扩展数据以及S4中得到的光合有效辐射扩展数据，利用Spitters模型估算得到散射光合有效辐射扩展数据；

S6，对总辐射扩展数据、散射辐射扩展数据、光合有效辐射扩展数据和散射光合有效辐射扩展数据分别进行空间插值计算，得到待研究区域尺度完整的辐射要素空间数据集。

优选地，S1中，所述观测站包括气象局观测站和生态系统研究网络观测站，所述气象局观测站包括多个总辐射观测站、散射辐射观测站和日照时数观测站，所述生态系统研究网络观测站包括多个光合有效辐射观测站和总辐射观测站。

优选地，S2中，所述总辐射扩展模型为Angstrom模型，如下所示：

式中：k_t为晴空指数，n和N分别代表实际日照时数和可能日照时数；Q和Q’分别代表总辐射和天文辐射；a和b是待定系数；其中，可能日照时数和天文辐射可以利用每个站的地理纬度和太阳赤纬计算得到。

优选地，S3中，所述散射辐射扩展模型为Boland模型，如下所示：

式中：k_d为散射比例，Q_d为散射辐射，c和d为待定系数。

优选地，S4中，所述光合有效辐射扩展模型为PAR模型，如下所示：

PAR＝[e+f·ln(k_t)]·Q

式中：PAR为光合有效辐射，e和f为待定系数。

优选地，S6中，采用ANUSPLIN软件进行空间插值计算。

优选地，S6包括如下步骤：

S601，利用ArcGIS完成辅助数据的处理，包括站点经纬度、高程提取；

S602，利用Matlab进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据的预处理，包括异常值剔除、数据插补和统计；

S603，在Matlab中进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据的格式化输出，以及ANUSPLIN参数文件的编写；

S604，利用ANUSPLIN进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射空间插值：调用Splina模块拟合样条函数，Lapgrd模块进行空间插值；

S605，利用Python完成总辐射、散射辐射、光合有效辐射和散射光合有效辐射空间数据的后期处理，包括将ANUSPLIN输出的文本文件转换为GRID文件、定义投影。

本发明的有益效果是：本发明实施例提供的生成完整的辐射要素空间数据集的方法，结合国家气象站和生态系统研究网络野外台站的辐射和日照时数观测数据，选取适用的辐射模型，并进行模型参数优化，从而对辐射要素进行站点扩展，再利用ANUSPLIN软件进行空间插值，使得总辐射、散射辐射、光合有效辐射和散射光合有效辐射四个要素数据在一个体系下生成，生成了完整一致的辐射要素数据集，避免了不合理数据的出现，所以，采用本发明实施例提供的方法生成数据集，不仅可以用于支撑不同时空尺度的生态系统研究，而且可以保证数据精度，同时可以把科研人员从繁琐的数据处理中解放出来，避免重复性工作。

附图说明

图1是完整的辐射要素空间数据集生成方法流程示意图；

图2是全国范围内的观测站点分布示意图；

图3是应用本发明的方法生成的全国总辐射空间化数据展示图；

图4是应用本发明的方法生成的全国散射辐射空间化数据展示图；

图5是应用本发明的方法生成的全国光合有效辐射空间化数据展示图；

图6是应用本发明的方法生成的全国散射光合有效辐射空间化数据展示图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提供了一种生成完整的辐射要素空间数据集的方法，包括如下步骤：

S1，从待研究区域内的观测站中获取各辐射要素观测数据和日照时数观测数据，且模型参数化过程中使用的观测数据的获取站点位于同一体系下，其中，辐射要素观测数据包括总辐射观测数据、散射辐射观测数据和光合有效辐射观测数据；

S2，根据总辐射观测数据和日照时数观测数据选取总辐射扩展模型并进行模型参数化，得到参数化的总辐射扩展模型；根据所述参数化的总辐射扩展模型，利用日照时数观测数据对总辐射观测数据进行扩展，得到总辐射扩展数据；

S3，根据总辐射观测数据和散射辐射观测数据选取散射辐射扩展模型并进行模型参数化，得到参数化的散射辐射扩展模型；根据所述参数化的散射辐射扩展模型，利用S2中得到的总辐射扩展数据对散射辐射观测数据进行扩展，得到散射辐射扩展数据；

S4，根据光合有效辐射观测数据和总辐射观测数据选取光合有效辐射扩展模型并进行模型参数化，得到参数化的光合有效辐射扩展模型；根据所述参数化的光合有效辐射扩展模型，利用S2中得到的总辐射扩展数据对光合有效辐射观测数据进行扩展，得到光合有效辐射扩展数据；

S5，基于S2中得到的总辐射扩展数据、S3中得到的散射辐射扩展数据以及S4中得到的光合有效辐射扩展数据，利用Spitters模型估算得到散射光合有效辐射扩展数据；

S6，对总辐射扩展数据、散射辐射扩展数据、光合有效辐射扩展数据和散射光合有效辐射扩展数据分别进行空间插值计算，得到待研究区域尺度完整的辐射要素空间数据集。

上述方法的S2-S4中，可以采用最小二乘法进行模型参数化。利用最小二乘法可以简便地求得未知的模型参数，从而使得参数化后的模型模拟数据与实际观测数据之间误差的平方和最小。

如本领域技术人员可以理解的，还可以采用其他的方法进行模型参数化，例如马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)，可以根据实际情况进行相应方法的选择。

其中，S1中，所述观测站包括气象局观测站和生态系统研究网络观测站，所述气象局观测站包括多个总辐射观测站、散射辐射观测站和日照时数观测站，所述生态系统研究网络观测站包括多个光合有效辐射观测站和总辐射观测站。

在实际使用过程中，总辐射观测数据进行扩展时，从气象局的总辐射观测站获取总辐射观测数据，并从气象局的日照时数观测站获取日照时数观测数据；散射辐射观测数据进行扩展时，从气象局的总辐射观测站获取总辐射观测数据，并从气象局的散射辐射观测站获取散射辐射观测数据；光合有效辐射观测数据进行扩展时，从生态系统研究网络的总辐射观测站获取总辐射观测数据，并从生态系统研究网络的光合有效辐射观测站获取光合有效辐射观测数据，从而使得各辐射要素数据在扩展过程中，保证使用的所有的相关数据都有相同的来源(比如，总辐射观测数据进行扩展时，要用到总辐射观测数据和日照时数观测数据，那么，这两种数据都从气象局的观测站获取，而不是日照时数观测数据从气象局观测站获取，总辐射观测数据从生态系统研究网络获取)，从而避免了不合理数据的产生，比如，理论上总辐射应该大于光合有效辐射和散射辐射，散射辐射应该大于散射光合有效辐射；但是如果在某个辐射要素数据扩展过程中，需要的相关数据从不同来源获取，就可能存在总辐射小于光合有效辐射或散射辐射，散射辐射小于散射光合有效辐射等不符合常识的情况。而且，除了从相同体系(气象局或生态系统研究网络)下的观测站获取辐射要素扩展过程中需要的数据之外，还需要在相同的待研究区域内的观测站中获取需要的数据，避免由于数据来源于不同区域的观测站导致数据不合理的情况。

本发明的一个优选实施例中，S2中，所述总辐射扩展模型可以为Angstrom模型，如下所示：

式中：k_t为晴空指数，n和N分别代表实际日照时数和可能日照时数；Q和Q’分别代表总辐射和天文辐射；a和b是待定系数；其中，可能日照时数和天文辐射可以利用每个站的地理纬度和太阳赤纬计算得到。

S3中，所述散射辐射扩展模型可以为Boland模型，如下所示：

式中：k_d为散射比例，Q_d为散射辐射，c和d为待定系数。

S4中，所述光合有效辐射扩展模型可以为PAR模型，如下所示：

PAR＝[e+f·ln(k_t)]·Q

式中：PAR为光合有效辐射，e和f为待定系数。

在上述方法的实施过程中，考虑到我国的地形和气候具有高度的空间异质性，所以一般可以分区估计模型参数，从而分区扩展站点数据。综合考虑区域差异和站点分布情况，根据我国自然地理区划，可以将全国分为8个区：西北区、内蒙区、东北区、华北区、华中区、华南区、西南区和青藏区，保证每个区中均有一定数量的观测站点，从而得到每个分区的模型参数。因此，本方法得到的模型参数不仅适用于全国辐射要素生产，也适用于不同地理分区的辐射要素生产。

在本发明的一个优选实施例中，S6中，采用ANUSPLIN软件进行空间插值计算。

其中，S6可以包括如下步骤：

S601，利用ArcGIS完成辅助数据的处理，包括站点经纬度、高程提取；

S602，利用Matlab进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据数据预处理，包括异常值剔除、数据插补和统计；

S603，在Matlab中进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据的格式化输出，以及ANUSPLIN参数文件的编写；

S604，利用ANUSPLIN进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据空间插值：调用Splina模块拟合样条函数，Lapgrd模块进行空间插值；

S605，利用Python完成总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据空间数据的后期处理，包括将ANUSPLIN输出的文本文件转换为GRID文件、定义投影。

具体实施例：

本发明实施例中，结合国家气象站和中国生态系统研究网络野外台站的辐射和日照时数观测数据，选取适用于我国的辐射模型，进行模型参数优化，从而对辐射要素进行站点扩展，再利用ANUSPLIN软件进行空间插值，生成了全国尺度辐射要素数据集，具体流程可参见图1，具体实施过程包括如下关键步骤：

1.总辐射的站点扩展

基于Angstrom模型(式1)，利用122个辐射站的总辐射和日照时数数据估计模型参数，然后利用756个气象站的日照时数数据和参数化后的Angstrom模型估算756个站的总辐射。

式中：kt为晴空指数，n和N代表实际日照时数和可能日照时数；Q和Q’代表总辐射和天文辐射；a和b是待定系数。可能日照时数和天文辐射是利用每个站的地理纬度和太阳赤纬计算得到的。

2.散射辐射的站点扩展

基于Boland模型(式2)，利用同时观测总辐射和散射辐射的辐射站的观测数据估计模型参数，然后利用参数化后的Boland模型和上一步得到的总辐射数据来估计756个站的散射辐射数据。

式中：kd为散射比例，Qd为散射辐射，c和d是待定系数。

3.PAR的站点扩展

采用PAR模型(式3)进行PAR的站点扩展。利用CERN(生态系统研究网络)39个野外台站的PAR和太阳总辐射数据估计模型参数，然后利用扩展后的总辐射数据以及参数化的模型估计756个气象站的PAR数据。

PAR＝[e+f·ln(k_t)]·Q (3)

式中：PAR为光合有效辐射，e和f为待定系数。

4.散射PAR的估算

采用Spitters等提出的散射PAR计算方法(式4)估算我国756个气象站的散射PAR。

PAR_d＝[1+0.3·(1-k_d)²]·k_d·PAR (4)

式中：PARd为散射PAR。

5.完整辐射要素空间化

利用ANUSPLIN空间插值软件包对各辐射要素进行空间插值，主要步骤如下：1)利用ArcGIS完成辅助数据的处理，包括站点经纬度、高程提取等；2)利用Matlab进行各辐射要素数据预处理，包括异常值剔除、数据插补和统计等；3)在Matlab中进行各辐射要素数据的格式化输出，以及ANUSPLIN参数文件的编写；4)利用ANUSPLIN进行各辐射要素空间插值：调用Splina模块拟合样条函数，Lapgrd模块进行空间插值；5)利用Python完成各辐射要素空间数据的后期处理，包括将ANUSPLIN输出的文本文件转换为GRID文件、定义投影等。

应用本发明实施例提供的方法，生成了中国区域1981-2010年月尺度和年尺度10km分辨率的完整辐射要素空间数据集，并且验证了数据精度，总辐射、散射辐射、光合有效辐射和散射光合有效辐射的相对误差分别仅为5.3％,4.0％,5.0％和3.7％。

应用本发明实施例提供的方法，还可以生成不同时空分辨率的全国、省域、县域等区域尺度的完整辐射要素空间数据集，支撑不同时空尺度的生态系统研究。以生态系统质量县域绩效考核为例，为得到县域生态系统质量，需要进行长时间的生态系统功能模拟，而辐射要素数据集是模拟所必需的基础数据集；如果能够在县域内收集较多的日照时数观测点，即可应用本发明实施例提供的方法得到县域高精度的辐射要素数据集。

另外，应用本发明实施例提供的方法生成的数据集可以支持碳循环模型模拟研究，尤其是散射辐射对生态系统碳交换的影响研究。

随着数据积累越来越多，应用本发明提供的方法结合更多的数据进行模型参数化，可以不断提高辐射要素扩展和插值的精度。而且，可以为观测点的优化提供依据，例如可在验证精度较低的区域设置观测点，以提高未来辐射数据集的精度。

具体应用例

在应用上述实施例的过程中，考虑到我国的地形和气候具有高度的空间异质性，因此可以分区估计模型参数，从而分区扩展站点数据。综合考虑区域差异和站点分布情况，根据中国自然地理区划，将全国分为8个区：西北区、内蒙区、东北区、华北区、华中区、华南区、西南区和青藏区，保证每个区中均有一定数量的观测站点，对每个分区进行各辐射要素的扩展，从而生成每个分区内的完整的辐射要素空间数据集。所以，本发明提供的方法得到的模型参数不仅适用于全国辐射要素生产，也适用于不同地理分区的辐射要素生产

具体实施过程中，结合国家气象局1981-2010年的总辐射、散射辐射、日照时数观测数据，以及中国生态系统研究网络2004-2010年总辐射和光合有效辐射观测数据(站点分布可参见图2)，对几个辐射模型进行了参数化，各参数取值及参数化验证效果如表1所示。应用参数化后的模型将各辐射要素扩展到700多个站，从而进行了空间化，空间化结果如图3-6所示。

表1模型参数化及验证效果

通过采用本发明公开的上述技术方案，得到了如下有益的效果：本发明实施例提供的生成完整的辐射要素空间数据集的方法，结合国家气象站和生态系统研究网络野外台站的辐射和日照时数观测数据，选取适用的辐射模型，并进行模型参数优化，从而对辐射要素进行站点扩展，再利用ANUSPLIN软件进行空间插值，使得总辐射、散射辐射、光合有效辐射和散射光合有效辐射四个要素数据在一个体系下生成，生成了完整一致的辐射要素数据集，避免了不合理数据的出现，所以，采用本发明实施例提供的方法生成数据集，不仅可以用于支撑不同时空尺度的生态系统研究，而且可以保证数据精度同时可以把科研人员从繁琐的数据处理中解放出来，避免重复性工作。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (7)

1.一种生成完整的辐射要素空间数据集的方法，其特征在于，包括如下步骤：

S1，从待研究区域内的观测站中获取各辐射要素观测数据和日照时数观测数据，且模型参数化过程中使用的观测数据的获取站点位于同一体系下，其中，辐射要素观测数据包括总辐射观测数据、散射辐射观测数据和光合有效辐射观测数据；

S2，根据总辐射观测数据和日照时数观测数据选取总辐射扩展模型并进行模型参数化，得到参数化的总辐射扩展模型；根据所述参数化的总辐射扩展模型，利用日照时数观测数据对总辐射观测数据进行扩展，得到总辐射扩展数据；

S3，根据总辐射观测数据和散射辐射观测数据选取散射辐射扩展模型并进行模型参数化，得到参数化的散射辐射扩展模型；根据所述参数化的散射辐射扩展模型，利用S2中得到的总辐射扩展数据对散射辐射观测数据进行扩展，得到散射辐射扩展数据；

S4，根据光合有效辐射观测数据和总辐射观测数据选取光合有效辐射扩展模型并进行模型参数化，得到参数化的光合有效辐射扩展模型；根据所述参数化的光合有效辐射扩展模型，利用S2中得到的总辐射扩展数据对光合有效辐射观测数据进行扩展，得到光合有效辐射扩展数据；

S5，基于S2中得到的总辐射扩展数据、S3中得到的散射辐射扩展数据以及S4中得到的光合有效辐射扩展数据，利用Spitters模型估算得到散射光合有效辐射扩展数据；

S6，对总辐射扩展数据、散射辐射扩展数据、光合有效辐射扩展数据和散射光合有效辐射扩展数据分别进行空间插值计算，得到待研究区域尺度完整的辐射要素空间数据集。

2.根据权利要求1所述的生成完整的辐射要素空间数据集的方法，其特征在于，S1中，所述观测站包括气象局观测站和生态系统研究网络观测站，所述气象局观测站包括多个总辐射观测站、散射辐射观测站和日照时数观测站，所述生态系统研究网络观测站包括多个光合有效辐射观测站和总辐射观测站。

3.根据权利要求1所述的生成完整的辐射要素空间数据集的方法，其特征在于，S2中，所述总辐射扩展模型为Angstrom模型，如下所示：

式中：k_t为晴空指数，n和N分别代表实际日照时数和可能日照时数；Q和Q’分别代表总辐射和天文辐射；a和b是待定系数；其中，可能日照时数和天文辐射可以利用每个站的地理纬度和太阳赤纬计算得到。

4.根据权利要求3所述的生成完整的辐射要素空间数据集的方法，其特征在于，S3中，所述散射辐射扩展模型为Boland模型，如下所示：

式中：k_d为散射比例，Q_d为散射辐射，c和d为待定系数。

5.根据权利要求3所述的生成完整的辐射要素空间数据集的方法，其特征在于，S4中，所述光合有效辐射扩展模型为PAR模型，如下所示：

PAR＝[e+f·ln(k_t)]·Q

式中：PAR为光合有效辐射，e和f为待定系数。

6.根据权利要求1所述的生成完整的辐射要素空间数据集的方法，其特征在于，S6中，采用ANUSPLIN软件进行空间插值计算。

7.根据权利要求6所述的生成完整的辐射要素空间数据集的方法，其特征在于，S6包括如下步骤：

S601，利用ArcGIS完成辅助数据的处理，包括站点经纬度、高程提取；

S602，利用Matlab进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据的预处理，包括异常值剔除、数据插补和统计；

S603，在Matlab中进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射数据的格式化输出，以及ANUSPLIN参数文件的编写；

S604，利用ANUSPLIN进行总辐射、散射辐射、光合有效辐射和散射光合有效辐射空间插值：调用Splina模块拟合样条函数，Lapgrd模块进行空间插值；

S605，利用Python完成总辐射、散射辐射、光合有效辐射和散射光合有效辐射空间数据的后期处理，包括将ANUSPLIN输出的文本文件转换为GRID文件、定义投影。