1. 为什么我们需要替换WRF的默认土地利用数据?
如果你用过WRF做模拟,尤其是针对咱们国内区域的模拟,你可能会发现模拟出来的结果,比如城市热岛效应、地表温度或者降水分布,有时候和实际情况对不上。我刚开始做项目的时候也遇到过,折腾了好久,最后发现根子可能出在“下垫面”数据上。
WRF模型自带的静态地理数据,比如地形高度、土地利用类型、土壤类型等,很多是基于全球尺度的老旧数据。就拿土地利用来说,WRF常用的USGS-24分类数据,其来源可能已经是几十年前的卫星观测了。这几十年来,咱们国家的城市化进程多快啊,很多当年的农田、林地现在都变成了城市和道路。你用一套几十年前的土地覆盖图去驱动一个模拟今天天气的模型,这就像拿着一张老地图在新建成的城市里找路,能不走岔吗?
所以,用更符合当前实际情况的、精度更高的中国土地利用数据去替换掉模型里默认的全球数据,就成了提升模拟精度一个非常关键,甚至可以说是“立竿见影”的步骤。这个过程,我们通常就叫“替换下垫面数据”。听起来挺专业,但说白了,就是给模型换上一张更清晰、更准确的“地表皮肤”。
这次我要分享的,就是把一套中国自己的土地利用数据(比如中科院发布的“中国土地利用数据集”),转换成WRF能“吃”下去的格式(USGS-24分类),并成功替换进去的完整过程。我踩过不少坑,也总结了一些小技巧,希望能帮你省点时间,一次搞定。
2. 动手前的准备:理解数据与工具
在开始敲命令之前,咱们得先把“食材”和“厨具”搞清楚。磨刀不误砍柴工,这一步理解透了,后面操作就顺畅了。
2.1 认识你的“新数据”:中国土地利用数据集
我用的数据是中科院资源环境科学与数据中心发布的中国土地利用遥感监测数据。这个数据集时间跨度长(从1980年代到现在),分类体系详细,在国内研究中应用非常广泛。你下载下来的数据,很可能是一个以年份命名的文件夹,比如 lucc1990,里面包含 GRID 格式的栅格数据文件。
这里有几个关键点你需要亲自确认:
- 空间参考(坐标系):用
ArcGIS或者开源的QGIS打开数据,查看属性。你会发现它的原始坐标系通常是Krasovsky_1940_Albers,这是一种投影坐标系。而WRF模型在处理静态地理数据时,要求使用地理坐标系,最常用的就是WGS_1984。所以,坐标转换是绕不开的第一步。 - 数据格式:原始数据可能是
GRID或tiff。为了后续在多种工具中通用,我们通常会统一转换成GeoTIFF(.tif)格式,它既能存储栅格值,也能把坐标信息“嵌”在里面,非常方便。 - 分类体系:这是核心难点。中国土地利用数据有自己的分类标准,比如一级类有耕地、林地、草地、水域、城乡工矿居民用地、未利用土地等6类,下面再细分成二十多个二级类。而WRF的
USGS-24分类是另一套完全不同的体系,它包含城市、旱作农田、灌溉农田、混合林、水体、湿地、荒漠等24个类别。这两套“语言”不通,我们需要一张“翻译表”。
2.2 搭建你的“操作台”:软件环境
整个过程会涉及Windows和Linux环境,你需要准备好以下工具:
- 数据处理与查看:
ArcGIS或QGIS。用于坐标转换、重分类、查看数据范围和属性。我个人习惯用ArcGIS做前期的可视化处理和属性探查,因为它对中文支持好,操作直观。 - 格式转换核心工具:
GDAL。这是一个开源的地理数据转换库,功能极其强大。我们后面在Linux下将tiff转成WRF需要的二进制格式,全靠它。在Ubuntu系统里,一条sudo apt-get install gdal-bin命令就能安装。 - WRF模型环境:一个已经成功编译好
WPS(WRF预处理系统)的Linux环境(如Ubuntu)。你需要知道WPS_GEOG这个静态数据目录的路径,我们的新数据最终就要放在这里。
准备好这些,我们就可以正式开始“烹饪
1万+



被折叠的 条评论
为什么被折叠?



