1. 为什么我们需要替换WRF的默认土地利用数据?
如果你正在用WRF(Weather Research and Forecasting Model)做中国区域的天气或气候模拟,尤其是关注城市热岛、干旱、洪水或者空气质量这类与地表状况紧密相关的问题,那么你很可能已经遇到了一个瓶颈:WRF自带的全球土地利用数据,比如USGS或MODIS,在中国区域的精度和准确性上,实在是有点“力不从心”。
我刚开始做华北平原的夏季降水模拟时,就踩过这个坑。WRF默认的USGS数据分辨率大约是1公里(30秒),但它的分类是基于上世纪90年代的全球遥感影像,很多地物信息已经过时了。比如,它可能把一片已经变成城市建成区的地方,仍然标记为农田。你想想,城市的水泥森林和农田的土壤植被,它们的反照率、粗糙度、土壤湿度、热容量等物理属性天差地别。用一个错误的“下垫面”去驱动大气模型,就好比用一张过时的老地图去导航一个日新月异的新城区,模拟出来的温度、湿度、风场,能准吗?偏差个几度、降水位置偏移几十公里,都是常有的事。
这时候,我们就需要引入更精确的“中国本土化”土地利用数据。国内有很多优秀的科研团队生产了长时间序列、高分辨率的土地利用/土地覆盖数据,比如你提到的“中国土地利用数据(1980-2015)”,还有后来的CLCD、GlobeLand30等。这些数据基于国产卫星(如Landsat、HJ-1等)解译,分类体系更符合中国国情,能更准确地反映城市扩张、农田轮作、森林砍伐等动态变化。用它们替换掉WRF里那个“老古董”,就相当于给模型换上了一双更清晰、更贴合实际的“眼睛”,让它能“看”清我们脚下这片土地的真实样貌。
这个过程,我们称之为“静态地理数据替换”,核心就是替换WPS_GEOG目录下的那些二进制数据文件。听起来好像只是换个文件,但实际操作起来,从数据下载、坐标系转换、分类体系重映射,到格式转换、参数配置,每一步都有不少细节需要注意。下面,我就结合自己多次实战(和踩坑)的经验,带你走一遍完整的流程。
2. 数据准备与预处理:从原始栅格到WRF可识别的样子
拿到一份新的土地利用数据,比如你手头的lucc1980,第一步不是急着往WRF里塞,而是要先把它“调理”成WRF能“消化”的格式。这主要包括坐标系统和数据格式的转换。
2.1 坐标系转换:统一“语言”
WRF模型内部统一使用WGS-84地理坐标系(经纬度)。而我们下载的国产数据,为了面积量算准确,常常使用投影坐标系,比如Krasovsky_1940_Albers(阿尔伯斯等积圆锥投影)。这就好比一个说中文,一个说英文,直接对话肯定不行。我们必须把数据“翻译”成WRF能懂的“语言”。
我通常用QGIS或者ArcMap来完成这个转换,因为它们对栅格数据的重投影处理比较成熟稳定。以QGIS为例,操作流程如下:
- 加载数据:打开QGIS,将你的
lucc1980栅格数据(可能是.tif或.img格式)拖入图层面板。在图层属性里,你能看到它的原始坐标系信息。 - 执行重投影:在顶部菜单找到
栅格->投影->扭曲(重投影)。 - 设置参数:
- 输入图层:选择你的
lucc1980。 - 目标坐标系:选择
EPSG:4326 - WGS 84。这是标准的WGS-84地理坐标系。 - 重采样方法:这里非常关键!土地利用数据是分类数据,每个像元值代表一个类别(如1代表城市,2代表农田)。绝对不能使用像“双线性内插”或“三次卷积”这类适用于连续值(如温度、高程)的重采样方法,因为它们会生成不属于原始类别的中间值(比如1.5),彻底破坏数据的分类属性。必须选择“最近邻重采样”,它保证每个输出像元的类别值都来自最近的那个输入像元,类别信息不会改变。
- 输出格式:选择
GeoTIFF,这是
- 输入图层:选择你的
4725



被折叠的 条评论
为什么被折叠?



