anusplin软件操作说明及气象数据处理
anusplin软件操作说明及气象数据处理
气象数据处理方法：spss和Excel一、下载原始txt数据中的经纬度处理：将度分处理成度，Excel处理首先除以100，处理成小数格式，这里第一个实际是52度58分，在Excel中用公式：=LEFT(O2,FIND(".",O2)-1)+RIGHT(O2,LEN(O2)-FIND(".",O2))/60需注意：当为整数时，值为空，这时需查找出来手动修改，或者将经纬度这一列的小数位改成两位再试试，可能好使（这个我没尝试）第二步：将经纬度转换成投影坐标，在arcgis实现将Excel中的点导入arcgis，给定坐标系为wgs84地理坐标，然后投影转换成自己定义的等面积的albers投影（因为anusplina软件需要投影坐标，这里转换成自己需要的坐标系）第三步：spss处理将下载的txt数据导入spss之后，编辑变量属性，删掉不需要的列，然后将最后需要的那些变量进行数据重组本实验下载的数据是日均温数据，全国800+个站点2012年366天的数据。
相当于有800+ * 366行数据1.变量变量属性：变量属性这里的设置决定了在SPLINA这个模块中输入数据的格式，本实验spss处理的气象数据的格式统一用这个：(A5,2F18.6,F8.2,F8.2)，一共5列。
即：台站号，字符串，5位；经纬度：都是浮点型，18位，6个小数位海拔：浮点型，8位，2个小数位日均温：浮点型，8位，2个小数位2.数据重组，将个案重组成变量：后几步都默认就行：重组之后结果：变成了800+行，370列，就相当于数据变成了：行代表每个站点，列是代表每一天的数据。
3. 因为anusplin这个软件需要的是投影坐标，在重组完的基础上，将经纬度这两列替换成投影之后的经纬度。
方法1：直接复制粘贴即可方法二：用合并文件，添加变量功能运行结果：下面说明：本实验中站点59981的位置在南沙那边，不在现有的DEM范围内，固可以删掉这个点不用。
Anusplin使用方法(以降水数据为例)
Anusplin 使用方法一、 解压安装包可见anusplin 核心模块如下：我们主要用到的是splina 和lapgrd 程序，具体模块介绍和流程图可查询用户手册二、准备数据格式2．1 气象台站数据原始数据格式是以站点名、日期、气温、降水等变量为列，不便插值处理。
利用spss 转化为气象变量固定的文件，每个气象文件中均以站点和日期为列，变量唯一。
操作步骤：①Spss 打开txt 数据文件→菜单中点击“数据”→重组→将个案重组为变量，其中站点名作为标识变量，年月日作为索引变量，点击下一步直至完成，即可将数据重组。
原始数据整理数据注：数据不含表头，从第一行起就必须与下面的splina cmd 文件中的format 吻合② Spss打开txt站点信息文件（包含站点经纬度和高程）→在步骤①中的数据文件界面，菜单中点击“数据”→合并文件、添加变量→选择刚刚打开的站点信息文件→勾选匹配关键变量的个案，将站点名作为关键变量，活动集为基于变量的表，确定。
即可完成按照站点名进行站点信息的匹配和添加。
③将已包含了经纬高程信息的站点数据另存为固定的ASCII格式.dat,注意不是制表符分隔的.dat。
可供splina读取。
2.2 DEM数据下载STRM90m分辨率的原始高程数据(未经投影)，在ArcGIS中对DEM文件进行镶嵌、投影（根据研究情况与其他数据统一投影即可）、重采样，最终利用toolbox中Conversion工具→From Raster to ASCII，转化为txt文本文件，可供lapgrd读取。
三、编写命令行3.1 Splina cmd在写字板中编辑，另存为.cmd后缀即可，以下是文件和说明：输出表面名要插数据的单位（由于是降水数据已处理为m，选择1）独立变量个数3（经度、纬度、高程）协变量个数0表面样条变量个数表面协变量个数经度的左右极限、是否转换（0-不转换）、单位（1-m）纬度的左右极限、是否转换（0-不转换）、单位（1-m）高程的上下限、是否转换（1-转换方式为x/a）、单位（1-m）转换系数a= 1000独立变量转换（2-将所有表面值调整为原来的平方根）样条次数（2次样条）输出表面个数，365个0-为每个表面采用同样权重1-优化参数，通常为1平滑参数选择方法（1-GCV法）输入数据文件.dat站点个数，设置得大一些站点标识符个数，5个字符输入数据格式，与spss中数据宽度和小数位一致。
ANUSPLIN操作说明书
ANUSPLIN操作说明书ANUSPLIN操作说明书ANUSPLIN作为一个气象插值软件，网上有很多人找我问这些问题。
该软件与传统的界面式操作软件不同，所以刚开始接触的时候很多人感觉束手无策。
在此我写个说明文档，希望对刚开始接触学习的人有所帮助！如果仍有问题欢迎加QQ群466083085 进行交流。
数据的准备工作就不多了，气象数据利用SPSS整理成固定ASCII 格式，栅格数据在arcgis下面转换为ASCII格式。
具体操作可百度。
因个人水平有限，文档中有什么错误望指正！数据不论是地理坐标还是投影坐标都能运行，但是你的实验需要什么数据类型自行决定！软件的使用主要是调用splina.exe和lapgrd.exe两个程序。
接下来我先介绍splina的脚本如何编写这是一个完整的cmd文件示例。
下面我来解释一下每一行都代表什么东西。
图中可能说的不是很清楚，1000就是转换数据的转换系数后面还有验证文件输入名称，一般情况没有验证文件可以添加空格行保存后就可使用。
接下来我说说lapgrd的脚本编写，下面是一个输出单个表面的完整脚本样例下面是一个输出三个表面的脚本样例接下来解释一下每个参数的意义在做实验的时候必须注意的问题是splina的范围一定要比lapgrd 的范围略大原因在与栅格数据和矢量数据不能完全吻合，会产生误差，第一个命令设定好的范围栅格数据不能确保在范围之内执行命令就会报错。
软件运行其实很简单，你只要写好cmd脚本文件就可以调用你的软件了。
Win+R键打开运行输入cmd 即可打开命令提示符窗口这其实是个DOS界面，首先你要进入你cmd文件、数据文件、exe程序的路径。
如图所示，我进入了文件的所在路径。
然后输入splina<气温.cmd>temp.log 后按回车即可运行splina.exe程序。
splina代表你的splina.exe程序气温.cmd代表写的cmd脚本名称temp.log是日志文件，你在哪出错了或者你每一步输入的命令是做什么的你都可以在这里面进行查看。
直读光谱仪软件操作规程(3篇)
第1篇直读光谱仪软件操作规程是针对直读光谱仪配套软件的操作指南，旨在指导用户正确、高效地使用软件进行光谱分析。
本规程适用于所有类型的直读光谱仪软件，包括数据采集、处理、分析及报告等功能。
二、软件安装与启动1. 确保计算机操作系统符合软件要求，并安装必要的驱动程序。
2. 将软件安装光盘放入光驱，按照提示完成安装。
3. 双击桌面上的软件图标，或通过开始菜单找到软件并启动。
4. 在软件启动过程中，如需进行系统设置，请按照提示进行操作。
三、软件界面介绍1. 菜单栏：包含文件、编辑、视图、工具、帮助等菜单项，用于执行各种操作。
2. 工具栏：提供常用功能的快捷按钮，如新建、打开、保存、打印等。
3. 工作区：显示当前操作的数据、图表等信息。
4. 状态栏：显示软件状态、当前操作等信息。
四、数据采集与处理1. 连接光谱仪：确保光谱仪与计算机连接正常，打开光谱仪电源。
2. 采集数据：在软件中选择合适的分析方法，设置相关参数，开始采集数据。
3. 数据处理：采集完成后，对数据进行平滑、滤波、提取等处理。
五、光谱分析1. 选择分析方法：根据样品成分和含量要求，选择合适的光谱分析方法。
2. 设置分析参数：根据样品特性，设置分析参数，如积分时间、扫描速度等。
3. 进行分析：点击“分析”按钮，软件将自动进行光谱分析。
4. 查看分析结果：分析完成后，在工作区显示分析结果，包括含量、标准偏差等。
六、报告生成与打印1. 生成报告：点击“报告”菜单，选择报告模板，将分析结果生成报告。
2. 打印报告：将生成的报告导出为PDF或Word格式，进行打印。
七、软件关闭1. 关闭报告：完成报告打印后，关闭报告窗口。
2. 退出软件：点击菜单栏中的“文件”菜单，选择“退出”或点击软件右上角的关闭按钮。
3. 断开光谱仪连接：关闭光谱仪电源，确保光谱仪与计算机连接正常断开。
八、注意事项1. 确保光谱仪与计算机连接正常，避免数据采集失败。
2. 在进行光谱分析时，请仔细设置分析参数，确保分析结果的准确性。
未来气候变化情景下中国气候生长期演变
未来气候变化情景下中国气候生长期演变杨怀志１，李 靖２，赵昕奕１（１．北京大学城市与环境学院，北京１００８７１；２．北京市气象台，北京１０００８９）摘要：利用１９７１—２０１０年中国气温数据和区域协同降尺度试验东亚地区项目组ＲＣＰ４．５和ＲＣＰ８．５情景下未来气候预估数据，分析了５℃为界限温度表征的气候生长期演变规律。
结果表明：（１）１９７１—２０１０年，全国大部分地区气候生长期略有增加，生长期开始日期提前为主要特征；（２）在ＲＣＰ４．５情景下，气候生长期开始日期的提前主要表现在华东和华中地区以及青藏高原地区，结束日期的推迟表现在青藏高原地区中部、南部和东部以及新疆的“三山地区”，推迟日数均在３０ｄ以上；（３）在ＲＣＰ８．５情景下，气候生长期开始日期受影响范围在ＲＣＰ４．５情景的基础上有所增加，变化日数大幅增加，结束日期则是长江流域以北及青藏高原地区变化日数均较大，长江流域以北和青藏高原地区的气候生长期均延长２０ｄ以上；（４）青藏高原地区气象站点较少，地形地貌较为复杂，结果精度虽受影响，但无论是过去４０年还是未来情景，其北部地区对生长期开始日期的变化最为敏感。
关 键 词：全球变暖；气候生长期；变化趋势；中国中图分类号：Ｋ９０３ 文献标志码：Ａ 文章编号：１００３２３６３（２０２１）０３?０１０９?０６ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３?２３６３．２０２１．０３．０１９收稿日期：２０２０－０７－０６；修回日期：２０２１－０４－２３基金项目：国家重点研发计划课题（２０１８ＹＦＡ０６０６６１０４）；第二次青藏高原综合科学考察研究资助项目（２０１９ＱＺＫＫ１００１）作者简介：杨怀志（１９９６－），男，河南濮阳市人，硕士研究生，主要从事自然地理学与全球气候变化研究，（Ｅ ｍａｉｌ）ｙｈｚ１９９６＠ｐｋｕ．ｅｄｕ．ｃｎ。
通信作者：赵昕奕（１９６８－），女，吉林白城市人，副教授，博士，主要从事自然地理学与全球气候变化研究，（Ｅ ｍａｉｌ）ｓｈ ｚｈａｏ＠ｕｒ ｂａｎ．ｐｋｕ．ｅｄｕ．ｃｎ。
ANUSPLIN详细使用说明
ANUSPLIN使用说明ANUSPLIN是提供实用的转换分析和对多变量数据采用薄盘光滑样条插值进行插值的工具。
它提供了完整的统计分析、数据诊断以及空间分布标准误。
同样也支持多种数据输入和表面查询功能。
薄盘光滑样条表面拟合法最早由Wahba出（1979），然后由Bates 和Wahba（1982），Elden(1984),Hutchinson(1984)和deHoog（1985）对其进行了改进以适用于大数据集。
Batesetal.（1987）将其扩展为局部样条法，这样就可以把参数线性亚模型（或协变量）添加插值中，而不像以前只能考虑独立样条变量（即自变量）。
这为这些因变量提供由这些自因变量决定的参数form提供了一种极好的方式。
在没有独立样条变量的情况下（当前不允许），将进行简单的多变量线性回归。
薄盘光滑样条插值事实上可以被看作广义的标准多变量线性回归，但是参数模型由一个适用的光滑非参数函数所替代。
拟合函数的光滑度，或者与之相对的复杂度通常会根据数据拟合表面的最小预测误差通过GCV（广义交叉验证）自动计算。
GCV数据模拟结果的验证由Craven和Wahba（1979）年提出并完成。
Wahba（1990）对薄盘光滑样条技术各种模块进行了全面介绍。
Hutchinson(1991a)对月平均气象要素空间插值的基本理论和应用进行了简要的概述，Hutchinson（1993）和HutchinsonGessler(1994)对运算和相关行了对比。
Hutchinson（1995，1998ab）对该方法运用到了年和日降水数据的插值上。
同时模拟多个表面非常方便，尤其是对气象数据而言。
ANUSPLIN在允许任意多的这样的表面和“表面独立变量”，以便独立变量在各表面间做系统地改变。
ANUSPLIN允许系统查询这些表面及其标准误，点文件或者grid文件都行。
ANUSPLIN同样允许对独立变量和依从变量进行转换。
华中农业大学国家211工程大学华中农业大学国家211工程大学下边将对ANUSPLIN个组件进行简要概述。
专用气候数据空间插值软件ANUSPLIN及其应用
专用气候数据空间插值软件ANUSPL IN 及其应用刘志红1,2 Li Lingtao 3 Tim R.McVicar 3Van Niel ,T.G 3 杨勤科4 李 锐4(1.成都信息工程学院电子工程系,610225;2.中国气象局大气探测重点开放实验室;3.澳大利亚联邦科工组织水资源研究所;4.中国科学院水土保持与生态环境研究中心)提 要:空间化的气候数据作为环境因子参数是区域气候模型和地学模型的基础,而插值软件是实现气候观测点数据空间化的工具。
ANUSPL IN 基于薄盘样条函数理论,引入多个影响因子作为协变量进行气象要素空间插值,大大提高插值精度,且能同时进行多个表面的空间插值,对时间序列的气象要素更加适合。
关键词:气象数据 空间插值 ANUSPL INIntroduction of the Professional Interpolation Softwarefor Meteorology Data :ANU SPL INNLiu Zhihong 1,2 Li Lingtao 3 Tim R McVicar 3 Van Niel ,T.G 3 Yang Qinke 4 Li Rui 4(1.Electronic &Information Engineering Department ,Chengdu University of Information Technology ,610225;2.CMA Key Laboratory of Atmospheric Sounding 2K LAS ;3.CSIRO Land and Water ,Canberra Australia ;4.Institute of Soil and Water Conservation ,Chinese Academy of Science and Ministry of Water Resource )Abstract :Spatial grid metrological data is an essential environmental factor for various geo 2model and climate 2model ,and the interpolation software is a tool to make the data space 2dependent.As a specially designed interpolation package for meteorological data ,ANUSPL IN has advantages of its solid theory of thin plate spline function ,high interpolation accuracy by the incorporation of parametric linear sub 2model ,in addition to the independent spline variables.Furthermore ,it is more suitable for time series of meteorological data by processing one more surface layer one time.S o many contents of ANUSPL IN ,such as the interpolation theory ,main data flows ,parameters setting ,model selection ,statistic analyses and input 2output formats are introduced through an example.It is ex 2pected that this paper is helpful for the researchers to use the ANUSPL IN more easily.K ey Words :meteorology data interpolation ANUSPL IN 资助项目:中澳合作项目(ACIAR PROJ ECT ,NO.L WR1/2002/018),中国科学院西部之光项目B183/2004 收稿日期:2007年4月25日; 修定稿日期:2007年12月29日第34卷,第2期2008年2月 气 象M ETEOROLO GICAL MON THL Y Vol.34 No.2 February ,2008引 言气候数据作为环境因子是气象、农业、林业、水利、生态环境建设等研究领域的基础,气候表面、特别是栅格形式的表面,如面降水量、气温趋势面等,是多种地学模型和气候学模型的主要参数。
专业气象插值软件Anusplin使用注意事项VERSION3-2
专业气象插值软件Anusplin使用注意事项VERSION3-2专业气象插值软件Anusplin使用注意事项（仅针对Anusplin VERSION 3.2 其他版本需要进一步修改）作者：pku 遥感所生态遥感实验室Lvy&花花合力打造~2013-7-281 准备数据（暂时命名为7.dat）1) 将站点数据导入ArcGIS, 注意dem的坐标系须是：albers Conical Equal Area2) Z值：Spatial Analyst tools->Extract value to PointsX、Y值：属性表，新建X、Y列，Field Geometry，X：Property：X coordinate Of PointUse coordinate system of the data frameUnits: mY：Property：Y coordinate Of PointUse coordinate system of the data frameUnits: m3) 将所有数据导入SPSS以设定格式2 检查程序及数据完整性将所需要的14个.exe,一个.eer，一个.dos，以及数据.dat考入同一个文件夹3 编写运行需要的cmd文件3.1 SPLINA.exe所需要的cmd文件a.cmd2 %自变量个数1 %因变量个数，这里只考虑高程，所以只有一个-989337.0 925663.0 0 1 %x的最小值、最大值范围、不转换、单位是m（注意起始坐标、分辨率、行列数要与DEM吻合）3551696.0 5187696.0 0 1%y的最小值、最大值范围、不转换、单位是m（注意起始坐标、分辨率、行列数要与DEM吻合）13 3549 0 1 %z的最小值、最大值范围、不转换、单位是m 3 %样条函数阶数1 %插值面个数17.dat %数据文件名5 %站点文字字节(a5,f15.6,f15.6,f5.0,f5.0)%数据格式7.res7.opt7.sur %表面文件，接下来要用7.lis7.cov注意：7.dat 存储时要写一行、空一行a.log：SPLINA VERSION 3.2 30/08/97COPYRIGHT AUSTRALIAN NATIONAL UNIVERSITYNUMBER OF INDEPENDENT SPLINE V ARIABLES (1 TO 10): 2 NUMBER OF INDEPENDENT COV ARIATES (0 TO 8):1INDEPENDENT V ARIABLE LIMITS AND TRANSFORMA TION CODE:0 NO TRANSFORMATION1 X/A2 X*A3 A*LOG(X + B)4 (X/B)**A5 A*EXP(X/B)6 A*TANH(X/B)LIMITS AND TRANSFORMATION CODE FOR V ARIABLE 1:-989337.00 925663.00 0LIMITS AND TRANSFORMATION CODE FOR V ARIABLE 2: 3551696.0 5187696.0 0LIMITS AND TRANSFORMATION CODE FOR V ARIABLE 3:13.000000 3549.0000 0ORDER OF SPLINE (AT LEAST 2):3NUMBER OF SURFACES (1 TO 12):1COMMON OPTIMIZATION DIRECTIVE FOR EACH SURFACE:(0 - NO, 1 - YES)OPTIMISATION DIRECTIVES:0 - FIXED RHO1 - MINIMIZE GCV2 - MINIMIZE TRUE MEAN SQUARE ERROR3 - FIXED SIGNALINPUT DIRECTIVE FOR SURFACE 1:1DA TA FILE NAME:7.datNO. OF CHARACTERS IN SITE NAME/NUMBER (0 TO 20):5DA TA FORMAT (SITE NAME, 3 INDEP V ARS, 1 SURFACES,REL V ARIANCE): (a5,f15.6,f15.6,f5.0,f5.0)OUTPUT LARGE RESIDUAL FILE NAME:7.resGETFILA - OUTPUT FILE ALREADY EXISTS3.2 编写运行LAPGRD.exe所需要的cmd文件b.cmd7.sur %表面文件，1 %插值表面7.dem %插值结果存储为DEM类型文件，可直接用arcgis打开2 %文件输出格式为ARC/INFO GRID1111-989337.0 925663.0 1000.0 %x的最小值、最大值范围、不转换、单位是m（注意看.sur）23551696.0 5187696.0 1000.0 %x的最小值、最大值范围、不转换、单位是m（注意看.sur）(100f10.0) %数据输出格式2 %协变量的格式为ARC/INFO GRIDdem1000.txt %用arcgis,将dem输出为ASCII格式-9999 % 空数据标识b.log:LAPGRD VERSION 3.2 30/08/97COPYRIGHT AUSTRALIAN NATIONAL UNIVERSITYSPLINE COEFFICIENTS FILE NAME:7.surSURFACE NUMBER ( 0 T0 1):1OUTPUT GRID FILE NAME:7.demMODE OF OUTPUT GRID (0,1,2 OR 3):0 - X,Y,Z FORMA T1 - GENERIC GRID BY ROWS2 - ARC/INFO GRID3 - IDRISI IMAGE2GRID V ALUE UNITS (0 UNDEF, 1 M, 2 FT, 3 KM, 4 MI, 5 DEG, 6 RAD): 1GRID POSITION UNITS (0 UNDEF, 1 M, 2 FT, 3 KM, 4 MI, 5 DEG, 6 RAD): 1CENTRING OPTION (0 - A T CORNERS, 1 - AT CENTRES):1INDEX OF FIRST GRID V ARIABLE (NORMALL Y 1):1LOWER LIMIT, UPPER LIMIT AND SPACING OF FIRST GRID V ARIABLE:-989337.00000000 925663.00000000 1000.0000INDEX OF SECOND GRID V ARIABLE (NORMALL Y 2):2LOWER LIMIT, UPPER LIMIT AND SPACING OF SECOND GRID V ARIABLE: 3551696.0000000 5187696.0000000 1000.0000 NUMBER OF COLUMNS = 1915NUMBER OF ROWS = 1636OUTPUT ARC/INFO GRID FORMAT (BLANK FOR BINARY):(100f10.0)MODE OF 3RD INDEPENDENT V ARIABLE (0,1,2 OR 3):0 - USER SUPPLIED CONSTANT1 - USER SUPPLIED GENERIC GRID2 - USER SUPPLIED ARC/INFO GRID3 - USER SUPPLIED IDRISI IMAGE2INPUT GRID FILE NAME:dem1000.txtSPECIAL VALUE OF OUTPUT GRID:-9999.000MINIMUM V ALUE OF OUTPUT GRID = -289.64MAXIMUM VALUE OF OUTPUT GRID = 270.37NUMBER OF GRID CELLS = 1639934PROGRAM LAPGRD VERSION 3.2 DATE 28/07/2013 TIME 20.39.404 运行对应的cmd文件4.1 打开cmd4.2 通过cd命令进入程序存储的文件夹4.3 运行对应的文件，通过查看生成的日志检查正确性。
山西省逐日日平均气温插值方法适用性评估
科技与创新┃Science and Technology&Innovation ·20·2022年第10期文章编号：2095－6835（2022）10－0020－05山西省逐日日平均气温插值方法适用性评估＊卫倩倩，陈霄健，闫佳逸，张宁（山西省气象信息中心，山西太原030006）摘要：利用ANUSPLIN软件，对2019年山西省国家级地面气象站（基准站、基本站、原一般站）和周边相邻省份的国家级地面气象站的逐日日平均气温数据，使用薄盘光滑样条法进行空间插值，并选取反距离权重法、普通克里金法2种常用的传统插值方法进行结果对比。
研究表明，利用ANUSPLIN软件进行日平均气温空间插值，由于考虑了温度同海拔高度变化的关系，引入高程作为协变量，插值结果更符合气温随地势高低的变化规律，细节更突出；反距离权重法在插值过程中更容易产生“牛眼”现象；普通克里金法对于地势小范围高低变化的插值表面趋向于平滑，气温高低变化不明显。
但3种插值方法对于台站密度较大的地带、山西中南部临运盆地一带的插值精度差异不大。
同时，将利用3种插值方法得到的预测日平均气温数据，与由省级气象观测站实测小时数据计算得来的日平均气温数据进行对比分析，选用绝对误差、相对误差2个评价指标，结果同样表明，基于ANUSPLIN软件的空间插值方法得到的插值结果更为精准。
关键词：空间插值；ANUSPLIN软件；薄盘光滑样条法；反距离权重法中图分类号：S151.95文献标志码：A DOI：10.15913/ki.kjycx.2022.10.007在全球变化研究中，地学模型和气候模型等相关研究的重要参数之一，是以高分辨率、格点化的气候数据作为环境因子[1]。
而气温是气候变化研究中最基本指标之一，它不但在气候变化检测研究中有着基础地位，同时又与气候预测、气候模式以及其他一系列的气候变化问题研究有十分紧密的关系[2]。
由于经纬度、海陆分布以及地貌特征与下垫面特性的差异等不同，体现在气温的空间分布上，会表现为具有明显的区域特征[3]。
新疆草地净初级生产力（NPP）空间分布格局及其对气候变化的响应
第４０卷第１５期２０２０年８月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．１５Ａｕｇ．，２０２０基金项目：国家自然科学基金项目（３１８６０１４５）；中央财政专项资金（新［２０２０］ＴＧ０６）收稿日期：２０１９⁃０１⁃２７；㊀㊀修订日期：２０２０⁃０４⁃１７∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｚｒｐ２０１３＠１２６．ｃｏｍＤＯＩ：１０．５８４６／ｓｔｘｂ２０１９０１２７０２０４张仁平，郭靖，张云玲．新疆草地净初级生产力（ＮＰＰ）空间分布格局及其对气候变化的响应．生态学报，２０２０，４０（１５）：５３１８⁃５３２６．ＺｈａｎｇＲＰ，ＧｕｏＪ，ＺｈａｎｇＹＬ．ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｏｆＮＰＰｏｆＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄａｎｄｉｔｓｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｉｃｃｈａｎｇｅｓ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（１５）：５３１８⁃５３２６．新疆草地净初级生产力（ＮＰＰ）空间分布格局及其对气候变化的响应张仁平１，２，∗，郭㊀靖３，张云玲４１新疆大学资源与环境科学学院，乌鲁木齐㊀８３００４６２新疆大学绿洲生态教育部重点实验室，乌鲁木齐㊀８３００４６３新疆林业科学院，乌鲁木齐㊀８３００００４新疆维吾尔自治区草原总站，乌鲁木齐㊀８３００４９摘要：分析植被物候与净初级生产力对气候变化的响应一直是研究全球变化的核心内容之一㊂新疆草地生态系统极为脆弱，对气候和环境变化的影响十分敏感，在新疆地区开展草地物候和净初级生产力及其对气候变化的响应有着独特的意义㊂基于遥感数据和野外台站实测数据，利用ＣＡＳＡ模型模拟了新疆草地植被净初级生产力（ＮＰＰ），阐述了２００１ ２０１４年新疆地区草地的ＮＰＰ的空间格局及与气象因子的关系㊂（１）通过实测生物量精度检验表明，ＣＡＳＡ模型基本可以反映新疆地区草地植被ＮＰＰ㊂（２）２００１ ２０１４年新疆草地ＮＰＰ平均值为１０２．４９ｇＣｍ－２ａ－１㊂不同草地类型的ＮＰＰＡ存在明显差异㊂其中，山地草甸平均ＮＰＰ最高，达到２５２．３７ｇＣｍ－２ａ－１；温性草甸草原次之，为２０４．９３ｇＣｍ－２ａ－１㊂高寒荒漠和温性荒漠的平均ＮＰＰ最低，分别为４３．９４ｇＣｍ－２ａ－１，５３．１１ｇＣｍ－２ａ－１㊂（３）新疆ＮＰＰ的空间分布格局具有如下特点：山区ＮＰＰ高于盆地ＮＰＰ，北疆ＮＰＰ高于南疆ＮＰＰ；（４）降水能够促进新疆草地ＮＰＰ增加，其中，夏季和秋季的降水对草地ＮＰＰ的影响最为明显，温度对新疆地区草地ＮＰＰ影响不大㊂降雨可以促进新疆草原ＮＰＰ的增加㊂特别是在降水量较少但温度较高的草原，如温带荒漠草原㊁温带草原沙漠㊁温带沙漠㊁低地草甸等，年降水量和夏秋降水量对草地ＮＰＰ有显著影响㊂温度对新疆草地ＮＰＰ的影响不大㊂通过对新疆草地空间格局的分析，研究了草地ＮＰＰ对气候变化的响应，为合理规划新疆草地的生产和利用，以及草地生态系统的健康发展和应对气候变化提供决策依据㊂关键词：草地；ＮＰＰ；新疆；ＣＡＳＡ模型ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｏｆＮＰＰｏｆＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄａｎｄｉｔｓｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｉｃｃｈａｎｇｅｓＺＨＡＮＧＲｅｎｐｉｎｇ１，２，∗ＧＵＯＪｉｎｇ３，ＺＨＡＮＧＹｕｎｌｉｎｇ４１ＣｏｌｌｅｇｅｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅｓ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ２ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＯａｓｉｓＥｃｏｌｏｇｙｕｎｄｅｒＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００４６，Ｃｈｉｎａ３ＸｉｎｊｉａｎｇＡｃａｄｅｍｙＦｏｒｅｓｔｒｙ，Ｕｒｕｍｑｉ８３００００，Ｃｈｉｎａ４ＧｅｎｅｒａｌＧｒａｓｓｌａｎｄＳｔａｔｉｏｎｏｆＸｉｎｊｉａｎｇ，Ｕｒｕｍｑｉ８３００４９，ＣｈｉｎａＡｂｓｔｒａｃｔ：Ａｎａｌｙｓｉｓｏｆｖｅｇｅｔａｔｉｖｅｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ（ＮＰＰ）ｉｎｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｅｃｈａｎｇｅｈａｓｂｅｅｎｏｎｅｏｆｔｈｅｃｏｒｅｉｓｓｕｅｓｏｆｇｌｏｂａｌｃｈａｎｇｅｓｔｕｄｉｅｓ．ＴｈｅｇｒａｓｓｌａｎｄｅｃｏｓｙｓｔｅｍｉｎＸｉｎｊｉａｎｇｉｓｅｘｔｒｅｍｅｌｙｆｒａｇｉｌｅａｎｄｓｅｎｓｉｔｉｖｅｔｏｃｌｉｍａｔｅａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｃｈａｎｇｅｓ．Ｈｅｎｃｅ，ｉｔｉｓｐａｒｔｉｃｕｌａｒｌｙｉｍｐｏｒｔａｎｔｔｏｉｎｖｅｓｔｉｇａｔｅｇｒａｓｓｌａｎｄｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙａｎｄｉｔｓｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｅｃｈａｎｇｅｉｎＸｉｎｊｉａｎｇ．ＴｈｉｓｓｔｕｄｙｓｉｍｕｌａｔｅｓｔｈｅＮＰＰｏｆＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｗｉｔｈｔｈｅＣＡＳＡｍｏｄｅｌｂａｓｅｄｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａａｎｄｍｅａｓｕｒｅｄｄａｔａｆｒｏｍｆｉｅｌｄｓｔａｔｉｏｎｓａｎｄｄｅｓｃｒｉｂｅｓｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｓｐａｔｉａｌｐａｔｔｅｒｎｓｏｆｔｈｅＮＰＰｏｎｔｈｅＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄａｎｄｍｅｔｅｏｒｏｌｏｇｉｃａｌｆａｃｔｏｒｓｆｒｏｍ２００１ｔｏ２０１４．（１）Ｔｈｒｏｕｇｈａｃｃｕｒａｃｙｖｅｒｉｆｉｃａｔｉｏｎｗｉｔｈｔｈｅｍｅａｓｕｒｅｄｂｉｏｍａｓｓｄａｔａ，ｉｔｗａｓｓｈｏｗｎｔｈａｔｔｈｅＣＡＳＡｍｏｄｅｌｃａｎｂａｓｉｃａｌｌｙｒｅｆｌｅｃｔｔｈｅＮＰＰｏｆＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎ．（２）ＴｈｅａｖｅｒａｇｅｖａｌｕｅｏｆｔｈｅＮＰＰｏｆｔｈｅＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄｆｒｏｍ２００１ｔｏ２０１４ｗａｓ１０２．４９ｇＣｍ－２ａ－１．ＴｈｅｒｅａｒｅｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｓｉｎＮＰＰａｍｏｎｇｄｉｆｆｅｒｅｎｔｇｒａｓｓｌａｎｄｔｙｐｅｓ．ＴｈｅＮＰＰｏｆｍｏｕｎｔａｉｎｍｅａｄｏｗｓｉｓｔｈｅｈｉｇｈｅｓｔ，ｒｅａｃｈｉｎｇ２５２．５７ｇＣｍ－２ａ－１，ｆｏｌｌｏｗｅｄｂｙｔｈａｔｏｆｔｈｅｔｅｍｐｅｒａｔｅｍｅａｄｏｗｇｒａｓｓｌａｎｄｓ，ｗｉｔｈ２０４．９３ｇＣｍ－２ａ－１．ＴｈｅＮＰＰｏｆａｌｐｉｎｅｄｅｓｅｒｔａｎｄｔｅｍｐｅｒａｔｅｇｒａｓｓｌａｎｄｄｅｓｅｒｔｉｓｔｈｅｌｏｗｅｓｔ，ａｔ４３．９４ｇＣｍ－２ａ－１ａｎｄ５３．１１ｇＣｍ－２ａ－１，ｒｅｓｐｅｃｔｉｖｅｌｙ．（３）ＴｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｏｆｔｈｅＮＰＰｏｆＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｈａｓｔｈｅｆｏｌｌｏｗｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｓ：ｔｈｅＮＰＰｏｆｔｈｅｍｏｕｎｔａｉｎｇｒａｓｓｌａｎｄｉｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｔｈｅｂａｓｉｎｇｒａｓｓｌａｎｄ，ａｎｄｔｈｅＮＰＰｏｆｔｈｅｇｒａｓｓｌａｎｄｉｎｎｏｒｔｈｅｒｎＸｉｎｊｉａｎｇｉｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｔｈｅｇｒａｓｓｌａｎｄｉｎｓｏｕｔｈｅｒｎＸｉｎｊｉａｎｇ．（４）ＲａｉｎｆａｌｌｃａｎｐｒｏｍｏｔｅａｎｉｎｃｒｅａｓｅｉｎｔｈｅＮＰＰｏｆＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄｓ．Ｉｎｐａｒｔｉｃｕｌａｒ，ｉｎｇｒａｓｓｌａｎｄｓｗｉｔｈｌｅｓｓｐｒｅｃｉｐｉｔａｔｉｏｎｂｕｔｈｉｇｈｅｒｔｅｍｐｅｒａｔｕｒｅｓ，ｓｕｃｈａｓｔｅｍｐｅｒａｔｅｄｅｓｅｒｔｇｒａｓｓｌａｎｄｓ，ｔｅｍｐｅｒａｔｅｇｒａｓｓｌａｎｄｄｅｓｅｒｔｓ，ｔｅｍｐｅｒａｔｅｄｅｓｅｒｔｓ，ａｎｄｌｏｗｌａｎｄｍｅａｄｏｗｓ，ａｎｎｕａｌｐｒｅｃｉｐｉｔａｔｉｏｎａｎｄｓｕｍｍｅｒａｎｄａｕｔｕｍｎｐｒｅｃｉｐｉｔａｔｉｏｎｈａｖｅａｓｉｇｎｉｆｉｃａｎｔｉｍｐａｃｔｏｎｇｒａｓｓｌａｎｄＮＰＰ．Ｈｏｗｅｖｅｒ，ｔｈｅｔｅｍｐｅｒａｔｕｒｅｈａｓｌｉｔｔｌｅｉｎｆｌｕｅｎｃｅｏｎｔｈｅＮＰＰｏｆｔｈｅＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄ．ＢｙａｎａｌｙｚｉｎｇｔｈｅｓｐａｔｉａｌｐａｔｔｅｒｎｓｏｆｔｈｅｇｒａｓｓｌａｎｄｉｎＸｉｎｊｉａｎｇ，ｔｈｅｒｅｓｐｏｎｓｅｏｆｇｒａｓｓｌａｎｄＮＰＰｔｏｃｌｉｍａｔｅｃｈａｎｇｅｗａｓｓｔｕｄｉｅｄｉｎｏｒｄｅｒｔｏｐｒｏｖｉｄｅａｄｅｃｉｓｉｏｎ⁃ｍａｋｉｎｇｂａｓｉｓｆｏｒｔｈｅｒａｔｉｏｎａｌｐｌａｎｎｉｎｇｏｆｇｒａｓｓｌａｎｄｐｒｏｄｕｃｔｉｏｎａｎｄｕｔｉｌｉｚａｔｉｏｎ，ｔｈｅｈｅａｌｔｈｙｄｅｖｅｌｏｐｍｅｎｔｏｆｇｒａｓｓｌａｎｄｅｃｏｓｙｓｔｅｍｓａｎｄｔｈｅｒｅｓｐｏｎｓｅｔｏｃｌｉｍａｔｅｃｈａｎｇｅ．ＫｅｙＷｏｒｄｓ：ｇｒａｓｓｌａｎｄ；ＮＰＰ；Ｘｉｎｊｉａｎｇ；ＣＡＳＡｍｏｄｅｌ草地生态系统是陆地生态系统的重要组成部分，草地植被是陆地上面积最大的一种可更新资源，对于调节全球碳循环和气候具有重要的作用，同时草地也是畜牧业发展的重要物质基础［１⁃３］㊂植被净初级生产力作为陆地表面碳循环的重要部分，不仅反映自然环境下植被的生产能力，也是衡量生态系统碳源／碳汇转换的主要因子，因而在分析碳循环以及全球变化中有着重要的意义［４］㊂随着全球变化研究的不断深入，植被ＮＰＰ已成为气候变化对陆地生态系统影响的研究热点［５⁃７］㊂地面测量数据无法描述ＮＰＰ在区域及全球尺度上的变化特征，因此利用遥感数据和数学模型模拟ＮＰＰ就成为一种被广泛接受的重要研究方法［８］㊂近年来，许多学者基于遥感数据建立了许多模型对植被ＮＰＰ进行估算［９⁃１０］㊂然而，估算净初级生产力应用最广泛的当属ＣＡＳＡ模型［９，１１］㊂ＣＡＳＡ模型主要用于模拟区域或全球植被实际净初级生产力，但对于点上的验证还较为匮乏㊂近年来，在全球气候变暖的背景下，区域植被ＮＰＰ变化对气候变化存在着区域差异㊂一些研究表明，随着降水和温度的增加，草地ＮＰＰ呈现增加趋势［１２⁃１４］，相反，有一些区域随着温度的增加，草地ＮＰＰ呈现下降趋势［６，１５］㊂不同区域植被ＮＰＰ对不同季节的降水和温度的变化的响应也明显不同［１６］㊂目前，新疆地区植被ＮＰＰ研究较为薄弱，主要集中ＮＰＰ空间分布格局㊁变化趋势以及对气候的响应上［７，１７⁃１９］，但不同草地类型对不同季节的气象因子的响应研究尚有待进一步研究㊂新疆草地生态系统是当地最重要㊁分布最广泛的生态系统之一㊂由于地处新疆干旱和半干旱地区，草地生态系统极为脆弱，对气候和环境变化的影响十分敏感㊂因此，在新疆地区开展草地ＮＰＰ及其对气候变化的响应有着独特的地位㊂综上所述，在气候变化日趋频繁的影响下，掌握新疆草地ＮＰＰ的空间格局及其对气候的响应关系，不仅是新疆草地生态系统健康发展的需要，而且是实现当地畜牧业可持续发展的战略需要㊂１㊀材料与方法１．１㊀研究区概况新疆维吾尔自治区位于我国西北部，地理位置介于３４ʎ２２ᶄ ４９ʎ３３ᶄＮ，７３ʎ２２ᶄ ９６ʎ２１ᶄＥ，总面积为１６６ˑ１０４ｋｍ，约占国土总面积的１／６（图１）㊂新疆地处欧亚大陆腹地，四面高山环抱，北有阿尔泰山，南有昆仑山９１３５㊀１５期㊀㊀㊀张仁平㊀等：新疆草地净初级生产力（ＮＰＰ）空间分布格局及其对气候变化的响应㊀系，中有横亘全境的天山，三山环抱中为广袤的准噶尔和塔里木盆地， 三山夹两盆 构成了新疆独特的地理环境特征㊂新疆气候属于典型的温带大陆干旱性气候，光热资源充足，年日照时数达２５５０ ３５００ｈ，年平均气温９ １２ħ，无霜期长达１８０ ２２０ｄ，降水量稀少，北疆年降水为１００ ２００ｍｍ，南疆在１００ｍｍ以下㊂而蒸发量则相反，北疆为１５００ ２３００ｍｍ，南疆为２１００ ３４００ｍｍ㊂由于特殊的地理位置㊁地形条件和干旱气候的影响，新疆生态环境极为脆弱，植物种类稀少，覆盖度低，类型结构简单㊂新疆草地总面积居我国第三位，毛面积约５７．２６万ｋｍ２，可利用草地面积约４８万ｋｍ２，占新疆国土面积的３４．４％，新疆草地面积是耕地面积的１５倍，是森林面积的２２倍，占全区绿色植被面积的８６％［２０］㊂图１草地类型来源于１ʒ１００００００中国草地资源图［２１］㊂图１㊀研究区草地类型及生物量采样点空间分布Ｆｉｇ．１㊀Ｌｏｃａｔｉｏｎｏｆｇｒａｓｓｌａｎｄｔｙｐｅｓａｎｄｇｒａｓｓｌａｎｄａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓｓａｍｐｌｅｓｉｔｅｓ１．２㊀数据来源本研究所用ＭＯＤＩＳＮＤＶＩ数据源自美国国家航空航天局ＮＡＳＡ／ＥＯＳＬＰＤＡＡＣ数据中心（ｈｔｔｐｓ：／／ｌｐｄａａｃ．ｕｓｇｓ．ｇｏｖ／），为２００１ ２０１４年ＭＯＤＩＳ产品ＭＯＤ１３Ｑ１数据集，空间分辨率为５００ｍ，时间分辨率为１６ｄ㊂利用ＭＲＴ（ＭＯＤＩＳＲｅ⁃ｐｒｏｊｅｃｔｉｏｎＴｏｏｌｓ）进行拼接处理㊁投影转换，得到ＴＩＦＦ格式文件㊂同时，对１６ｄ的ＭＯＤＩＳ⁃ＮＤＶＩ数据采用最大化合成法（ｍａｘｉｍｕｍｖａｌｕｅｃｏｍｐｏｓｉｔｅ，ＭＶＣ）得到每月ＮＤＶＩ数据，并利用Ｓａｖｉｔｚｋｙ⁃Ｇｏｌａｙ方法对ＭＯＤＩＳ⁃ＮＤＶＩ数据进行滤波处理，以便减少由云和薄雾造成的噪音㊂气象数据来源于中国气象局国家气象信息中心（ｈｔｔｐ：／／ｄａｔａ．ｃｍａ．ｃｎ／ｓｉｔｅ／ｉｎｄｅｘ．ｈｔｍｌ），一共有６７个气象台站㊂利用ＡＮＵＳＰＬＩＮ软件，对研究区域的气温㊁降水数据以及日照时数进行插值处理［２２］㊂生物量数据选用２０１０ ２０１４年草原监测数据（图１）（ｈｔｔｐ：／／２０２．１２７．４２．１９４／ｊｉａｎｃｅ／ｌｏｇｉｎ．ａｓｐｘ）．㊂依据不同的气候及草地类型空间分布特点，在每年的７月末或者８月初监测新疆地区草地的最大生物量，收集的数据包括７９１个样地，样地大小为（５００ｍˑ５００ｍ），每个样地在四角及中心位置各设置１个小样方（１ｍˑ１ｍ），记录每个小样方内采集的样本在６５ħ烘箱烘干４８ｈ后测量的干物质产量㊂收集的７９１样地数据分布如下：温性草甸草原类分布有４８个㊁温性草原类分布有１０９个㊁温性荒漠草原类分布有１３７个㊁高寒草原类分布有５３个㊁温性草原化荒漠类分布有５９个㊁温性荒漠类分布有１３５个㊁高寒荒漠类分布有１６个㊁低地草甸类分布有７１个㊁山地草甸类分布有９６个㊁高寒草甸类分布有６７个㊂根据不同草地类型地上生物量和地下生物量的０２３５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀比值算出单位面积内植物的生物量［２３］，按每１．０ｇ干重约等于０．４７５ｇ碳换算，得到每个样地的草地ＮＰＰ，统一以碳（ｇＣ／ｍ２）的形式表示［２４］㊂１．３㊀草地植被ＮＰＰ遥感估算方法基于遥感和气候数据的ＣＡＳＡ（ＣａｒｎｅｇｉｅＡｍｅｓＳｔａｎｆｏｒｄＡｐｐｒｏａｃｈ）模型可以用来评估大尺度上的草地ＮＰＰ［４，２５］㊂ＣＡＳＡ模型是Ｐｏｔｔｅｒ等建立的光能利用率模型的典型代表，ＮＰＰ的估算可以由植物的光合有效辐射ＡＰＡＲ（ＭＪ／ｍ２）和实际光能利用率ε（ｇＣ／ＭＪ）两个因子来表示，其估算公式如下：ＮＰＰ＝ＡＰＡＲˑε（１）植被吸收的光合有效辐射取决于植物本身的特征以及太阳总辐射㊂其计算公式为：ＡＰＡＲ＝ＳＯＬˑＦＰＡＲˑ０．５（２）式中，ＳＯＬ是太阳总辐射量（ＭＪ／ｍ２），ＦＰＡＲ为植被冠层对入射光合有效辐射的吸收比例，通过ＮＤＶＩ影像数据集来计算［２６］㊂实际光能利用率ε是植物固定太阳能，并通过光合作用将所截获／吸收的能量转化为碳（Ｃ）／有机质干物质的效率，一般用ｇＣ／ＭＪ表示㊂Ｐｏｔｔｅｒ等认为在理想条件下植被具有最大光能利用率，而在现实条件下的最大光能利用率主要受温度和水分的影响［４，２６］，其计算公式是：ε＝Ｔε１ˑＴε２ˑＷεˑεｍａｘ（３）式中，Ｔε１和Ｔε２表示低温和高温对光能利用率的胁迫作用，可采用Ｐｏｔｔｅｒ等［２５］提出的方法进行估算㊂εｍａｘ表示在理想状态下植被的最大光能利用率，是指植被在没有任何限制的理想条件下对光合有效辐射的利用率㊂由于全球相同植被也难免与中国存在较大差别［２７］，因此本文中的最大光能利用率取值采用了朱文泉等关于中国草地类型的最大光能利用率模拟结果［９］，即草地的最大光能利用率为０．５４２ｇＣ／ＭＪ㊂Ｗε为水分胁迫系数，其计算方式及改进见文献［２８］㊂２㊀结果与分析图２㊀净初级生产力（ＮＰＰ）模拟值与观测值的比较㊀Ｆｉｇ．２㊀Ｃｏｍｐａｒｉｓｏｎｏｆｓｉｍｕｌａｔｅｄｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙ（ＮＰＰ）ａｎｄｏｂｓｅｒｖｅｄＮＰＰ２．１㊀草地ＮＰＰ估算结果验证验证模型模拟结果是模型在实际中应用的前提条件㊂由于缺乏大尺度生物量监测数据，所以进行模型验证较为困难㊂但本研究采用的生物量实测数据样方数量较多，也比较典型，监测时间也较为一致，可以较好地代表新疆地区草地地上净初级生产力㊂本文利用２０１０ ２０１４年地面实测生物量数据对ＣＡＳＡ模型模拟的草地ＮＰＰ进行验证，实测生物量数据和ＣＡＳＡ模型模拟ＮＰＰ决定系数（Ｒ２）是０．７８（Ｐ＜０．００１）（图２），表明ＣＡＳＡ模型是适合于估算当地草地ＮＰＰ㊂２．２㊀草地植被ＮＰＰ时空格局分析为了探讨新疆地区草地ＮＰＰ的空间分布格局，基于ＣＡＳＡ模型模拟了新疆地区２００１ ２０１４年草地ＮＰＰ，结果表明，全疆平均草地ＮＰＰ值为１０２．４９ｇＣｍ－２ａ－１（图３）㊂在新疆各个区域中，伊犁河谷及阿尔泰山海拔较高区域的草地ＮＰＰ相对较高，其次是天山和阿尔泰山的中山带区域，而准噶尔盆地和塔里木盆地的一些区域草地ＮＰＰ最低㊂１２３５㊀１５期㊀㊀㊀张仁平㊀等：新疆草地净初级生产力（ＮＰＰ）空间分布格局及其对气候变化的响应㊀图３㊀新疆草地２００１ ２０１４年平均ＮＰＰ空间分布图㊀Ｆｉｇ．３㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｍｅａｎＮＰＰｉｎＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄｄｕｒｉｎｇ２００１ ２０１４在２００１ ２０１４年，新疆不同草地类型的ＮＰＰ存在明显差异，见表１㊂山地草甸ＮＰＰ最高，达到２５２．５７ｇＣｍ－２ａ－１，其次为温性草甸草原，其ＮＰＰ达到２０４．９３ｇＣｍ－２ａ－１；高寒荒漠和温性草原化荒漠的ＮＰＰ两者最低，其ＮＰＰ分别为４３．９４ｇＣｍ－２ａ－１和５３．１１ｇＣｍ－２ａ－１㊂２．３㊀草地ＮＰＰ对气候因子的时间响应特征对新疆地区草地ＮＰＰ与年（季节）均温㊁年（季节）降水的相关分析表明（表２）㊂就整个新疆草地来说，除冬季降水与草地ＮＰＰ呈负相关之外，年降水和其他３季的降水与草地ＮＰＰ呈正相关关系，其中年降水㊁夏季的降水对草地ＮＰＰ有较明显的影响，相关系数Ｒ分别达到０．４８（Ｐ＜０．１）和０．５０（Ｐ＜０．１）㊂温度对草地ＮＰＰ没有明显的影响（Ｒ＝０．０７）㊂对于降水较少，但是温度较高的草地，比如温性荒漠草原㊁温性草原化荒漠㊁温性荒漠㊁低地草甸，年降水㊁夏秋两季降水对草地ＮＰＰ有较明显的影响㊂冬季降水与大多数草地ＮＰＰ呈负相关关系，但是相关关系不显著㊂年（季节）平均温度对新疆地区所有类型的草地影响不大㊂总体而言，新疆地区草地ＮＰＰ主要受夏秋两季降水的影响，温度与草地ＮＰＰ的相关性较低，说明温度不是新疆草地ＮＰＰ的制约因素㊂表１㊀２００１ ２０１４年新疆不同草地类型平均ＮＰＰ２．４㊀草地ＮＰＰ对气候因子的空间响应特征新疆地区的温度和降水空间分布明显不同，因此草地ＮＰＰ对温度和降水变化响应也不同㊂根据相关系数显著性检验表和Ｆ检验结果，样本数为１４（２００１ ２０１４年），当｜ｒ｜＞０．５３时，表明ＮＰＰ与气候因子呈显著相关关系，当０．４６＜｜ｒ｜＜０．５３时，ＮＰＰ与气候因子存在着较显著的相关关系㊂分析新疆地区草地ＮＰＰ与温度㊁降水的相关性发现（图４），不同区域草地ＮＰＰ对温度和降水的空间响应特征明显不同㊂位于新疆地区准噶盆地东部以及天山高海拔区域的草地ＮＰＰ与年均温呈显著的正向相关关系，相关系数ｒ＞０．５３的地区占新疆草地的７．５％；相关系数０．４６＜ｒ＜０．５３的区域占新疆地区草地面积的４．８％；呈现正相关但不显著的区域占草地面积的４５．６％，主要分布于准噶尔盆地及伊犁河谷区域㊂位于新疆准噶尔盆地中心地带及塔里木区域的草地ＮＰＰ与年均温呈负相关关系，面积比例为４２％，达到较显著或者显著水平的象元很少㊂新疆地区草地ＮＰＰ与降水呈正相关的草地占新疆地区草地的７１．３％，其中ｒ＞０．５３和０．４６＜ｒ＜０．５３的草地分别占新疆地区草地的１２．５％和７．６％，主要分布在伊犁河谷地区㊁天山北坡与盆地接壤的区域以及准噶尔盆地南缘㊂草地ＮＰＰ与２２３５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀降水呈负相关的草地占所有草地的２８．７％，达到较显著和显著水平的草地很少㊂表２㊀新疆地区草地ＮＰＰ和气候因子的相关性分析Ｔａｂｌｅ２㊀ＣｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓｂｅｔｗｅｅｎｇｒａｓｓｌａｎｄＮＰＰａｎｄｃｌｉｍａｔｉｃｆａｃｔｏｒｓｉｎＸｉｎｊｉａｎｇ草地类型Ｇｒａｓｓｌａｎｄｔｙｐｅｓ降水Ｐｒｅｃｉｐｉｔａｔｉｏｎ温度Ｔｅｍｐｅｒａｔｅ年Ｙｅａｒ春季Ｓｐｒｉｎｇ夏季Ｓｕｍｍｅｒ秋季Ａｕｔｕｍｎ冬季Ｗｉｎｔｅｒ年Ｙｅａｒ春季Ｓｐｒｉｎｇ夏季Ｓｕｍｍｅｒ秋季Ａｕｔｕｍｎ冬季Ｗｉｎｔｅｒ温性草甸草原类Ｔｅｍｐｅｒａｔｅｍｅａｄｏｗｓｔｅｐｐｅ０．３９０．１７０．４００．４９－０．４５０．２４０．３０－０．０６－０．０７０．０９温性草原类Ｔｅｍｐｅｒａｔｅｓｔｅｐｐｅ０．４２－０．１２０．５００．５００．４１０．１２０．２４－０．１４－０．０９０．０２温性荒漠草原类Ｔｅｍｐｅｒａｔｅｄｅｓｅｒｔｓｔｅｐｐｅ０．６１０．１２０．５６０．５６－０．４００．０２０．１９－０．１５－０．０７－０．０４高寒草原类Ａｌｐｉｎｅｓｔｅｐｐｅ０．３３－０．１１０．４２０．３６－０．２９０．０４０．０２０．０２０．１２０．００温性草原化荒漠类Ｔｅｍｐｅｒａｔｅｓｔｅｐｐｅｄｅｓｅｒｔ０．５４－０．１３０．５３０．５３－０．４２０．０８０．１００．０５０．００－０．０３温性荒漠类Ｔｅｍｐｅｒａｔｅｄｅｓｅｒｔ０．４８０．１８０．５００．３７－０．２７０．０８０．０３－０．０４０．１２０．１３高寒荒漠类Ａｌｐｉｎｅｄｅｓｅｒｔ０．４７－０．１２０．５００．３７－０．２００．０７０．０１０．１７０．２５－０．０１低地草甸类Ｌｏｕｌａｎｄｍｅａｄｏｗ０．４６０．２４０．５４０．４０－０．２２－０．０９－０．１３０．０２０．０３－０．０４山地草甸类Ｍｏｕｎｔａｉｎｍｅａｄｏｗ０．２６－０．２５０．３８０．４８－０．４１０．１８０．１３０．１５－０．０２０．０３高寒草甸类Ａｌｐｉｎｅｍｅａｄｏｗ－０．１４－０．１７０．２２０．２１－０．２６０．１０－０．０２０．１３０．１４０．０２所有类型Ａｌｌ０．４８０．０３０．５００．４５－０．３１０．０７０．０６－０．０１０．０６０．０４图４㊀新疆草地ＮＰＰ与年均温度和降水相关系数空间分布格局Ｆｉｇ．４㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｐａｔｔｅｒｎｏｆｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｂｅｔｗｅｅｎＸｉｎｊｉａｎｇｇｒａｓｓｌａｎｄＮＰＰａｎｄａｎｎｕａｌｔｅｍｐｅｒａｔｕｒｅａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎ分析新疆草地ＮＰＰ与四季平均温度和降水的相关系数空间分布格局表明（图５），新疆草地ＮＰＰ与四季温度的正向和负向相关的面积比例变化不大，占新疆地区约８０％面积的草地ＮＰＰ与四季平均温度相关性达不到较显著水平，新疆草地ＮＰＰ与四季平均温度相关系数达到显著水平的区域有一定的变化㊂春季温度对草地ＮＰＰ有显著正相关的草地主要分布在伊犁河谷及塔城附近的山区，而负相关达到显著水平的区域主要位于准噶尔盆地的中心地带以及塔里木北缘㊂位于伊犁河谷高山带的草地ＮＰＰ与夏季温度的正向相关系数达到显著水平，塔里木盆地边缘地带以及准噶尔盆地南缘的一些区域草地ＮＰＰ与夏季温度呈现显著的负向相关㊂夏季温度与草地ＮＰＰ呈现显著正向相关的区域主要位于塔里木盆地南缘以及准噶尔盆地中心地带，伊犁河谷部分区域显著呈现负相关关系㊂位于准噶尔盆地中心地带的草地ＮＰＰ与冬季温度表现出显著的正相关关系㊂新疆大部分区域的草地ＮＰＰ与夏季温度和秋季温度呈正向相关，其面积比例分别为８０．９％和７５．９％，其中夏季温度与草地ＮＰＰ呈现较显著和显著相关的面积比例分别为９．１％和１７．６％，主要分布于伊犁河谷㊁塔里木盆地以及准噶尔盆地中心地带㊂秋季温度与草地ＮＰＰ呈现较显著和显著的相关的面积比例分别为７．６％３２３５㊀１５期㊀㊀㊀张仁平㊀等：新疆草地净初级生产力（ＮＰＰ）空间分布格局及其对气候变化的响应㊀和１４．９％，主要位于新疆东部㊁伊犁河谷地带以及塔城附近的山区㊂冬季降水与大部分区域草地ＮＰＰ呈负向相关关系，面积比例达６８．５％，其中达到较显著和显著水平的区域主要位于准噶尔盆地北部以及天山高山区㊂图５㊀ＮＰＰ与四季平均温度和降水相关系数空间分布格局Ｆｉｇ．５㊀ＮＰＰａｎｄａｎｎｕａｌｔｅｍｐｅｒａｔｕｒｅａｎｄｐｒｅｃｉｐｉｔａｔｉｏｎ３㊀讨论利用ＣＡＳＡ模型模拟植被净初级生产力主要取决于植被吸收的ＡＰＡＲ与光能利用率ε两个变量㊂一般来说，植被吸收的ＦＰＡＲ通过植被指数（比如ＮＤＶＩ和ＥＶＩ）和植被类型表示㊂光能利用率表示植被把吸收的ＡＰＡＲ转变为有机碳的效率，其主要受到土壤水分和温度的影响㊂虽然ＣＡＳＡ模型考虑了植被所在的环境条件与植被本身的特征，但在确定参数和计算过程方面有一定的不足之处㊂本文草地的最大光能利用率选择朱４２３５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀文泉等人的研究结果，即草地的最大光能利用率为０．５４２ｇＣ／ＭＪ［２８］，通过验证后发现，改进的ＣＡＳＡ模型基本可以反映新疆地区草地ＮＰＰ㊂通过ＣＡＳＡ模型模拟的草地ＮＰＰ整体水平较低，平均值仅为１０２．４９ｇＣｍ－２ａ－１，表现为草甸＞草原＞荒漠，这与杨红飞等［７］的研究结果类似㊂新疆地区植被主要受降水因素的制约，当山区降水较为充沛，新疆草地ＮＰＰ相对来说较高，南疆区域光照虽然较好，但是降水极少㊂因此，新疆草地ＮＰＰ空间分布格局应该是山区区域高于盆地区域，新疆北部＞新疆南部，本项研究证明确实如此㊂新疆地区草地ＮＰＰ与夏秋两季降水具有明显的正相关关系，说明新疆地区草地植被生长在夏秋两季主要受降水的影响，这与普宗朝等［７５〛和陈奕兆等［７］的研究结果类似，如：普宗朝和张山清［７］研究发现降水增加对新疆地区植被ＮＰＰ产生正面影响；陈奕兆等［５］发现蒙古草原的植被对降水有正面响应㊂然而，本研究结果与张戈丽等人在青藏高原植被的有所不同，张戈丽等［２９］研究认为青藏高原植被主要受气温的影响㊂新疆地区属于典型干旱半干旱气候，区域内年均温较高，降水较少，因此水分是制约草地生长的决定因素，由于降水通常会改善土壤水分对植被的供给，有利于光合速率增强，从而提高植被生产力㊂而青藏高原由于气温较低，热量是影响植被生产的主要气候因子㊂本文植被ＮＰＰ与气候因素的相关关系均是在线性基础上进行分析的，而气候变化是十分复杂，如何更合理的分析气候变化与ＮＰＰ之间的关系，是进行植被ＮＰＰ对气候变化响应的研究基础㊂本文只是分析了温度和降水对植被ＮＰＰ的影响，然而，各种气候指标对生态系统均有一定的影响，但是各种气候指标对植被ＮＰＰ产生的影响有多大？这种影响到底与区域有关还是植被类型有关，这些仍需要长期系统的研究㊂４㊀小结基于ＣＡＳＡ模型模拟了新疆草地植被ＮＰＰ，进而探讨了草地植被ＮＰＰ的空间分布格局，并分析了草地ＮＰＰ对气候变化的响应㊂主要结论如下：基于ＣＡＳＡ模型估算的ＮＰＰ基本可以反映新疆草地植被净初级生产力的基本情况㊂在２００１ ２０１４年间，新疆草地ＮＰＰ平均值为１０２．４９ｇＣｍ－２ａ－１㊂不同草地类型的ＮＰＰ存在明显差异㊂其中，山地草甸平均ＮＰＰ最高，达到２５２．３７ｇＣｍ－２ａ－１；高寒草地的平均ＮＰＰ最低，为４３．９４ｇＣｍ－２ａ－１㊂新疆草地植被ＮＰＰ分布呈现为山区草地ＮＰＰ高于盆地区草地ＮＰＰ，新疆北部草地ＮＰＰ高于新疆南部草地ＮＰＰ㊂降水能促进新疆地区草地ＮＰＰ增加，其中夏季和秋季的降水对草地ＮＰＰ的影响最为明显㊂对于降水较少，但是温度较高的草地，比如温性荒漠草原㊁温性草原化荒漠㊁温性荒漠㊁低地草甸，年降水㊁夏秋两季降水对草地ＮＰＰ有较明显的影响㊂冬季降水与大多数草地ＮＰＰ呈负相关关系，但未通过显著性检验㊂年（季节）温度对新疆地区所有类型的草地影响不大㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀ＤｕＭＹ，ＫａｗａｓｈｉｍａＳ，ＹｏｎｅｍｕｒａＳ，ＺｈａｎｇＸＺ，ＣｈｅｎＳＢ．ＭｕｔｕａｌｉｎｆｌｕｅｎｃｅｂｅｔｗｅｅｎｈｕｍａｎａｃｔｉｖｉｔｉｅｓａｎｄｃｌｉｍａｔｅｃｈａｎｇｅｉｎｔｈｅＴｉｂｅｔａｎＰｌａｔｅａｕｄｕｒｉｎｇｒｅｃｅｎｔｙｅａｒｓ．ＧｌｏｂａｌａｎｄＰｌａｎｅｔａｒｙＣｈａｎｇｅ，２００４，４１（３／４）：２４１⁃２４９．［２］㊀ＬｉａｎｇＴＧ，ＦｅｎｇＱＳ，ＹｕＨ，ＨｕａｎｇＸＤ，ＬｉｎＨＬ，ＡｎＳＺ，ＲｅｎＪＺ．ＤｙｎａｍｉｃｓｏｆｎａｔｕｒａｌｖｅｇｅｔａｔｉｏｎｏｎｔｈｅＴｉｂｅｔａｎＰｌａｔｅａｕｆｒｏｍｐａｓｔｔｏｆｕｔｕｒｅｕｓｉｎｇａｃｏｍｐｒｅｈｅｎｓｉｖｅａｎｄｓｅｑｕｅｎｔｉａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｓｙｓｔｅｍａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ．ＧｒａｓｓｌａｎｄＳｃｉｅｎｃｅ，２０１２，５８（４）：２０８⁃２２０．［３］㊀朱玉果，杜灵通，谢应忠，刘可，宫菲，丹杨，王乐，郑琪琪．２０００ ２０１５年宁夏草地净初级生产力时空特征及其气候响应．生态学报，２０１９，３９（２）：５１８⁃５２９．［４］㊀ＦｉｅｌｄＣＢ，ＲａｎｄｅｒｓｏｎＪＴ，ＭａｌｍｓｔｒöｍＣＭ．Ｇｌｏｂａｌｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ：ｃｏｍｂｉｎｉｎｇｅｃｏｌｏｇｙａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇ．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９５，５１（１）：７４⁃８８．［５］㊀陈奕兆，李建龙，孙政国，刚成诚．欧亚大陆草原带１９８２⁃２００８年间净初级生产力时空动态及其对气候变化响应研究．草业学报，２０１７，２６（１）：１⁃１２．［６］㊀ＷａｎｇＨ，ＬｉｕＧＨ，ＬｉＺＳ，ＹｅＸ，ＷａｎｇＭ，ＧｏｎｇＬ．ＩｍｐａｃｔｓｏｆｃｌｉｍａｔｅｃｈａｎｇｅｏｎｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙｉｎａｒｉｄａｎｄｓｅｍｉａｒｉｄｒｅｇｉｏｎｓｏｆＣｈｉｎａ．ＣｈｉｎｅｓｅＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅ，２０１６，２６（１）：３５⁃４７．［７］㊀杨红飞，刚成诚，穆少杰，章超斌，周伟，李建龙．近１０年新疆草地生态系统净初级生产力及其时空格局变化研究．草业学报，２０１４，２３５２３５㊀１５期㊀㊀㊀张仁平㊀等：新疆草地净初级生产力（ＮＰＰ）空间分布格局及其对气候变化的响应㊀６２３５㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀（３）：３９⁃５０．［８］㊀ＧｏｅｔｚＳＪ，ＰｒｉｎｃｅＳＤ，ＧｏｗａｒｄＳＮ，ＴｈａｗｌｅｙＭＭ，ＳｍａｌｌＪ．Ｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇｏｆｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎ：ａｎｉｍｐｒｏｖｅｄｐｒｏｄｕｃｔｉｏｎｅｆｆｉｃｉｅｎｃｙｍｏｄｅｌｉｎｇａｐｐｒｏａｃｈ．ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｌｉｎｇ，１９９９，１２２（３）：２３９⁃２５５．［９］㊀朱文泉，潘耀忠，何浩，于德永，扈海波．中国典型植被最大光利用率模拟．科学通报，２００６，５１（６）：７００⁃７０６．［１０］㊀ＸｕＤＹ，ＫａｎｇＸＷ，ＬｉｕＺＬ，ＺｈｕａｎｇＤＦ，ＰａｎＪＪ．ＡｓｓｅｓｓｉｎｇｔｈｅｒｅｌａｔｉｖｅｒｏｌｅｏｆｃｌｉｍａｔｅｃｈａｎｇｅａｎｄｈｕｍａｎａｃｔｉｖｉｔｉｅｓｉｎｓａｎｄｙｄｅｓｅｒｔｉｆｉｃａｔｉｏｎｏｆＯｒｄｏｓｒｅｇｉｏｎ，Ｃｈｉｎａ．ＳｃｉｅｎｃｅｉｎＣｈｉｎａＳｅｒｉｅｓＤ：ＥａｒｔｈＳｃｉｅｎｃｅｓ，２００９，５２（６）：８５５⁃８６８．［１１］㊀ＨｉｃｋｅＪＡ，ＡｓｎｅｒＧＰ，ＲａｎｄｅｒｓｏｎＪＴ，ＴｕｃｋｅｒＶ，ＬｏｓＳ，ＢｉｒｄｓｅｙＲ，ＪｅｎｋｉｎｓＪＣ，ＦｉｅｌｄＣ，ＨｏｌｌａｎｄＥ．Ｓａｔｅｌｌｉｔｅ⁃ｄｅｒｉｖｅｄｉｎｃｒｅａｓｅｓｉｎｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙａｃｒｏｓｓＮｏｒｔｈＡｍｅｒｉｃａ，１９８２⁃１９９８．ＧｅｏｐｈｙｓｉｃａｌＲｅｓｅａｒｃｈＬｅｔｔｅｒｓ，２００２，２９（１０）：１４２７．［１２］㊀韩王亚，张超，曾源，刘国华．２０００ ２０１５年拉萨河流域ＮＰＰ时空变化及驱动因子．生态学报，２０１８，３８（２４）：８７８７⁃８７９８．［１３］㊀ＺｈｏｕＷ，ＧａｎｇＣＣ，ＺｈｏｕＦＣ，ＬｉＪＬ，ＤｏｎｇＸＧ，ＺｈａｏＣＺ．ＱｕａｎｔｉｔａｔｉｖｅａｓｓｅｓｓｍｅｎｔｏｆｔｈｅｉｎｄｉｖｉｄｕａｌｃｏｎｔｒｉｂｕｔｉｏｎｏｆｃｌｉｍａｔｅａｎｄｈｕｍａｎｆａｃｔｏｒｓｔｏｄｅｓｅｒｔｉｆｉｃａｔｉｏｎｉｎｎｏｒｔｈｗｅｓｔＣｈｉｎａｕｓｉｎｇｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｖｉｔｙａｓａｎｉｎｄｉｃａｔｏｒ．ＥｃｏｌｏｇｉｃａｌＩｎｄｉｃａｔｏｒｓ，２０１５，４８：５６０⁃５６９．［１４］㊀ＸｕＣＣ，ＣｈｅｎＹＮ，ＹａｎｇＹＨ，ＨａｏＸＭ，ＳｈｅｎＹＰ．ＨｙｄｒｏｌｏｇｙａｎｄｗａｔｅｒｒｅｓｏｕｒｃｅｓｖａｒｉａｔｉｏｎａｎｄｉｔｓｒｅｓｐｏｎｓｅｔｏｒｅｇｉｏｎａｌｃｌｉｍａｔｅｃｈａｎｇｅｉｎＸｉｎｊｉａｎｇ．ＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅｓ，２０１０，２０（４）：５９９⁃６１２．［１５］㊀ＺｈａｏＭＳ，ＲｕｎｎｉｎｇＳＷ．Ｄｒｏｕｇｈｔ⁃ｉｎｄｕｃｅｄｒｅｄｕｃｔｉｏｎｉｎｇｌｏｂａｌｔｅｒｒｅｓｔｒｉａｌｎｅｔｐｒｉｍａｒｙｐｒｏｄｕｃｔｉｏｎｆｒｏｍ２０００ｔｈｒｏｕｇｈ２００９．Ｓｃｉｅｎｃｅ，２０１０，３２９（５９９４）：９４０⁃９４３．［１６］㊀刘刚，孙睿，肖志强，崔天翔．２００１ ２０１４年中国植被净初级生产力时空变化及其与气象因素的关系．生态学报，２０１７，３７（１５）：４９３６⁃４９４５．［１７］㊀普宗朝，张山清．气候变化对新疆天山山区自然植被净第一性生产力的影响．草业科学，２００９，２６（２）：１１⁃１８．［１８］㊀刘卫国，魏文寿，刘志辉．新疆气候变化下植被净初级生产力格局分析．干旱区研究，２００９，２６（２）：２０６⁃２１１．［１９］㊀姬盼盼，高敏华，杨晓东．中国西北部干旱区ＮＰＰ驱动力分析 以新疆伊犁河谷和天山山脉部分区域为例．生态学报，２０１９，３９（８）：２９９５⁃３００６．［２０］㊀许鹏．新疆草地资源及其利用．乌鲁木齐：新疆科技卫生出版社，１９９３．［２１］㊀苏大学．１：１００００００中国草地资源图的编制与研究．自然资源学报，１９９６，１１（１）：７７⁃８３．［２２］㊀ＰｌｏｕｆｆｅＣＣＦ，ＲｏｂｅｒｔｓｏｎＣ，ＣｈａｎｄｒａｐａｌａＬ．Ｃｏｍｐａｒｉｎｇｉｎｔｅｒｐｏｌａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｆｏｒｍｏｎｔｈｌｙｒａｉｎｆａｌｌｍａｐｐｉｎｇｕｓｉｎｇｍｕｌｔｉｐｌｅｅｖａｌｕａｔｉｏｎｃｒｉｔｅｒｉａａｎｄａｕｘｉｌｉａｒｙｄａｔａｓｏｕｒｃｅｓ：ａｃａｓｅｓｔｕｄｙｏｆＳｒｉＬａｎｋａ．ＥｎｖｉｒｏｎｍｅｎｔａｌＭｏｄｅｌｌｉｎｇ＆Ｓｏｆｔｗａｒｅ，２０１５，６７：５７⁃７１．［２３］㊀朴世龙，方精云，贺金生，肖玉中国草地植被生物量及其空间分布格局．植物生态学报，２００４，２８（４）：４９１⁃４９８．［２４］㊀朱文泉．中国陆地生态系统植被净初级生产力遥感估算及其与气候变化关系的研究［Ｄ］．北京：北京师范大学，２００５．［２５］㊀ＰｏｔｔｅｒＣＳ，ＫｌｏｏｓｔｅｒＳＡ．Ｇｌｏｂａｌｍｏｄｅｌｅｓｔｉｍａｔｅｓｏｆｃａｒｂｏｎａｎｄｎｉｔｒｏｇｅｎｓｔｏｒａｇｅｉｎｌｉｔｔｅｒａｎｄｓｏｉｌｐｏｏｌｓ：ｒｅｓｐｏｎｓｅｔｏｃｈａｎｇｅｓｉｎｖｅｇｅｔａｔｉｏｎｑｕａｌｉｔｙａｎｄｂｉｏｍａｓｓａｌｌｏｃａｔｉｏｎ．ＴｅｌｌｕｓＢ：ＣｈｅｍｉｃａｌａｎｄＰｈｙｓｉｃａｌＭｅｔｅｏｒｏｌｏｇｙ，１９９７，４９（１）：１⁃１７．［２６］㊀ＰｏｔｔｅｒＣＳ，ＲａｎｄｅｒｓｏｎＪＴ，ＦｉｅｌｄＣＢ，ＭａｔｓｏｎＰＡ，ＶｉｔｏｕｓｅｋＰＭ，ＭｏｏｎｅｙＭＡ，ＫｌｏｏｓｔｅｒＳＡ．Ｔｅｒｒｅｓｔｒｉａｌｅｃｏｓｙｓｔｅｍｐｒｏｄｕｃｔｉｏｎ：ａｐｒｏｃｅｓｓｍｏｄｅｌｂａｓｅｄｏｎｇｌｏｂａｌｓａｔｅｌｌｉｔｅａｎｄｓｕｒｆａｃｅｄａｔａ．ＧｌｏｂａｌＢｉｏｇｅｏｃｈｅｍｉｃａｌＣｙｃｌｅｓ，１９９３，７（４）：８１１⁃８４１．［２７］㊀彭少麟，郭志华，王伯荪．利用ＧＩＳ和ＲＳ估算广东植被光利用率．生态学报．２０００，２０（６）：９０３⁃９０９．［２８］㊀朱文泉，潘耀忠，龙中华，陈云浩，李京，扈海波．基于ＧＩＳ和ＲＳ的区域陆地植被ＮＰＰ估算 以中国内蒙古为例．遥感学报，２００５，９（３）：３００⁃３０７．［２９］㊀张戈丽，欧阳华，张宪洲，周才平，徐兴良．基于生态地理分区的青藏高原植被覆被变化及其对气候变化的响应．地理研究，２０１０，２９（１１）：２００４⁃２０１６．。
基于5变量局部薄盘光滑样条函数的蒸发空间插值
基于5变量局部薄盘光滑样条函数的蒸发空间插值刘志红123，Tim R. McVicar4，LingTao Li4，Tom G.Van Niel4，杨勤科1，李锐1，穆兴民1(1. 中国科学院水土保持与生态环境研究中心 712100陕西杨凌； 2. 国家卫星气象中心乌鲁木齐气象卫星站830011新疆乌鲁木齐；3. 中国科学院研究生院 100049 北京；4.澳大利亚联邦科工组织水资源研究所，堪培拉)摘要：高分辨率、网格化的陆面蒸发空间数据作为环境因子是地学模型和气候模型等相关研究的重要参数。
本文对黄土高原多沙粗沙区及周围共计53个气象站点（多沙粗沙区30个）蒸发皿测量值E_pan进行空间插值，以5变量局部薄盘样条函数（经纬度为自变量，净辐射Rn、水气压差VPD和风速Wind为协变量）建立具有多元线性子模型的蒸发插值模型，以ANUSPLIN为实现软件，生成连续21年共252个蒸发表面。
交叉验证表明：引入蒸发影响因子作为协变量线性子模型进行表面插值能显著提高插值精度，夏季提高幅度更大，拟合表面具有较高的精确度与平滑度；蒸发随协变量的变率显示：在多沙粗沙区，VPD是夏季蒸发的主要控制因素，Wind对蒸发的影响冬季稍强一些，Rn的影响没有明显的季节性，只在春分和秋分时节有微小提高。
关键词：5变量；样条函数；蒸发；插值Modeling Spatial Distribution of Pan EvaporationBased on Quint-variate Thin Plate Spline FunctionZhiHong Liu 1,2,3 ,Tim R McVicar 4,LingTao Li4,Tom G.Van Niel4,QinKe Yang1, Rui Li 1,XingMin Mu1 1. Institute of Soil and Water Conservation, Chinese Academy of Science and Ministry of Water Resource, 712100,Yangling, Shaanxi,, China; 2. Urumuqi Meteorological Satellite Ground Station, National Satellite Meteorological Center, 830011,Urumuqi, Xinjiang, China; 3. Graduate School of Chinese Academy of Science 100049,Beijing; 4. CSIRO Land and Water, Canberra, Australia)Abstract:Spatial distribution of pan evaporation (Epan) depending on multiple factors such as radiation, vapor pressure and wind is a crucial parameter for geographic models and climatic models, and also a key to environmental management. However the meteorology observation stations normally distribute sparsely and irregularly on the ground. The techniques to interpolate available point data to estimate the value of any location is demanded. This paper introduces the process to interpolate monthly Epan data of 53 stations for the period of 1980 to 2000 to create 252 Epan surfaces in Coarse Sandy Hilly Catchments of Loess Plateau. Quint-variate partial thin plate spline models were developed in which vapor pressure deficit (VPD), net radiation (R n) and wind speed(wind) were used as three covariate sub-models. GVC statistics indicate that the resultant evaporation surfaces hold high fidelity and smoothness. The lapse rates (evaporation changing rate with each covariate) show: the dependence of Epan on R n has no strong seasonal trend although at the equinoxes it is slightly big, whereas the dependence of Epan on VPD has an obvious trend with strongest influence in summer, and wind speed has more relative influence in winter.Key word: Quint-variate; Thin Plate Spline Function; Pan Evaporation; Interpolation收稿日期：2006-01-3 修回日期：2006-05-24项目名称：中澳合作ACIAR PROJECT ,NO:LWR1/2002/018; 中国科学院知识创新重要方向项KZCX3-SW-421 第一作者简介：刘志红（1967-），女，副高，在读博士，主要研究方向：3S技术在土壤学中的应用Email: **************引言蒸散发(蒸发与蒸腾)是土壤-植物-大气系统的一个重要组成部分。
ANUSPLIN详细使用说明
ANUSPLIN使用说明ANUSPLIN是提供实用的转换分析和对多变量数据采用薄盘光滑样条插值进行插值的工具。
它提供了完整的统计分析、数据诊断以及空间分布标准误。
同样也支持多种数据输入和表面查询功能。
薄盘光滑样条表面拟合法最早由Wahba出（1979），然后由Bates和Wahba（1982），Elden(1984),Hutchinson(1984)和deHoog（1985）对其进行了改进以适用于大数据集。
Batesetal.（1987）将其扩展为局部样条法，这样就可以把参数线性亚模型（或协变量）添加插值中，而不像以前只能考虑独立样条变量（即自变量）。
这为这些因变量提供由这些自因变量决定的参数form提供了一种极好的方式。
在没有独立样条变量的情况下（当前不允许），将进行简单的多变量线性回归。
薄盘光滑样条插值事实上可以被看作广义的标准多变量线性回归，但是参数模型由一个适用的光滑非参数函数所替代。
拟合函数的光滑度，或者与之相对的复杂度通常会根据数据拟合表面的最小预测误差通过GCV（广义交叉验证）自动计算。
GCV数据模拟结果的验证由Craven和Wahba（1979）年提出并完成。
Wahba（1990）对薄盘光滑样条技术各种模块进行了全面介绍。
Hutchinson(1991a)对月平均气象要素空间插值的基本理论和应用进行了简要的概述，Hutchinson（1993）和HutchinsonGessler(1994)对运算和相关行了对比。
Hutchinson （1995，1998ab）对该方法运用到了年和日降水数据的插值上。
同时模拟多个表面非常方便，尤其是对气象数据而言。
ANUSPLIN在允许任意多的这样的表面和“表面独立变量”，以便独立变量在各表面间做系统地改变。
ANUSPLIN允许系统查询这些表面及其标准误，点文件或者grid文件都行。
ANUSPLIN同样允许对独立变量和依从变量进行转换。
华中农业大学国家211工程大学华中农业大学国家211工程大学下边将对ANUSPLIN个组件进行简要概述。
基于ANUSPLIN的时间序列气象要素空间插值
Abstract :【Objective】The interpolatio n p rocesses of t he meteorological variables using t he ANU SPL N in coarse sandy hilly catchment s of t he loess plateau were int ro duced in t his paper . It sho uld be a usef ul ref2 erence for set ting parameter s ,analyzing t he error s and selecting t he correct covariates【. Met hod】In t he in2 terpolatio n of different meteorological variables ,a p rofessio nal interpolatio n package AN U SPL IN was used in which o ne o r more influenced facto rs were int roduced as covariate sub2model s.【Result 】Time Series of mo nt hly meteorological data f ro m 1980 to 2000 o n t he geo mo rp hologically co mplex Coarse Sandy Hilly Re2 gio n in Loess Plateau were interpolated to surfaces ,and t he lapes rate of t he meteorological variable chan2 ging wit h it s influence factor s were calculated【. Co nclusio n】Based o n t he t hin plate smoot hing spline f unc2 tio n ,using multiple covariates as linear sub2model s in additio n to t he independent spline variables , ANU S2 PL IN can develop t he interpolatio n accuracy and reflect t he rates bet ween t he meteorology variables and
PhoenixWinNonlin6.0数据统计软件使用
PhoenixWinNonlin6.0数据统计软件使⽤Phoenix WinNonlin 6.0数据统计软件使⽤为保证出具数据的真实性及准确性，对WinNonlin软件使⽤进⾏规范化管理。
WinNonlin软件不⽀持三交叉检测项⽬的数据统计。
1.WinNonlin软件使⽤的基本要求1.1 受试者数据输⼊正确（注意复测数据的采⽤）。
1.2 根据随机表明确受试者服药顺序和周期。
辽中研的体重顺序号为⼊选号，⼤连210的⽤药顺序号为⼊选号。
1.3 明确受试者采⾎时间和服药剂量。
2.WinNonlin软件使⽤程序2.1 创建项⽬点击⼯具栏中的File按钮，在下拉菜单中选择New Project 建⽴新的项⽬，在ObjectBrowser栏中选择New Project，单击右键，点击Rename可以修改名称。
2.2 创建数据表点击右键Data→New→Worksheet新建数据表，在ObjectBrowser栏中选择Worksheet，单击右键，点击Rename可以修改名称。
点击Add添加列，在弹出窗⼝中，Data Type处选择数据类型，在Column Name处填写各列检测数据名称（内容应包括subject（受试者）、formulation（制剂，可简写为Form）、time（时间）、conc（浓度）），其中form选择Text（⽂本），其余均选择Numeric（字符）。
在Unit处可填写此数据的单位，Custom处填写数据的保留位数（F后加数，表⽰保留⼏位⼩数，例如，F4表⽰保留四位⼩数）（G表⽰有效数字，E表⽰科学计数法）。
如若在填写检测数据名称时顺序不对可通过点击上下箭头调整各列排列顺序，数据类型、单位、保留位数忘记填写，也可在Columns框下通过Data Type、Unit、Custom进⾏更改相关参数。
将相应参数输⼊到表中，粘贴数据。
2.3药动学参数计算在数据表上点击右键Send To→NCA and Toolbox→NCA。
基于ANUSPLIN软件的逐日气象要素插值方法应用与评估
21 1 ANUSPL I N 插值简介 ANUSPL I N 软件包是使用薄盘 平滑样条方法对 多变量数据进行内插的工具。最早的薄盘 ( 以前称 拉普拉斯算子 ) 平滑样条表面拟合技术在 1979 年由 W ahba 提 出, 由 Bates 和 W ahba 、 E lden、 H utch in son 、 H u tch in son 和 de H oog 拓 展到 更多 的数 据集 , 而 由 Bates等扩展到局部样条。除独立样条变量外 , 它允 许引入参数线性子模型 ( 或协变量 ) 。在没有独立样 条变量的情况 (软件目前不允许 ) 下, 这个模型则变 成简单的多变量线性回归了。 薄盘光滑样条实际上可被视作标准多变量线性 回归的归纳或一般化, 只是在里面 参数模型被合适 的光滑非参数函数代替。拟合函数的光滑程度 ( 或 反之 , 复杂性 ) 常 常通过广 义交叉验 证 ( Generalized C ross Va lidat io n , 简称 GCV ) 得出的 拟合表面预测误 差自动决定。 W ahba 对薄盘光滑样条技术及其扩展给出了较 为全面的介绍。 H utchin son 对它的 基础理论和在月 均气候要素的空 间内插应用作 了回顾。 H utchinson 和 H uch in son Gessler对其算法和相关统计分析以及 和克 吕 格 法 的 比 较 等 进 行 了 更 为 全 面 的 讨 论。 H u tch in son 和 P rice 等之后又将该模型应用到年、 月、 日降水数据的内插。 ANUSPL I N 可以同时处理几个表面 , 因此在进行 气候 要 素 数 据 内 插 的 批 处 理 中 显 得 更 为 方 便。 ANUSPL I N 支持输入数据的多种格式变换, 提供复杂 的统计分析、 透明的数据诊断过程 和栅格化的拟合 曲面以及标准误差曲面输出, 因此 目前已被广泛使 用。 21 2 局部薄盘光滑样条空间插值方法 局部薄盘光滑样条法是对薄盘光滑样条原型的 扩展 , 它除普通的样条自变量外允 许引入线性协变 量子模型 , 如温度和海拔之间以及 降水和海岸线的 相关关系。局 部薄 盘光滑 样条 的理 论统 计模型 表 述: Z i = f ( xi ) + b yi + ei
专业气候数据空间插值软件Anusplin简介
一、基本原理
2、局部薄盘光滑样条的理论统计模型公式：
z i f ( xi ) b y i ei
T
（ i 1,..., N ）
Z ( x i ) ：是要估算关于xi的未知光滑函数，xi是独立变量。
y i ：为p维独立协变量，b为yi的p维系数
ei
：随机误差
上式中：函数f和系数b通过最小二乘估计来 确定：
注：以上经纬度数据为ALBERS投影，单位为米
四、Anusplin模型选择
• Anusplin在日志文件中提供了一系列用于判 断误差来源和插值质量的统计参数。包括： • 有效数量估计Signal(信号自由度)、剩余自 由度Error、光滑参数RHO、GCV、期望真 实均方误差MSE、最大似然法误差GML、 均方残差MSR、方差估计VAR及其平方根。 由这些来选择最佳模型。
• 仓促做出的总结非常粗糙，我会在接下来 的时间里继续修改增加内容！ • To be continued...
i 1
N
zi f ( xi ) b yi J m ( f ) wi
T
2
其中Jm(f)是函数f(xi)的粗糙度测度函数，定义为函数f的m 阶偏导（称为样条次数，也叫粗糙次数）。 ρ是正的光滑参数，在数据保真度与曲面的粗糙度之间起 平衡作用，在Anusplin中通常用广义交叉验证GCV的最小 化以及最大似然法GML的最小化来确定
四、Anusplin模型选择
因此：最佳模型判断标准：
• （1）GCV或GML最小、 • （2）信噪比SNR（信号自由度与剩余自由 度之比）最小、 • （3）信号自由度小于站点的一半、 • （4）模型成功率判断中无*表示。
五、Anusplin应用示例
气象数据集说明文档.doc
气象数据集说明文档1.数据集信息数据集中文名称：中国地面降水月值0.5°×0.5°格点数据集数据集代码：SURF_CLI_CHN_PRE_MON_GRID_0.5数据集版本：V2.0数据集建立时间：201208012.数据来源：该数据集的数据来源包括2个部分：由国家气象信息中心基础资料专项收集、整理的1961年至最新的全国国家级台站（基本、基准和一般站）的降水月值资料；由GTOPO30数据（分辨率为0.05°×0.05°）经过重采样生产的中国陆地0.5°×0.5°的数字高程模型DEM。
3.数据集实体3.1.数据集实体内容说明3.1.1.数据集实体文件名称：中国地面降水月值0.5°×0.5°格点数据集文件命名由数据集代码（SURF_CLI_CHN_PRE_MON_GRID_0.5）、年份、月份标识（YYYYMM）组成。
具体形式：SURF_CLI_CHN_PRE_MON_GRID_0.5 -YYYYMM.TXT3.1.2.数据集实体文件的内容描述：数据集实体包括1961年1月至最新的逐月数据文件，每个文件中包括的前6行为头文件信息，其中：第一行"ncols 128"：表示实体数据有128列；第二行"nrows 72"表示实体数据有72行；第三行"xllcorner 72"表示实体数据左下方对应最小经度是72°E；第四行"yllcorner 18"表示实体数据左下方对应最小纬度是18°N；第五行"cellsize 0.5"表示网格是0.5°×0.5°的；第六行"NODATA_value -9999.0"表示中国区域以外的值用-9999.0表示。
气象数据集说明文档
气象数据集说明文档1.数据集信息数据集中文名称：中国地面气温月值0.5°×0.5°格点数据集数据集代码：SURF_CLI_CHN_TEM_MON_GRID_0.5数据集版本：V2.0数据集建立时间：201208012.数据来源：该数据集的数据来源包括2个部分：由国家气象信息中心基础资料专项收集、整理的1961至最新的全国国家级台站（基本、基准和一般站）的气温月值资料；由GTOPO30数据（分辨率为0.05°×0.05°）经过重采样生成的中国陆地0.5°×0.5°的数字高程模型DEM。
3.数据集实体3.1.数据集实体内容说明3.1.1.数据集实体文件名称：中国地面气温月值0.5°×0.5°格点数据集文件命名由数据集代码（SURF_CLI_CHN_TEM_MON_GRID_0.5）、要素标识、年份、月份标识（YYYYMM）组成。
具体形式：SURF_CLI_CHN_TEM_MON_GRID_0.5-MEAN-YYYYMM.TXTSURF_CLI_CHN_TEM_MON_GRID_0.5-MAX-YYYYMM.TXTSURF_CLI_CHN_TEM_MON_GRID_0.5-MIN-YYYYMM.TXT3.1.2.数据集实体文件的内容描述：数据集实体包括1961年1月至最新的逐月数据文件，每个文件中包括的前6行为头文件信息，其中：第一行"ncols 128"：表示实体数据有128列；第二行"nrows 72"表示实体数据有72行；第三行"xllcorner 72"表示实体数据左下方对应最小经度是72°E；第四行"yllcorner 18"表示实体数据左下方对应最小纬度是18°N；第五行"cellsize 0.5"表示网格是0.5°×0.5°的；第六行"NODATA_value -99.00000"表示中国区域以外的值用-99.0表示。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
气象数据处理方法：spss和Excel
一、下载原始txt数据中的经纬度处理：将度分处理成度，Excel处理
首先除以100，处理成小数格式，这里第一个实际是52度58分，
在Excel中用公式：=LEFT(O2,FIND(".",O2)-1)+RIGHT(O2,LEN(O2)-FIND(".",O2))/60
需注意：
当为整数时，值为空，这时需查找出来手动修改，或者将经纬度这一列的小数位改成两位再试试，可能好使（这个我没尝试）
第二步：
将经纬度转换成投影坐标，在arcgis实现
将Excel中的点导入arcgis，给定坐标系为wgs84地理坐标，然后投影转换成自己定义的等面积的albers投影（因为anusplina软件需要投影坐标，这里转换成自己需要的坐标系）
第三步：spss处理
将下载的txt数据导入spss之后，编辑变量属性，删掉不需要的列，然后将最后需要的那些变量进行数据重组
本实验下载的数据是日均温数据，全国800+个站点2012年366天的数据。
相当于有800+ * 366行数据
1.变量
变量属性：变量属性这里的设置决定了在SPLINA这个模块中输入数据的格式，本实验spss处理的气象数据的格式统一用这个：(A5,2F18.6,F8.2,F8.2)，一共5列。
即：台站号，字符串，5位；
经纬度：都是浮点型，18位，6个小数位
海拔：浮点型，8位，2个小数位
日均温：浮点型，8位，2个小数位
2.数据重组，将个案重组成变量：
后几步都默认就行：
重组之后结果：变成了800+行，370列，就相当于数据变成了：行代表每个站点，列是代表每一天的数据。
3. 因为anusplin这个软件需要的是投影坐标，在重组完的基础上，将经纬度这两列替换成投影之后的经纬度。
方法1：直接复制粘贴即可
方法二：用合并文件，添加变量功能
运行结果：
下面说明：
本实验中站点59981的位置在南沙那边，不在现有的DEM范围内，固可以删掉这个点不用。
如果在arcgis中插值，删掉这个点
如果在anusplin中，可以通过设置XY范围自动舍去这个点，固可以不删
此处统一将这个点删掉.
所以一共838个站点
变量属性：变量属性这里的设置决定了在SPLINA这个模块中输入数据的格式，本实验spss处理的气象数据的格式统一用这个：(A5,2F18.6,F8.2,F8.2)，一共5列。
即：台站号，字符串，5位；
经纬度：都是浮点型，18位，6个小数位
海拔：浮点型，8位，2个小数位
日均温：浮点型，8位，2个小数位
4. 最后：保存成固定ASCII格式
保存成这种格式之后就可以被anusplin软件读取了。
总结：anusplin软件设置的一个易错点：设置xy范围中，splina的范围要比第二步lapgrd中dem的范围大~和dem一样或者比DEM小都会出错
一、软件xy设置，以后可用这个范围(全国的)：
第一步- splina 3054296.000 2595703.750
945413.000 6945413.750
或者：-3054296.5 2594703.5
860413.10475162 6945413.10475162
海拔：-400到9000
第二步lapgrd：-2954296.500 2494703.500
960413.10475162 6845413.10475162
二、本实验spss处理的气象数据的格式统一用这个：
(A5,2F18.6,F8.2,F8.2)
4.37版本的软件中SPLINA的操作
1.界面介绍
2.运行输出
运行完之后会出现很多文件：
三、4.2版本的软件中Cmd界面中输入命令：
1.程序和数据介绍
2.运行过程
然后出现如下DOS界面：
然后在这个界面下输入语句
3.本实验中输入如下：
1.h:
2.cd h:\anusplin\run（定位到本机存放cmd,exe和数据的位置，cmd,exe和数据要放
在同一个文件夹下）
pgrd<lapgrd.cmd>tem+名字+.log
4.解释lapgrd<lapgrd.cmd>tem+名字+.log 这一句中：
lapgrd指调用这个模块
< lapgrd.cmd >，括号里边是自己建的.Cmd的名字，如tem.cmd，那么这里就写tem.cmd，本实验中是lapgrd.cmd
Dos界面中08011.log，是输出的日志文件的名字，这里边的“名字”自己设置，是用来指定输出日志文件的名字，无影响。