朱文泉改進(jìn)的CASA模型模擬草原NPP

1、利用朱文泉老師改進(jìn)的CASA模型實(shí)現(xiàn)了草原NPP模擬，技術(shù) 總結(jié)如下。由于研究區(qū)矢量邊界與亞類分布圖不一致，決定采用兩者交集為 研究區(qū)域空間范圍。即以矢量邊界為基準(zhǔn)來(lái)裁剪亞類分布圖，得到研 究區(qū)亞類分布圖_clip，以下所用的空間范圍均與其一致。氣象數(shù)據(jù)準(zhǔn)備（2）柵格氣象數(shù)據(jù)概況柵格氣象數(shù)據(jù)為2013年的月平均氣溫和月總降水量數(shù)據(jù)，柵格 分辨率為0.0001388889 degree，空間范圍為研究區(qū)全境，行列數(shù)為 14815*8390，數(shù)據(jù)均為32位浮點(diǎn)型。（3）原始數(shù)據(jù)準(zhǔn)備1）數(shù)據(jù)來(lái)源：中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)，中國(guó)地面氣候資 料月值數(shù)據(jù)集（終止時(shí)間：201403）。2）數(shù)據(jù)格式：文本文

2、件（txt）。3）數(shù)據(jù)項(xiàng)：1980-2014年的月平均氣溫和月總降水量數(shù)據(jù)。（4）建立柵格數(shù)據(jù)1）格式轉(zhuǎn)換：把原始txt文件轉(zhuǎn)換到以臺(tái)站號(hào)為記錄單位的excel 文件，并對(duì)其經(jīng)緯度坐標(biāo)進(jìn)行十進(jìn)制度的轉(zhuǎn)換。2）空間化：以氣象臺(tái)站的十進(jìn)制度經(jīng)緯度信息為依據(jù)，在 ARCMAP中加載XY data,定義好坐標(biāo)系，導(dǎo)入站點(diǎn)，再導(dǎo)出，得到 氣象臺(tái)站的點(diǎn)圖層。3）氣溫和降水?dāng)?shù)據(jù)的與氣象臺(tái)站連接：把原始txt文本格式的氣 溫和降水?dāng)?shù)據(jù)保存到excel,整理后得到2013年各個(gè)月份的降水量 （單位：mm）和氣溫?cái)?shù)據(jù)（單位：。C）,保存到xls格式，剔除掉異 常點(diǎn)，空值點(diǎn)。根據(jù)臺(tái)站號(hào)將氣溫和降水?dāng)?shù)據(jù)分別與氣象臺(tái)站

3、點(diǎn)圖層 進(jìn)行屬性表join，之后導(dǎo)出，得到氣溫和降水圖層，包含當(dāng)年所有月 份的數(shù)據(jù)，并再次檢查數(shù)據(jù)的正確性。4）氣溫和降水?dāng)?shù)據(jù)柵格化：以內(nèi)蒙古200公里范圍內(nèi)的氣象臺(tái) 站為樣本點(diǎn)，利用Geostatistic Analyst中的普通克里金插值法得到空 間化的氣溫和降水柵格數(shù)據(jù)。對(duì)柵格數(shù)據(jù)進(jìn)一步的操作步驟包括：把Kring插值結(jié)果導(dǎo)出到.tif格式。對(duì)導(dǎo)出的柵格數(shù)據(jù)進(jìn)行裁剪，裁剪范圍是至少能包含研究區(qū) 全境的矩形。對(duì)裁剪柵格進(jìn)行重采樣，分辨率為0.0001388889 degree。對(duì)重采樣后的柵格再次裁剪，得到研究區(qū)全境的氣溫和降水 柵格。（5）命名規(guī)則temp_YYYYMM1_res_etk

4、qq:其中，temp 表示月平均溫 度， YYYYMM表示年月，1為數(shù)據(jù)標(biāo)識(shí)。例子：導(dǎo)出的月平均氣溫Kring插值結(jié)果：temp_201307矩形裁剪的柵格數(shù)據(jù)：temp_2013071重采樣后的矩形柵格：temp_2013071_res對(duì)重采樣結(jié)果裁剪：temp_2013071_res_etkqq 月總降水量數(shù)據(jù)和月總太陽(yáng)輻射量數(shù)據(jù)均與上述處理步驟一致。植被類型圖數(shù)據(jù)柵格轉(zhuǎn)換1）植被類型調(diào)整：為引用朱文泉研究中各植被類型的NDVI等最 大最小值，將原有10個(gè)亞類植被類型調(diào)整為與其研究中對(duì)應(yīng)的 6類植被類型：平原草原，荒漠草原，草甸，湖泊，荒漠及非草 原。2）柵格轉(zhuǎn)換：將研究區(qū)以研究區(qū)亞類分布

5、圖矢量圖層的植被類型 字段為依據(jù)，生成分辨率與上述一致的柵格植被類型圖，并確 保其行列數(shù)與氣象柵格數(shù)據(jù)一致。NDVI數(shù)據(jù)準(zhǔn)備根據(jù)研究區(qū)亞類分布圖_clip裁剪各個(gè)月份的ETKQQ_NDVI，并 確保其空間范圍、行列數(shù)和數(shù)據(jù)類型均與氣象柵格一致。配置靜態(tài)參數(shù)引用朱文泉研究結(jié)果，配置6類植被類型的NDVI最大最小值等 參數(shù)，其中植被類型需要輸入植被類型編碼，應(yīng)與植被類型柵格數(shù)據(jù) 的屬性表中一致。如1表示草甸，2代表荒漠。數(shù)據(jù)集的時(shí)間序列在ENVI平臺(tái)，利用layer stacking工具，對(duì)7月和9月的氣溫?cái)?shù) 據(jù)進(jìn)行波段疊加，生成有兩個(gè)波段的temp_201379，其中band1表示 7月的氣溫?cái)?shù)據(jù)，band2表示9月的氣溫?cái)?shù)據(jù)。同樣，對(duì)降水、太陽(yáng) 輻射、NDVI三種數(shù)據(jù)也分別進(jìn)行波段疊加，得到 pre_201379,sun_201379,NDVI_201379 時(shí)間序列數(shù)據(jù)。把以上靜態(tài)參數(shù)文件、植被類型柵格數(shù)據(jù)、NDVI時(shí)間序列數(shù)據(jù)、 氣溫、降水和太陽(yáng)輻射時(shí)間序列數(shù)據(jù)分別導(dǎo)入模型，計(jì)算得到npp_sun 及時(shí)間序列數(shù)據(jù)（可選）。注意事項(xiàng)：除植被類型以外的