中国2020年均气温数据点加栅格：ArcGIS年均气温制图与站点插值实战

简介本资源为基于NCDC原始观测处理得到的2020年中国年均气温数据集面向气象、地理信息、生态环境等方向的研究人员与GIS学习者可用于气候空间分布分析、制图表达及区域温度变化研究。压缩包共10个文件约100KB包含一份年均气温栅格tif及其金字塔ovr、坐标投影prj、tfw与aux.xml等配套文件另附站点矢量shp及dbf、shx、sbn、sbx等索引与属性文件栅格与站点两类数据可相互对照使用。目前已有1637人学习下载说明该数据在相关领域具有一定参考价值。读者可借助这套数据直接开展ArcGIS下的气温空间插值验证、栅格渲染与专题图制作站点属性表便于查询具体观测值栅格文件则适合做全省或全国尺度的温度分布展示为论文插图、课程作业与气候分析提供现成底图素材。1. 拿到「中国2020年均气温数据点加栅格.zip」先别急着拖进 ArcGIS上周帮一个做农业区划的朋友处理气象数据他甩过来一个压缩包文件名是「中国2020年均气温数据点加栅格.zip」说是在网上翻到的 NCDC 处理结果想让我看看能不能直接用来做≥10℃积温的底图。我解压一看里面既有 shp 站点文件又有 tif 栅格还有一堆 .sbx、.sbn、.ovr 这种平时不太起眼的附属文件。这种「点面」双格式打包的资源在 ArcGIS 年均气温制图里其实很常见但很多人第一步就翻车——要么只用了 tif 丢了站点精度要么把 shp 直接当连续表面去插值结果边界外全是玄学值。这份资源的核心价值在于它同时给了你离散站点观测和已经插值好的栅格表面。站点 shp 适合做精度验证、局部修正、提取特定坐标的气温tif 栅格适合做全省/全国尺度的空间分析、掩膜提取、重采样。适合谁做气候区划、作物适宜性评价、生态环境建模的从业者以及需要快速拿到 2020 年中国年均气温空间分布的 GIS 用户。下面我按实际拆包顺序把每个文件的用途、参数和踩坑点讲透。2. 拆包看文件shp 站点与 tif 栅格各自管什么2.1 站点 shp 家族.shp/.dbf/.shx/.prj 缺一不可解压后你会看到2020中国年均气温站点数据.shp、.dbf、.shx、.prj外加.sbn、.sbx。很多人只复制 .shp 就发给别人结果对方打开全是问号或者坐标错乱。这里必须说清楚.shp 只存几何属性在 .dbf索引在 .shx投影在 .prj。.sbn/.sbx是 ArcGIS 的空间索引文件用于加速查询删了不影响打开但大数据量下会变慢。我一般会先检查 .prj 内容。用记事本打开2020中国年均气温站点数据.prj如果是GCS_WGS_1984或CGCS2000说明是地理坐标系单位是度如果是Albers或Lambert那就是投影坐标系单位是米。做全国气温插值时强烈建议先投影到 Albers 等积投影否则高纬度地区面积变形会让插值权重失真。这一步不做后面栅格和站点对不上别怪数据。属性表里通常有STATION、LAT、LON、TEMP或MEAN_T这类字段。用 ArcGIS 打开后右键图层 → 打开属性表确认气温字段名。如果字段名是中文导出时可能乱码建议先复制一份再改英文别名。2.2 tif 栅格与附属文件.tfw/.aux.xml/.ovr 的作用2020年均气温.tif是主栅格旁边三个文件各有分工文件作用删了会怎样.tfw世界文件记录栅格左上角坐标和像元大小栅格可能丢失地理参考变成无坐标图片.tif.aux.xml辅助元数据存统计值、波段信息、颜色表不影响显示但某些统计工具会重新计算.tif.ovr金字塔文件加速缩放显示大栅格缩放时卡顿但不影响分析我见过有人只拷 .tif 去分析结果 ArcGIS 提示「未知空间参考」。所以整个文件夹一起移动别挑挑拣拣。用gdalinfo可以快速看栅格信息gdalinfo 2020年均气温.tif输出里重点看Size is行列数、Pixel Size分辨率、Coordinate System坐标系。如果坐标系是 WGS84 地理坐标像元大小通常是 0.01° 左右如果是 Albers像元大小可能是 1000 米。这决定了你后续做重采样时的目标分辨率。2.3 点与栅格的一致性检查用 ArcGIS 做一次快速验证在 ArcGIS 里把 shp 和 tif 同时加载如果位置对不上先查坐标系是否一致。我一般用「识别」工具点几个站点看栅格值是否接近站点观测值。如果差异超过 2℃可能是插值方法或时间范围不一致。这一步花 5 分钟能省后面几小时的返工。# 用 arcpy 快速检查点栅格值一致性 import arcpy from arcpy.sa import ExtractValuesToPoints # 输入站点 shp、气温栅格、输出点图层 arcpy.CheckOutExtension(Spatial) ExtractValuesToPoints(2020中国年均气温站点数据.shp, 2020年均气温.tif, 站点_栅格值.shp, INTERPOLATE, VALUE_ONLY)这段代码把栅格值提取到每个站点上生成新字段RASTERVALU。之后在属性表里对比TEMP和RASTERVALU如果大部分站点差值在 ±1℃ 内说明点面一致性不错如果大面积偏差可能是栅格用了不同的插值方法或站点数据经过了质量控制。参数INTERPOLATE表示双线性插值提取VALUE_ONLY只保留栅格值字段避免属性表膨胀。3. 用 ArcGIS 做年均气温制图从站点插值到栅格裁剪3.1 插值方法选型IDW、Kriging、Spline 怎么选如果你手头只有站点 shp想自己生成栅格ArcGIS 的 Spatial Analyst 工具箱里有反距离权重IDW、克里金Kriging、样条函数Spline等。年均气温这种大尺度平滑变量我一般优先用 Kriging因为它能给出预测误差表面如果站点密集且分布均匀IDW 更快更稳。Spline 适合地形起伏大的区域但容易过冲。操作路径ArcToolbox → Spatial Analyst Tools → Interpolation → Kriging。输入点选站点 shpZ 字段选气温字段输出栅格设为目标分辨率比如 1000 米。半变异函数模型选 Spherical 或 Exponential搜索半径用默认的「Variable」即可。注意插值前一定要设置处理范围Processing Extent为中国国界否则会在海洋区域生成无意义值。# Kriging 插值示例 from arcpy.sa import Kriging out_kriging Kriging(2020中国年均气温站点数据.shp, TEMP, Spherical, 1000, Variable, 12) out_kriging.save(2020年均气温_插值.tif)参数1000是输出像元大小12是搜索半径内的最大点数。如果站点稀疏把 12 调到 15 或 20如果站点密集降到 8 可加快速度。插值后检查直方图正常年均气温范围在 -20℃ 到 30℃ 之间超出这个范围的值大概率是异常点需要回到站点数据排查。3.2 用已有 tif 做掩膜提取与重采样如果你直接用资源里的2020年均气温.tif常见需求是提取某个省或流域的气温均值。ArcGIS 里用「按掩膜提取」Extract by Maskfrom arcpy.sa import ExtractByMask out_extract ExtractByMask(2020年均气温.tif, 省界.shp) out_extract.save(省域年均气温.tif)掩膜可以是 shp 或栅格。如果省界是地理坐标系而气温栅格是投影坐标系先统一坐标系否则提取结果会偏移。重采样用「重采样」工具像元大小从 0.01° 变成 1000 米时方法选「双线性」适合连续气温选「最近邻」适合分类数据。重采样后统计均值用「分区统计」Zonal Statistics as Table输出每个省的均值、最大值、最小值。3.3 站点与栅格的融合用点校正栅格局部偏差资源里同时给了站点和栅格一个进阶用法是用站点观测值校正栅格。比如栅格在青藏高原地区可能偏暖你可以计算每个站点的TEMP - RASTERVALU然后插值出偏差表面再叠加到原栅格上。这样既保留了栅格的空间连续性又融入了站点精度。# 计算偏差并插值 arcpy.AddField_management(站点_栅格值.shp, BIAS, DOUBLE) arcpy.CalculateField_management(站点_栅格值.shp, BIAS, !TEMP! - !RASTERVALU!, PYTHON3) # 对 BIAS 做 IDW 插值得到偏差栅格 from arcpy.sa import Idw bias_raster Idw(站点_栅格值.shp, BIAS, 1000, 2) bias_raster.save(偏差栅格.tif) # 原栅格 偏差栅格 from arcpy.sa import Plus corrected Plus(2020年均气温.tif, 偏差栅格.tif) corrected.save(校正后年均气温.tif)这段逻辑是先提取栅格在站点的值算偏差插值成连续偏差面再叠加。参数2是 IDW 的幂指数越大越强调近处站点影响。校正后建议再抽几个独立站点验证避免过拟合。4. 避坑与排查这五个问题我几乎每次都能遇到4.1 现象栅格打开全是黑色或白色看不到气温梯度原因栅格的统计值未计算或者拉伸方式用了「标准差」但像元值范围异常。解决右键栅格 → 属性 → 符号系统 → 拉伸选择「最小-最大」并勾选「应用 Gamma 拉伸」。如果还是全黑用「识别」工具点几个像元看值是否在合理范围。若值全是 -9999说明 NoData 被当成了有效值需要在符号系统里排除。4.2 现象站点 shp 和 tif 叠加后位置偏移几百米原因一个用了 WGS84 地理坐标另一个用了 CGCS2000 或 Albers 投影ArcGIS 动态投影有时会出错。解决用「投影」工具把两者统一到同一坐标系。全国数据推荐 Albers 等积投影参数中央经线 105°E标准纬线 25°N 和 47°N。投影后再叠加偏移基本消失。4.3 现象插值结果在边界外出现极端值原因处理范围没设为中国国界插值算法在无站点区域外推。解决在环境设置里把「处理范围」设为国界 shp「掩膜」也设为国界。这样插值只在国界内进行边界外直接 NoData。4.4 现象属性表中文乱码气温字段变成问号原因.dbf 文件默认编码是 UTF-8但 ArcGIS 某些版本按 GBK 读取。解决用 QGIS 打开 shp导出为 CSV 时选 UTF-8再重新导入 ArcGIS。或者用 Python 的pandas读取 dbf 并重写字段名。4.5 现象tif 栅格在 ArcGIS 里能显示但用 Python 读取报错原因.aux.xml或.ovr文件缺失或者 GDAL 版本不兼容。解决确保整个文件夹完整。用rasterio读取时指定nodata值import rasterio with rasterio.open(2020年均气温.tif) as src: data src.read(1, maskedTrue) print(src.crs, src.transform, data.min(), data.max())如果报CRS not found说明 .prj 或 .tfw 丢失需要从原始压缩包重新解压。5. 进阶技巧用 Python 批量提取站点气温并做时间序列对比如果你手头有 2020 年逐月气温栅格或者想和 2019 年数据对比手动在 ArcGIS 里点太慢。我一般用rasteriogeopandas写个脚本批量提取每个站点在多个栅格上的值输出 CSV 做趋势分析。import geopandas as gpd import rasterio import pandas as pd # 读取站点 stations gpd.read_file(2020中国年均气温站点数据.shp) coords [(x, y) for x, y in zip(stations.geometry.x, stations.geometry.y)] # 批量读取栅格 rasters [2020年均气温.tif, 2019年均气温.tif] results stations[[STATION, TEMP]].copy() for r in rasters: with rasterio.open(r) as src: values [v[0] for v in src.sample(coords)] results[r.split(.)[0]] values results.to_csv(站点多年气温对比.csv, indexFalse, encodingutf-8-sig)这段代码的核心是src.sample(coords)它按站点坐标从栅格取值比 ArcGIS 的提取工具快得多。参数encodingutf-8-sig保证 Excel 打开不乱码。拿到 CSV 后你可以算每个站点的增温趋势或者用matplotlib画散点图。验证方法随机抽 10 个站点在 ArcGIS 里用「识别」工具手动读栅格值和 CSV 里的值对比误差应该在 0.01℃ 以内。如果差异大检查坐标系是否一致或者栅格是否有 NoData 被误读为 0。从那以后我每次拿到这种「点栅格」打包的数据都强制走一遍「查 .prj → 统一投影 → 提取验证 → 再分析」的流程再也没出现过位置偏移或值异常。希望帮到你。本文还有配套的精品资源点击获取