最近有读者在后台留言:"近期在做城市化的WRF数值敏感性模拟时,发现模式默认的土地利用数据还是2000年左右的MODIS产品,经过二十多年的快速城市化,下垫面已经发生了很大变化。想更新研究区的土地利用类型,但不知道从哪里下载合适的数据,也不清楚具体怎么替换。有没有现成的、专门针对中国区域的WRF土地利用数据集可以直接使用?"
这个问题确实是很多做区域气候、大气污染扩散、风能评估等方向研究者会遇到的核心问题。下垫面作为陆-气交换过程的边界条件,其准确性直接影响模式对感热、潜热、粗糙度、反照率等关键物理量的计算,进而影响近地面气象要素的模拟效果。
好消息是,小编几年前在气象家园论坛就刷到相关的帖子,Zenodo平台上已经有研究者上传了两份专门针对WRF/WPS预处理系统的中国区域土地利用数据,下载后经过简单配置即可直接运行geogrid.exe调用。本文就来详细介绍这两份数据的具体内容、适用场景及使用方法。
WRF前处理系统WPS在运行geogrid.exe时,默认会从静态地理数据库(WPS_GEOG)中插值土地利用类型。默认的MODIS IGBP数据集基于2000年前后的遥感影像,空间分辨率约为30秒(约1km),时间跨度已逾二十年。
对于中国而言,这期间经历了大规模的城市扩张、退耕还林、湿地缩减等显著的下垫面变化。继续使用旧数据可能导致以下问题:
因此,在开展高精度区域模拟时,使用更新的、高分辨率土地利用数据是有必要的。
该数据集由研究者Chao Gao等专门制作并上传至Zenodo,目标是为WRF模式提供可直接接入WPS系统的中国区域高分辨率土地覆盖数据。数据已按照WPS geogrid要求的格式进行组织,包含二进制数据文件和配套的index元数据文件。
根据作者在页面中的说明,该数据集的森林和湿地植被类型与MODIS官方产品存在一定偏差,作者计划在后续版本中修正这一问题。使用者若研究重点关注森林或湿地下垫面,需对此保持注意。
该数据集采用WRF中常用的Noah-modified IGBP-MODIS分类,共20类。与WRF默认的21类体系(增加第21类Lake)相比,该数据集使用了20类方案,在配置WPS时需要注意与namelist中选项的匹配。
各类别定义可参考WRF官方User Guide中MODIS IGBP分类表,主要涵盖常绿针叶林、常绿阔叶林、落叶林、混交林、灌木地、草地、湿地、农田、城市和建成区、农田/自然植被镶嵌体、裸地、冰雪等类型。
该数据集基于NASA官方发布的MCD12Q1 v006产品加工而成,作者则是公众号气象小筑的作者。MCD12Q1是MODIS Terra与Aqua联合反演的年度土地覆盖产品,采用500米分辨率,包含IGBP、UMD、LAI、BGC、PFT等多种分类方案。
该数据集选取了IGBP分类方案(17类),并进行了WRF适配处理。从作者提供的index文件可以看出,其配置参数为:
mminlu = "MODIFIED_IGBP_MODIS_NOAH"
category_min = 1
category_max = 21
iswater = 17
islake = 21
isice = 15
isurban = 13
这表明数据虽然源自MCD12Q1的17类IGBP产品,但已被重新编码为WRF标准的21类体系(其中第21类为湖泊),与WPS默认的MODIS静态数据完全兼容。
原始MCD12Q1 v006的IGBP分类包含以下17个主要类型:
该分类体系由国际地圈-生物圈计划(IGBP)制定,包含11个自然植被类型、3个人工改造和镶嵌类型、3个非植被类型,是全球土地覆盖研究中最广泛采用的标准之一。
对比项 | 数据集一(4915766) | 数据集二(6591122) |
|---|---|---|
名称 | Land cover for WRF in China | land use dataset of geogrid in China 2020 |
年份 | 2019 | 2020 |
空间分辨率 | 300米 | 500米 |
原始数据源 | MODIS(未明确具体产品版本) | MCD12Q1 v006 |
分类体系 | Noah-modified 20-category | MODIFIED_IGBP_MODIS_NOAH 21-category |
数据格式 | WPS geogrid(含index) | WPS geogrid(含index) |
优势 | 空间分辨率更高 | 年份更新、与WRF默认21类完全兼容、数据源透明可追溯 |
注意事项 | 森林和湿地类别与MODIS存在偏差 | 分辨率略低 |
适用场景 | 对空间分辨率要求较高的模拟 | 需要最新下垫面信息且注重数据兼容性的模拟 |
两份数据集均为WRF/WPS geogrid格式,使用步骤基本一致,具体如下:
访问上述Zenodo链接,下载数据集压缩包,解压至本地。
将解压后的文件夹(包含数据文件和index文件)移动到你的WPS地理数据路径下,例如:
WPS_GEOG/
modis_landuse_20class_300m_China2019/
index
00001-02016.00001-02016
...
或
WPS_GEOG/
modis_landuse_21class_500m_China2020/
index
00001-05000.00001-05000
...
在WPS的namelist.wps文件中,找到geogrid部分的geog_data_path确保指向你的WPS_GEOG目录。然后需要确认或修改GEOGRID.TBL文件中landuse相关的条目,使其指向新数据的路径。
更简便的方式是:备份默认的modis_landuse文件夹,将新下载的数据文件夹重命名为默认名称(如modis_landuse_21class_30s),或在GEOGRID.TBL中修改路径指向。
配置完成后,运行geogrid.exe:
./geogrid.exe
若配置正确,程序将读取新的土地利用数据并插值到你的模拟区域,生成geo_em.d01.nc等文件。
使用ncview或Python(xarray/netCDF4)打开geo_em.d01.nc,检查LU_INDEX变量的空间分布是否合理,重点关注研究区的城市、农田、水体分布是否与实际情况相符
本文介绍的两份Zenodo数据为研究者提供了即用型的中国区域高分辨率土地利用数据,省去了从原始遥感影像下载、投影转换、格式转换、生成index文件等繁琐步骤。
需要再次强调的是,无论使用哪份数据,都建议在正式模拟前进行敏感性试验:分别用默认数据和新数据运行短期(如一周)模拟,对比近地面温度、湿度、风场的差异,评估更新下垫面带来的改进效果。
如果你在使用过程中遇到geogrid报错、类别不匹配或空间分布异常等问题,欢迎在评论区留言交流。
本文基于Zenodo公开数据集及相关技术文档整理,仅供学术交流使用。数据版权归原作者及上传者所有,使用时请遵循相应的数据引用协议。