【双评价学习笔记】农业：气候评价（协同克里金方法）
之前的农业气候评价用的是普通的IDW插值，再进行高程修正，而且之前修正的方法明显有误。看到相关的双评价成果明显比我之前的要好，查阅了论文大概确定了这次“协同克里金”的方法。
但其实这个方法我也在探索阶段，不知道对不对，具体的参数也不太理解，大家看看就得了，别骂太狠。
01指南7月版中的表述
通过≥0℃活动积温等指标反映区域光热条件。基于区域内及邻近地区气象站点长时间序列气温观测资料，统计各气象台站≥0℃活动积温，进行空间插值，并结合海拔校正后（以海拔高度每上升100m 气温降低0.6℃的温度递减率为依据）得到活动积温图层，按≥7600°、5800~7600°、4000~5800°、1500~4000°、<1500°、划分为好（一年三熟有余）、较好（一年三熟）、一般（一年两熟或两年三熟）、较差（一年一熟）、差（一年一熟不足）5级。
◐ 数据选用将下载的“中国地面气候资料日值数据集”经过经纬度转换后，导入ArcGIS中，筛选值为32766的平均气温，32766代表数据缺测或无观测任务，筛选出后用前后一天的温度平均值代替。
使用【按属性选择】将大于0℃的要素选中，导出。使用【融合】工具，【融合_字段】选择“区站号”、“年” ，【统计字段】选择“平均气温（摄氏度）”，【统计类型】选择“SUM”。
目前生成的是各站各年的积温，需要求出年均积温，要再一次【融合】。
点击后，会出现【地统计向导：克里金法/协同克里金法】活动窗口。
选择“克里金法/协同克里金法”，在第一行的数据集中选择积温数据集，数据字段选择统计后的积温字段，这是插值的基础数据；第二行选择“重庆DEM”，可以理解为在这个地形数据基础上插值。点击下一步。
一路下一步，这些主要是关于变量协同性的参数，有兴趣的可以自己去了解协同克里金的相关知识。
截图｜协同克里金操作过程
协同克里金法使用有关数个变量类型的信息。感兴趣的主要变量是Z1，并且用于Z1 的自相关与用于Z1 和其他所有变量类型之间的互相关的自相关都可用来进行更好的预测。使用其他变量中的信息来帮助进行预测看上去很方便，但这是有代价的。协同克里金法需要更多的估计，包括估计用于每个变量以及所有互相关的自相关。
截图｜协同克里金输出的“地统计图层”
一路“下一步”，并点击完成后，会产生一个新图层“协同克里金法”，需要右击这个图层，【数据】—【导出至栅格】。
图片｜重庆积温图·自绘
参考7月版本指南，按≥7600°、5800~7600°、4000~5800°、1500~4000°、<1500°、划分为好（一年三熟有余）、较好（一年三熟）、一般（一年两熟或两年三熟）、较差（一年一熟）、差（一年一熟不足）5级。
图片｜农业气候评价·自绘
好，完事，最后说一句，只是方法尝试，不对结果负责。略略略~
作者｜数读菌
排版｜数读菌
校阅｜数读菌
那今天就到这里结束啦，欢迎留言讨论。文中的图片文字未经许可不要随便“引用”。
如果可以的话，希望能够转发分享，点个在看并且点个赞，给个赞赏~~也欢迎规范转载~
也希望大家和我多留言互动啊！（据说这样可以增加我的推送在你的订阅号里出现的概率）
需要你的“分享”和“在看”
END>
如需全文转载文章、投稿或者合作
可添加微信
(回复超慢！！！)
（不要添加我问各种问题，我大概率不会的==）
（入群请一定要备注入群）
（添加后会在晚上非工作时间通过，请稍安勿躁）
公众号
微博