文档-气象站点数据插值处理流程演示教学

格点插值到站点方法以格点插值到站点方法为题，我们来探讨一下什么是格点插值以及如何将其应用到站点数据中。

格点插值是一种用于将离散数据转换为连续数据的技术。

在气象学和地理信息系统领域，我们经常需要对离散的气象观测数据进行插值，以便在空间上进行分析和预测。

格点插值方法通过计算周围格点的值来估计站点的值，从而实现对站点数据的补充和推算。

那么，如何将格点插值应用到站点数据中呢？我们需要获得格点数据。

格点数据通常是由气象观测站点周围一定范围内的多个网格点的观测数据组成的。

这些网格点可以是均匀分布的，也可以是根据地理特征和气象要素的分布情况进行不规则网格划分的。

接下来，我们需要选择适合的插值方法。

常见的格点插值方法包括最近邻插值、反距离加权插值、克里金插值等。

最近邻插值方法是根据站点附近的最近的格点值来估计站点的值。

反距离加权插值方法是根据站点与格点之间的距离和格点的值来计算站点的值。

克里金插值方法则是根据站点与格点之间的空间相关性来进行插值。

然后，我们需要进行插值计算。

对于最近邻插值方法，我们只需要找到离站点最近的格点，并将其值作为站点的值。

对于反距离加权插值方法和克里金插值方法，我们需要根据距离和格点值的权重来计算站点的值。

这些计算可以通过编程语言如Python或R来实现。

我们可以对插值结果进行验证和评估。

可以通过与实际观测数据进行对比，计算插值误差和相关性等指标，来评估插值方法的准确性和可靠性。

总结一下，格点插值是一种将离散数据转换为连续数据的技术，常用于气象学和地理信息系统中。

应用格点插值到站点数据中的步骤包括获取格点数据、选择适合的插值方法、进行插值计算以及验证和评估插值结果。

这些步骤可以帮助我们更好地利用格点数据来分析和预测站点数据。

协同克里金插值法(CoKriging)克里金法（Kriging ）是地统计学的主要内容之一，从统计意义上说，是从变量相关性和变异性出发，在有限区域内对区域化变量的取值进行无偏、最优估计的一种方法；从插值角度讲是对空间分布的数据求线性最优、无偏内插估计一种方法。

克里金法的适用条件是区域化变量存在空间相关性。

克里金法，基本包括普通克里金方法（对点估计的点克里金法和对块估计的块段克里金法）、泛克里金法、协同克里金法、对数正态克里金法、指示克里金法、折取克里金法等等，对于插值具有其他相关因子，如果进行插值的站点的多个属性，如版研究中的高程、温度和降雨量，他们之间并具有较好的相关性，通过多种差值的方差分析比较，使用协同克里金（CoKriging ）插值法效果最好。

一般来说，气象要素和高程之间是具有相关性的，气象要素会随着高程的变化而发生显著的变化，一般情况下，温度随着高程的增高而降低，而降水则随着高程的增高而增加，至某一高度达到最大值后才转而逐渐向上递减。

山区降雨量随高程分布的规律是很复杂的，一般在不同的地区有较大的差异。

所以在对温度等进行空间插值的时候，不能不考虑高程因素。

其表达方式是：[]∑=+-+=n i ui i Z Y X Y Z X Z 1)()(λλ (1)式中)(X Z 为X 点处插得的温度分布，ui Z 为第i 站的实测温度值，)(X Y 为X 点的高程，n 为实测温度站个数，Y 、Z 为高程和温度的全局平均值，i λ、λ为协克里金插值权重系数，它们可以通过求解下列)2(+n 个线性方程组获得。

⎪⎪⎪⎩⎪⎪⎪⎨⎧=+==++--=+-+-∑∑∑===ni i ni i i j j ni j i i n j rzy u ryy X X ryz X X rzz X X X rzy X X rzz 1111),2,1()0()()0()()()()()(λλμλλμλλ (2)式中)(X μ、)(u μ为考虑权重系数约束条件的拉格朗日算子，)(i X X rzy -为位置X 与i X 处第1与第2类信息的交叉变异函数值，其计算公式为：[][]∑=+-+-=)(1)()()()()(21)(h n i h x y x y h x z x z h n h rzy (6)式中)(h n 为相距h 的采样点的配对数。

第25卷　第6期气象科学Vol.25,No.6　2005年12月SCIEN TIA M ET EOROL O GICA SIN ICA Dec.,2005　气象资料三维化技术中的插值问题李培军　张维峰　郭洪涛　黄建国(解放军理工大学气象学院,南京211101)摘　要　通过对不同源气象资料及数字地理信息资料的插值,实现了不同气象资料与地理信息资料分辨率的协调;从而将多种信息叠加到一起,实现了多源资料的二维、三维仿真显示。

这对于模拟真实的大气空间结构、理解地形及植被对大气运动的影响、辨识各种天气系统及多种信息的融合等有积极意义。

关键词　仿真　分形插值　三维化　气象资料 分类号　P412.27 文献标识码　A 引　言现代战争是三维立体战争,对军事气象保障提出了更高的要求,而目前我们所用的气象资料在时空、投影方式和分辨率上都不匹配,且大多停留在二维平面显示(等值线、埃码图等)上,综合气象信息(包括卫星、雷达及探测等产品)可重建保障区域三维气象学模型,从而大大提高气象信息的利用率,帮助预报和作战人员对气象环境进行综合判断,这对各级业务部门具有十分重要的意义,大量的高精度数字化、可视化产品,可产生很大的军事经济效益。

本文以地理环境为基础,以先进的气象观测设备(卫星、雷达、常规探测资料等)为信息来源,采用不同的插值方法,用较为直观的形式(图像、数值等)对气象信息进行处理和再现。

这对于提高部队战场环境的气象保障和辅助决策等有积极意义。

模拟气象环境要对大量的数据进行处理,只有这样才能生成自然的、逼真的图像。

对于大量的气象离散数据及网格数据,无法用传统的初等函数进行模拟,这便产生了“插值”,直到20世纪60年代“样条函数插值”的提出与应用,一个用低次多项式解决全局光滑性问题才算有了一个圆满的解决,并在气象图形的自动绘制中得到了广泛的应用;但事物总是又朝着它的反方向发展,出现了分形几何,这对于不连续面的插值十分有效,分形插值函数与初等函数一样也具有其本身的几何特性,它也能科学地用“公式”来表示,能快速地被计算出来。

文档-气象站点数据插值处理流程气象站点数据插值处理流程1气象站点数据整理Excel格式，第一行输入字段名称，包括站点名称、x经度（lon）、y纬度（lat）、平均气温、平均风速、相对湿度、平均日照时数。

其中经纬度需换算为度的形式，其它数据换算为对应单位。

2excel气象数据转为shape格式的矢量点数据插值分析（1）打开Arcgis，添加excel气象站点数据。

打开LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，打开边界.shp,三个应该能叠加在一起（2）在arcgis内容列表中右键单击excel表，选择“显示XY数据”，设置X、Y字段为表中对应经、纬度字段，编辑坐标系，设置为气象站点经纬度获取时的坐标系，这里为地理坐标系WGS84。

（3）导出为shape格式的点数据。

右键单击上一个步骤中新生成的事件图层，单击“数据-导出数据”。

需注意导出数据的坐标系应选择“此图层的源数据”。

（4）设置Arcgis环境。

在“地理处理”菜单下单击“环境”，在环境设置窗口中选择“处理范围”，选择一个处理好的遥感数据（LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，主要是参考该遥感数据的行数和列数）。

再选择“栅格分析”，按下图设置插值的分辨率为“0.0045”，掩膜文件设置为边界2/LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img。

注意：生成出来的是否有坐标系，插值-环境-输出坐标系-与**相同（5）气象站点数据插值。

在toolbox中选择工具箱“Spatial Analyst————反距离权法”，默认12个数据参与运算，“Z值字段”分别选择平均风速、平均气温、相对湿度，直接输出，不要改输出路径名字。

再导出数据。

在差值分析界面最下栏也有环境，进去设置，注意经纬度显示位置是经纬度投影的投影坐标系，UTM不能用（6）数据转换为image格式。

地理空间数据分析中的空间插值技术的使用教程在地理空间数据分析中，空间插值技术被广泛应用于填充缺失值、补齐网格数据、生成等高线图等任务中。

本文将介绍空间插值技术的基本原理、常用方法以及使用教程，以帮助读者更好地理解和运用这一技术。

一、空间插值技术的基本原理空间插值是通过已知的观测点得出未知位置的属性值的一种方法。

它基于空间相关性的假设，即临近点的属性值相似性较高。

根据这个假设，空间插值方法可以通过在观测点之间进行合理的插值推断来得出未知点的属性值。

二、常用的空间插值方法1. 反距离加权插值（IDW）反距离加权插值是一种简单且常用的插值方法。

它根据观测点和插值点的距离，对观测点进行加权计算，距离越近的点权重越大。

该方法适用于局部空间变异性较大且存在离散数据的情况。

2. 克里金插值（Kriging）克里金插值是一种基于泛函高斯随机场理论的空间插值方法。

它考虑了空间数据的自相关性和空间变异性，能够更好地描述空间数据的复杂性。

克里金插值方法通过构建半变异函数和克里金方程，对观测点进行插值推断。

3. 三角网插值（TIN）三角网插值将空间数据进行三角化处理，在每个三角形内进行插值。

它适用于不规则分布的观测点和空间数据边界不规则的情况。

通过分割空间为连续的三角形，可生成连续的等高线图等。

4. 其他插值方法除了上述常用的插值方法外，还有较多的其他插值方法可供选择。

例如径向基函数插值（RBF）、样条插值（Spline）等。

选择合适的插值方法需要根据具体的数据特征和分析目标进行。

三、空间插值技术的使用教程以下是空间插值技术的使用教程，以反距离加权插值和克里金插值为例。

1. 反距离加权插值（IDW）的使用教程（1）使用ArcGIS等地理信息系统软件打开需要进行插值的地理空间数据。

（2）选择反距离加权插值工具。

（3）根据自己的需求设置插值参数，如距离权重指数、邻近点数量等。

（4）开始插值计算，待计算完成后得到插值结果。

2. 克里金插值的使用教程（1）使用克里金插值软件，如Surfer、GS+等，打开需要进行插值的地理空间数据。

气象站点数据插值处理流程1气象站点数据整理Excel格式，第一行输入字段名称，包括站点名称、x经度（lon）、y纬度（lat）、平均气温、平均风速、相对湿度、平均日照时数。

其中经纬度需换算为度的形式，其它数据换算为对应单位。

2excel气象数据转为shape格式的矢量点数据插值分析（1）打开Arcgis，添加excel气象站点数据。

打开LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，打开边界.shp,三个应该能叠加在一起（2）在arcgis内容列表中右键单击excel表，选择“显示XY数据”，设置X、Y字段为表中对应经、纬度字段，编辑坐标系，设置为气象站点经纬度获取时的坐标系，这里为地理坐标系WGS84。

（3）导出为shape格式的点数据。

右键单击上一个步骤中新生成的事件图层，单击“数据-导出数据”。

需注意导出数据的坐标系应选择“此图层的源数据”。

（4）设置Arcgis环境。

在“地理处理”菜单下单击“环境”，在环境设置窗口中选择“处理范围”，选择一个处理好的遥感数据（LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，主要是参考该遥感数据的行数和列数）。

再选择“栅格分析”，按下图设置插值的分辨率为“0.0045”，掩膜文件设置为边界2/LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img。

注意：生成出来的是否有坐标系，插值-环境-输出坐标系-与**相同（5）气象站点数据插值。

在toolbox中选择工具箱“Spatial Analyst————反距离权法”，默认12个数据参与运算，“Z值字段”分别选择平均风速、平均气温、相对湿度，直接输出，不要改输出路径名字。

再导出数据。

在差值分析界面最下栏也有环境，进去设置，注意经纬度显示位置是经纬度投影的投影坐标系，UTM不能用（6）数据转换为image格式。

气象观测数据的空间插值方法研究气象观测数据的空间插值方法是气象学研究中的重要课题之一。

气象观测数据的空间插值是指根据有限的观测数据，在区域范围内推断和估计未观测点的值。

这对于气候预测、天气预报等气象学研究起着至关重要的作用。

本文将从常用的空间插值方法、插值误差分析等方面展开讨论。

空间插值方法有许多种，其中最常见的包括：反距离加权插值法、Kriging法、三角坐标插值法等。

反距离加权插值法是一种简单而又直观的插值方法。

它的基本思想是根据观测点与目标点之间的距离，对观测点进行加权平均。

在实际应用中，可根据观测点与目标点的距离来确定权重，距离越近的观测点权重越大。

这种方法的优点是简单易懂，但缺点是没有考虑空间分布的相关性。

Kriging法则是一种基于地统计学原理的插值方法。

它利用样本点之间的空间相关性，通过拟合半变异函数来推断未知位置的值。

Kriging法适用于具有空间相关性的数据集，并且能够估计未观测区域的误差。

然而，Kriging法的缺点在于对数据集空间相关性的要求较高，且计算复杂度较高。

三角坐标插值法是一种基于三角网格的插值方法。

它将观测点连线构建成三角形网格，然后通过在三角形内进行插值来估计未知点的值。

这种方法适用于比较规则的数据点布局，但在数据点不均匀或分布复杂的情况下可能出现插值误差较大的情况。

除了各种插值方法外，插值误差分析也是空间插值方法研究的重要内容之一。

插值误差分析的目的是评估插值结果的可靠性，并提供一定的误差界限。

常用的误差分析方法包括：交叉验证、均方根误差、平均绝对误差等。

这些方法能够帮助我们了解插值结果的准确程度，从而在实际气象预测中提供更可靠的数据支持。

空间插值方法的研究不仅对于气象学有着重要意义，也对其他领域的空间数据分析具有一定的借鉴作用。

例如在地理信息系统中，空间插值方法也被广泛应用于地表高程模拟、地下水位预测等领域。

此外，在农业、环境科学等领域也都离不开对空间插值方法的研究。

气象数据插值的方法
气象数据插值的方法有很多，比如以下几种：
1. 普通插值：也称线性插值，该方法基于两个已知的数据点之间的直线关系，通过计算出的一系列新的数据点来表示数据的变化趋势。

2. 多元插值：该方法基于多个已知的数据点之间的多元关系，利用插值公式计算出一系列新的数据点来表示数据的变化趋势。

3. 空间插值：该方法基于已知的数据点之间的空间关系，利用插值公式计算出一系列新的数据点来表示数据的变化趋势。

常见的空间插值方法包括克里金法、协同克里金法等。

其中，克里金法适用于具有空间相关性的数据插值，尤其适用于气象要素如温度、降雨量和高程的数据插值。

协同克里金法则适用于具有其他相关因子，如温度、降雨量和高程的空间分布数据的插值。

4. 网格化插值：该方法将数据点映射到二维或三维的格子上，然后利用插值公式计算出每个格子中的数据。

这种插值方法具有高精度、可计算等优点，可以很好地反映数据的空间结构性能。

5. 样条插值：该方法通过分段函数来拟合数据，可以较好地保持数据的光滑性和连续性。

6. 多项式插值：该方法通过多项式函数来拟合数据，可以较好地反映数据的变化趋势。

然而，多项式插值在逼近数据趋势时可能会出现较大的插值误差，尤其是对于数据变化较为复杂的情况。

以上是一些常见的气象数据插值方法，不同的插值方法适用于不同的数据和问题，需要根据具体情况选择合适的插值方法。

气象站观测数据处理方法气象站观测数据处理方法是指将收集到的各种气象数据进行整理、分析和处理的过程。

这些数据包括气温、湿度、降水量、风速、气压等各种气象要素的测量数据。

正确处理气象观测数据对于气象预报、气候监测和气候模拟等领域非常重要。

下面将介绍一些常用的气象站观测数据处理方法。

1.数据质量控制数据质量控制是确保观测数据的准确性和可靠性的第一步。

在数据采集过程中，可能会出现仪器故障、人为误操作等情况，导致观测数据出现异常值或缺失值。

因此，需要对数据进行质量控制，包括人工检验、自动检验和统计检验等方法，以识别和修正异常数据。

2.数据整理和处理数据整理和处理是将原始观测数据规范化和标准化的过程。

首先，对观测数据进行时间和空间上的统一，以便于后续的分析和模型建立。

然后，根据需要，进行数据插值、平滑和去噪等处理操作，以满足具体研究或应用的要求。

3.数据分析数据分析是对已经整理和处理的观测数据进行统计和推断的过程。

常见的数据分析方法包括时间序列分析、相关分析、回归分析、聚类分析、频率分析等。

通过数据分析，可以揭示气象要素之间的相互关系和规律，为气象预报和预警提供参考依据。

4.数据可视化数据可视化是将数据以图表、地图等形式展示的过程。

通过数据可视化，可以直观地展示气象要素的分布和变化规律，帮助人们更好地理解和利用气象观测数据。

常用的数据可视化工具包括地理信息系统（GIS）、绘图软件和可编程软件等。

5.数据模型建立数据模型建立是通过对观测数据的统计和分析，建立描述气象要素之间关系的数学模型的过程。

常见的数据模型包括回归模型、时间序列模型等。

通过建立数据模型，可以用较少的观测数据来推断未来或未观测到的气象要素值。

6.数据存储和共享数据存储和共享是将观测数据保存和传递给其他用户或研究者的过程。

为了保证数据的长期保存和有效利用，需要建立合适的数据存储和管理系统，并遵守数据共享的规范和标准。

此外，还可以利用云计算和大数据技术来实现气象观测数据的远程存储和共享。

格点插值到站点方法
格点插值到站点方法是一种将格点数据插值到站点位置上的方法，主要用于将大气或气候模型生成的格点数据转换为实际站点观测值。

常用的格点插值到站点的方法包括：
1. 简单平均法：将周围格点的值简单平均，得到站点值。

适用于站点附近格点相对密集的情况。

2. 反距离加权法：根据站点与各个格点之间的距离，对格点进行加权平均。

距离越近的格点权重越大。

适用于站点和格点距离较近的情况。

3. 克里金插值法：通过构建半变异函数模型，根据格点之间的空间相关性进行插值。

适用于站点和格点距离较远，且具有空间相关性的情况。

4. 多变量回归法：通过建立站点观测值与格点数据之间的线性回归关系，对格点进行插值。

适用于站点观测数据与格点数据具有一定相关性的情况。

5. 物理插值法：基于物理模型的方程和参数，将格点数据插值到站点位置。

适用于对具有物理意义的气象参数进行插值。

这些方法各有优缺点，选用适合的方法需要考虑数据的特点以及插值结果的精度要求。

TXT或者EXCEL格式的数据（比如气象数据）导入ArcMAP1、前言大家在中国气象数据网或者其他渠道获取到气象数据有可能是TXT或者EXCEL格式的数据：2、EXCEL格式处理下图是一个EXCEL格式的月度平均降水数据，上面一栏依次是站点编号、纬度、经度、年份、1、2、3…11、12月的平均降水量，最下面一栏是每一年（1992 1993 1994 …）的sheet：然后我们打开ArcMAP，使用Add XY DATA工具：选择需要导入的EXCEL表格：选择需要导入的年份：这里我们以1981年的为例X坐标选经度，Y坐标选纬度，坐标系选择WGS84导入后：叠加上行政区划：我们可以将这个EXCEL导出SHP格式：导出后的数据属性：3、TXT数据的导入我们以日值温度数据的TXT为例：新建一个空的EXCEL，然后打开选择所有文件：我们可以选择分隔符号：选上TAB和空格：然后这个数据就导入EXCEL了：我们可以加上表头：但是由于其经纬度XY不是真正的十进制，比如第一个站点10950,2509其实是经纬度为109度50分,25度9分。

我们可以使用挂接的方法解决导入ArcGIS的问题：这是一个全国气象站的站点经纬度EXCEL：我们依照之前的方法将其导入Arcmap：导出SHP：在导出后的SHP数据中使用JOIN挂接：第一个字段选择我们气象站的站点字段，第二个表选择之前通过读取TXT而保存的EXCEL日值气温数据，第三个选日值气温数据里的站点字段：这样数据就导入了，我们可以将这个挂接气温属性后的站点SHP重新导出一个新的SHP文件：好了，今天的介绍就到这里了，对于后续的插值，配色，制图，大家可以去网上搜集资料学习。

高海拔区域格点插值到站点的插值方法高海拔区域格点插值到站点的插值方法1. 引言在气象学和地理学领域中，高海拔区域的气象站点相对较少，而格点数据又是由数值预报模型生成的重要个别数据。

因此，将高海拔区域格点数据插值到站点是非常重要的任务。

本文将介绍几种常用的高海拔区域格点插值方法。

2. 三次样条插值三次样条插值是一种常用的插值方法，其通过拟合数据点周围的三次多项式来进行插值。

在高海拔区域，将格点数据进行三次样条插值可以得到光滑且连续的插值结果。

三次样条插值具有较高的精度和稳定性，并且对错位数据更具鲁棒性。

3. 反距离加权插值反距离加权插值是一种基于距离的插值方法，它假设距离较近的点之间具有更高的相关性。

在高海拔区域，格点数据和站点之间的距离较远，使用反距离加权插值可以将格点数据按照距离加权融合到站点。

这种方法简单易行，但对于站点之间距离较远的情况，可能会导致插值结果不准确。

4. 克里金插值克里金插值是一种基于半变异函数的插值方法，它利用实测点之间的空间相关性进行插值。

在高海拔区域，格点数据和站点之间的空间关联性较强，克里金插值是一种适用的方法。

该方法能够利用数据之间的空间关系，提高插值结果的准确性。

5. 双线性插值双线性插值是一种基于分片线性函数的插值方法，它将网格分成小矩形，然后使用线性函数逐一插值。

在高海拔区域，格点数据相对稀疏，使用双线性插值可以简化计算过程，并得到连续而光滑的插值结果。

但需要注意的是，双线性插值对于数据的分布要求较高，对于不规则的格点数据可能会导致插值结果不准确。

6. 决策树插值决策树插值是一种基于决策树算法的插值方法，它通过在格点数据上构建决策树模型来进行插值。

在高海拔区域，格点数据存在着一定的空间自相关性，使用决策树插值可以利用这种关系来提高插值的准确性。

决策树插值具有较高的灵活性，可以根据实际情况进行参数调整，得到更好的插值结果。

7. 总结本文介绍了几种常用的高海拔区域格点插值到站点的插值方法。

文档-气象站点数据插值处理流程气象站点数据插值处理流程1气象站点数据整理Excel格式，第一行输入字段名称，包括站点名称、x经度（lon）、y纬度（lat）、平均气温、平均风速、相对湿度、平均日照时数。

其中经纬度需换算为度的形式，其它数据换算为对应单位。

2excel气象数据转为shape格式的矢量点数据插值分析（1）打开Arcgis，添加excel气象站点数据。

打开LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，打开边界.shp,三个应该能叠加在一起（2）在arcgis内容列表中右键单击excel表，选择“显示XY数据”，设置X、Y字段为表中对应经、纬度字段，编辑坐标系，设置为气象站点经纬度获取时的坐标系，这里为地理坐标系WGS84。

（3）导出为shape格式的点数据。

右键单击上一个步骤中新生成的事件图层，单击“数据-导出数据”。

需注意导出数据的坐标系应选择“此图层的源数据”。

（4）设置Arcgis环境。

在“地理处理”菜单下单击“环境”，在环境设置窗口中选择“处理范围”，选择一个处理好的遥感数据（LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img，主要是参考该遥感数据的行数和列数）。

再选择“栅格分析”，按下图设置插值的分辨率为“0.0045”，掩膜文件设置为边界2/LC_Ther10-11_16m合并_warp_裁剪BIL1.00_cj重采样6066_经纬度.img。

注意：生成出来的是否有坐标系，插值-环境-输出坐标系-与**相同（5）气象站点数据插值。

在toolbox中选择工具箱“Spatial Analyst————反距离权法”，默认12个数据参与运算，“Z值字段”分别选择平均风速、平均气温、相对湿度，直接输出，不要改输出路径名字。

再导出数据。

在差值分析界面最下栏也有环境，进去设置，注意经纬度显示位置是经纬度投影的投影坐标系，UTM不能用（6）数据转换为image格式。

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。