数据收集和数据类型的重要性和方法

2.2.1.1　研究区气象站点数据

查询白水江及周边10个气象站点，根据台站号从中国气象科学数据共享服务网上获取每个台站的年月均气温和降水数据（http：//cdc.cma.gov.cn），数据记录时段为1951—2018年。气象站点的区位、相对地理位置如彩图7和表2-1所示。一般站，从甘肃省气象局和四川省气象局收集气候数据。另外，也从WorldClim（http：//www.worldclim.org/）下载当前气候数据集。按照年份分别统计保护区及周边10个气象站的气温和降水数据，并分别与年份做回归分析，以研究气温和降水的变化趋势。研究区气象站点较少，实现气候要素的空间分布有难度，而气候条件的高分辨率信息对于大熊猫潜在空间分布模拟及物种伴生种潜在分布模拟至关重要。幸运的是，WorldClim数据（版本1.4和2.0）和CHELSA数据集可以满足需求，其精度根据气象站点的数据进行评价。

表2-1　10个相关气象站点的位置信息

2.2.1.2　WorldClim数据（版本1.4和2.0）

WorldClim数据是一系列全球气候格网数据集，该数据的最大空间分辨率是30 arcseconds resolution（1 km分辨率栅格数据），该数据集以全球超过40000个站点1950—2000年（部分观测资料为1960—1990年）的观测资料和Shuttle Rada Topography Mission（STRM）30秒地形数据为数据源，采用ANUSPLIN软件集成的薄板光滑样条插值方法（thin plate sommthing splines）对相关数据进行插值得到19个生物气候变量（表2-2），自变量为经度、纬度和海拔（Hijmansetal，2005）。版本1.4提供现在（1960—1990）、未来（IPCC5）、过去［全新世中期（约6000年前）和末次盛冰期（约22000年前）］三种数据，版本2.0提供1970—2000年这一时期的数据。

表2-2　19个生物气候变量的缩写、含义及单位(www.xing528.com)

续表

2.2.1.3　CHELSA数据

瑞士苏黎世大学的Dirk Nikolaus Karger及同事在《科学数据》发表的地球陆面高分辨率气候数据（Climatologies athigh resolution for the earth’s land surface areas，CHELSA），呈现了ERA-Interim（ERA-Interim是1979年以来的全球大气再分析，不断实时更新）再分析数据经降尺度模型产生的温度和降水量预计值，分辨率高达30弧秒。温度算法主要基于对大气温度进行统计学降尺度。降水算法则结合了地形预测因素，包括风场、山谷分布和边界层高度，并对结果进行了偏差校准。由此作者得到了1979—2013年期间每月的温度和降水信息。作者将CHELSA数据与其他标准化产品及全球历史气候网络的下属气象台数据进行比较，并且还检验了新的气候学数据在物种分布模型中的应用情况，发现能够提高物种分布预测的准确性。在温度方面，CHELSA数据与其他产品准确度类似，但其对降水的预测精度更高。