文档

来自气象模型的温度数据由Solargis进行后处理，以在长时间段实现更高的准确性和均匀性。下面给出了后处理方法的概述。

地形海拔修正

从数值天气模型得到的温度数据的原始空间分辨率太粗糙，无法准确地表示海拔变化区域的温度。如果已知温度的垂直变化率，则可以克服该问题。这个比率被称为直减率（ 失效率。直减率可能随时间而变化，从一个地方到另一个地方，也受天气模式和当地微气候和地形特征的影响。通常，温度会随着高度的增加而降低。然而，在地表附近，温度反转的发生（温度随着海拔的增加而增加）并不罕见，这是冷表面的典型情况。

除了地表2米处的温度外，气象模型还提供从表面到大气顶部的每个模型层的温度数据。使用垂直温度曲线，设计了温度垂直变化的简化参数化。然后将计算的直减率用于温度数据的空间缩减到1千米分辨率。

CFSR和CFSv2数据集的同质化

Solargis数据库中气温数据的历史档案来自2个数值天气模型--CFSR（截至2010年）和CFSv2（2011年以后）。在全球许多地方，CFSR和CFSv2温度趋势之间存在不可忽忽的差异。为了实现 温度数据的均匀化时间序列（从1994年到现在），我们已经完成了CFSv2值。这是使用MERRA2数据集作为基础参考完成的，因为MERRA2数据集涵盖了CFSR期间和CFSv2期间。

纠正CFSR / CFSv2数据偏差

尽管上面讨论了修正，但温度数据通常仍包含一些偏差。这些偏差可以被视为局部偏差或大规模偏差。前者是由站点周围的局部特征（例如地形，靠近水库......） 产生的偏差，这些偏差并未被数数天气模型解决。另一方面，大规模偏差发生在更广泛的领域，例如在国家范围或大陆上有系统的偏差。这些通常是通过建模问题产生的，并且在某种程度上已由Solargis纠正。

可靠的地面测量温度数据已被用来纠正CFSR / CFSv2数据库中的大规模偏差。太阳能也可以纠正局部规模的偏差 - 但这是一项耗时的工作，因此只能根据要求进行，作为特定站点资源评估研究的一部分（由Solargis提供咨询服务）。