基于IDL平台的植被物候影响因子计算程序

2021-07-29司国新周尧治

绿色科技 2021年13期

司国新，周尧治

(1.西藏农牧学院高原生态研究所，西藏林芝 860000 ；2.西藏高原森林生态教育部重点实验室，西藏林芝 860000；3.西藏林芝高山森林生态系统国家野外科学观测研究站，西藏林芝 860000；4.西藏自治区生态安全联合实验室，西藏林芝 860000)

1 引言

植被物候是与大气界面能量交换、全球物质循环、植被生产力等密切相关的关键参数[1,2]。植被物候的影响因子研究更是物候研究中的一个热点。已有研究表明，月平均温度、年均温、生物温度、温暖指数、寒冷指数和大陆度指数等是植被物候的重要影响因子[3～5]。

由于获取这些指标的数据源体量庞大，依靠人工运算较为繁琐，并不适用于大范围的物候研究。因此需要更为准确和高效的运算方法。IDL平台大数据的处理能力强，有良好的可视化界面，是非常方便的程序设计平台[6]。

为了简化植被物候影响因子运算处理过程，计划基于1951～2018年的气象数据和IDL平台编写批量处理植被物候影响因子的代码。

2 数据与方法

2.1 数据

本文使用的气象数据均来自于中国气象数据网(http://data.cma.cn/)的V3数据集。所有数据均以txt格式按年份存储。

2.2 基本思路

研究的大多数植被物候影响因子均与各月的平均温度相关。所以，算法的第一步应当是计算各站点每个月的平均温度。然后加入温度阈值以计算生物温度、温暖指数和寒冷指数，加入经纬度信息以计算大陆度指数。整个代码应当采用环境设置、文件输入、文件循环、指标计算、数据输出等几个模块的架构。

3 代码实现

由于代码中需要大量调用ENVI的数学函数，所以应当在代码首段加入“compile_optidl2”语句，以确保稳定调用。使用read_ascii函数从txt文件读入数据源，并以结构体的形式存储在mete_para变量中。由于气象数据是按照年份的顺序存储的，必须要设置一个循环才能从大量文件中提出植被物候影响因子。事先设置了用于存放最终结果的outsum变量。对于每一个指标，都需要借助where函数从mete_para变量中筛选符合条件的原始数据，然后计算并传给outsum变量。最后调用WRITE_CSV函数以csv文件的形式输出计算结果。由于篇幅原因，下面只给出计算各个指标的核心代码：

fori=0,sizestation[1]-1dobegin

outsum[0,hang+i]=kustationall[0,i]

outsum[1,hang+i]=data[4,0]

forj=1,12dobegin

outsum[j+1,hang+i]=mean(mete[where((mete.stationeqkustationall[0,i])and(mete.temlt30000)and(mete.montheqj))].tem)

endfor

；计算每个月的平均温度

outsum[17,hang+i]=mean(mete[where((mete.stationeqkustationall[0,i])and(mete.temlt30000))].tem)

；年均温

fork=2,13dobegin

if(outsum[k,hang+i]gt0)and(outsum[k,hang+i]le300)thenbegin

outsum[18,hang+i]=outsum[18,hang+i]+outsum[k,hang+i]