CLIMAEMET：西班牙市镇级气候变量插值估算方法咨询

要实现西班牙所有市镇的气候变量插值估算，CLIMAEMET包本身专注于获取AEMET的气象数据，插值需结合空间数据处理工具完成，以下是具体步骤：

1. 加载所需R包 #

先安装并加载依赖包：

# 首次运行执行安装
install.packages(c("climaemet", "mapSpain", "sf", "gstat", "dplyr"))

# 加载包
library(climaemet)
library(mapSpain)
library(sf)
library(gstat)
library(dplyr)

2. 获取西班牙市镇空间数据 #

使用mapSpain获取官方市镇边界矢量数据：

# 获取所有市镇空间数据（默认CRS为ETRS89，适配西班牙区域分析）
municipios <- esp_get_munic()

3. 获取AEMET站点气温数据 #

通过CLIMAEMET拉取站点观测数据并计算平均气温：

# 获取所有AEMET气象站点基础信息
stations <- climaemet_stations()

# 转换为空间对象，匹配市镇数据坐标系
stations_sf <- st_as_sf(stations, coords = c("lon", "lat"), crs = 4326) %>%
  st_transform(st_crs(municipios))

# 获取2023年日平均气温（可自行调整时间范围）
temp_daily <- climaemet_daily(
  start = "2023-01-01",
  end = "2023-12-31",
  station = stations$indicativo,
  param = "TM"  # "TM"对应日平均气温，参数代码可通过climaemet_params()查询
)

# 计算每个站点的年平均气温
station_avg_temp <- temp_daily %>%
  group_by(indicativo) %>%
  summarise(avg_temp = mean(tm, na.rm = TRUE)) %>%
  left_join(stations_sf, by = "indicativo") %>%
  st_as_sf()

4. 空间插值估算市镇气温 #

结合西班牙地形特征，使用协同克里金插值（引入海拔作为协变量提升精度）：

# 生成市镇中心点（用于插值估算，也可选择面插值）
municipios_centroids <- st_centroid(municipios) %>%
  select(codmun, name)  # 保留市镇编码与名称

# 获取中心点海拔数据
municipios_centroids <- esp_get_elev(municipios_centroids)

# 拟合变异函数（根据数据自动调整参数）
variogram_model <- variogram(avg_temp ~ altitud, data = station_avg_temp)
fit_vgm <- fit.variogram(variogram_model, vgm(psill = 1, model = "Exp", range = 150000))

# 构建协同克里金模型
krig_model <- gstat(
  formula = avg_temp ~ altitud,
  data = station_avg_temp,
  model = fit_vgm
)

# 执行插值，得到市镇估算平均气温
municipios_temp <- predict(krig_model, municipios_centroids)

# 将结果合并到市镇边界数据中
municipios_with_temp <- municipios %>%
  left_join(st_drop_geometry(municipios_temp), by = "codmun")

关键注意事项 #

• 变异函数参数（psill、range）需根据实际数据调整，variogram()和fit.variogram()可生成更贴合数据的模型。
• 若需更高精度，可加入坡度、坡向等地形协变量，或使用更高分辨率的空间数据。
• 通过climaemet_params()可查询所有支持的气象参数代码，替换param即可实现降水量、最高温等其他变量的插值。

内容的提问来源于stack exchange，提问作者Rubén Ruiz-Rufino