企业官网建设流程全解析

简介：一套依据国标GBT17297-1998制作的中国气候区划GIS矢量数据，包含气候带与气候大区的面状分布，以及对应的气候界线线状要素，线状数据用于描绘气候带边界，辅助识别过渡区域。面向GIS分析人员、气候研究人员和区域规划者，可支撑气候特征提取、空间分析与专题制图。压缩包共16个文件，包体约498KB，主要含shp地理要素、dbf属性表、prj投影定义、sbn/sbx空间索引及xml元数据等类型，各文件协同保证空间数据完整读取，可在ArcGIS或QGIS中直接加载使用。借助这份矢量数据，读者能快速定位不同气候带与大区范围，并可叠加人口、土地利用等信息进行综合分析，服务农业区划、生态评估、灾害预防和可持续发展研究；还可用于评估气候变化趋势、规划气象监测站点布局、分析气候变暖的农业影响。目前已有59人学习下载，适合气候地理相关课题研究与教学演示。

1. 中国气候区划气候带和气候大区：一张决定种植和建筑边界的底图

"这个项目所在地属于什么气候带？"在农业、能源和建筑设计项目里被问过多次后，我发现很多人把中国气候区划当成一张查颜色的地图：红的是热带、绿的是亚热带、黄的是温带。但它真正的技术骨架是两套指标、两级区划——气候带用热量定南北，气候大区用干湿定东西。搞清楚这套逻辑，你才能回答"为什么秦岭—淮河一线那么重要"，才能在报告里写出带依据的结论，而不是照着图描一遍。这篇按我复现这套区划的完整过程来写：指标怎么算、代码怎么写、边界值怎么定、哪些地方最容易翻车。

2. 热量定带、水分定大区：气候带的划分指标和边界值怎么落地

气象和地理行业有一套成文的区划体系，《中国气候区划名称与代码》这类标准把全国按两级切分：第一级"气候带"以热量为主导，第二级"气候大区"在每一个气候带内部再按干湿细分。这样设计是有现实原因的：热量和水分是决定种植制度、自然植被和建筑能耗的两类独立变量，而且两者在地理上并不重合。同样是中温带，东北东部湿润、内蒙古半干旱、北疆干旱，农业利用方式完全不是一回事。所以要先用热量划出"带"的骨架，再用干湿在每个带里切出"大区"。

2.1 气候带：≥10℃ 积温是主线，最冷月气温做兜底

≥10℃ 积温是热量资源最常用的口径：日均温稳定通过 10℃ 大致对应喜温作物的生长季，把一年内所有日均温 ≥10℃ 的日子逐日累加，得到的就是年积温（单位 ℃·d）。中国气候区划按积温把全国划成以下几个带：

这套数值不是铁律，不同版本的区划在边界上会差 100～200℃·d，所以边界地带要用辅助指标兜底。用得最多的是最冷月平均气温：北热带要求最冷月 ≥15℃，雷州半岛和西双版纳正好压在这条线上；寒温带则要求冬季气温足够低。中温带到亚热带的最冷月阈值和积温高度相关，所以许多简化版本只给积温一个指标。秦岭—淮河一线正是暖温带与北亚热带的分界，它大致与 1 月 0℃ 等温线、800mm 年降水量线重合，这也是这条线在农业区划里反复出现的原因。

注意：同一地点用 1981—2010 和 1991—2020 两套气候标准期算积温，结果差异可能超过 200℃·d，边界带可能"跨带"。后面第 5 章专门讲。

2.2 气候大区：干燥度 K 值把每个气候带切成干湿四档

气候大区不看温度，看水分。气象上用的干燥度是张宝堃经验式：

K = 0.16 × ΣT(≥10℃) / r

其中 ΣT(≥10℃) 就是上一节的 ≥10℃ 积温，r 是年降水量（mm）。这个式子本质是"热量对水分的需求"除以"降水供给"，K 越大越干。划分标准如下：

400mm 年降水量线大致落在半湿润与半干旱的交界附近，所以"400mm 线 = 农牧过渡带"的说法在区划里是有依据的。气候大区的命名是"带名 + 大区名"，比如"暖温带半湿润大区"指华北的大部分，"中温带干旱大区"指北疆到内蒙古西部。引用时最好写全称，只写"半干旱区"而不带气候带，别人没法判断你说的到底是哪块地方。

2.3 为什么是"积温 + 干燥度"而不是年均温

年均温最大的问题是把季节性抹平了。东北和云南可能年均温接近，但一个生长季只有 120 天，另一个几乎全年可耕作，种植制度天差地别。积温保留的是"热量总量 + 生长季长短"，这才与作物熟制直接挂钩。干燥度则是把积温和降水放进同一个公式，反映的是"大气对水分的需求"与"实际供水"之间的差距。两套指标一个管"够不够热"，一个管"够不够水"，组合起来才是完整的农业生产气候条件。对从业者来说，记住这个组合的意义在于：你引用区划结果时要能反推它背后的指标，才不会把"暖温带"和"半干旱大区"混为一谈——前者说热量，后者说水分。

3. 用 30 年格点数据复现气候带和气候大区：从数据到分级图

3.1 数据源怎么选：站点、格点观测还是再分析

复现区划第一步是选数据，三类来源我都用过，适用场景不同：

我的选择习惯是：快速把方法跑通、看个大概，用 ERA5-Land，0.1° 分辨率出图已经够平滑；要交付报告、和官方区划对比，一定换 CN05.1 这类格点观测数据，再分析在复杂地形区的偏差会让积温差出两三百度。另外，无论用哪个数据源，都要对齐"30 年气候标准期"，目前业务上用的是 1991—2020，做历史对比才用 1981—2010。下面代码按 1991—2020 逐日数据处理。

3.2 算积温、最冷月气温和干燥度：一套可直接改的 Python 函数

import xarray as xr import numpy as np # ds: 30年逐日格点数据，含变量 tas(2m气温, K) 与 pr(降水, mm/d) # 使用前先把范围裁剪到中国区域，并统一经纬度网格 ds = xr.open_dataset('china_daily_1991_2020.nc') def calc_indices(ds): tas = ds['tas'] - 273.15 # 开尔文转摄氏 pr = ds['pr'] # 若原始单位是 m/d，先乘 1000 转 mm/d # 1) ≥10℃ 积温：只累计日均温 ≥10℃ 的日子 # where(条件) 会把不满足条件的像元置为 NaN，sum 自动跳过 gdd_year = (tas.where(tas >= 10.0)).groupby('time.year').sum('time') gdd10 = gdd_year.mean('year') # 多年平均积温，单位 ℃·d # 2) 最冷月平均气温：先逐月平均，再取每年12个月里的最低值 tas_month = tas.resample(time='1MS').mean('time') tcold_year = tas_month.groupby('time.year').min('time') tcold = tcold_year.mean('year') # 多年平均最冷月气温，单位 ℃ # 3) 年降水量（mm/a） pr_year = pr.groupby('time.year').sum('time') pr = pr_year.mean('year') # 4) 干燥度：张宝堃经验式 K = 0.16 * 积温 / 年降水 K = 0.16 * gdd10 / pr return xr.Dataset({'gdd10': gdd10, 'tcold': tcold, 'pr': pr, 'K': K})

几个参数和逻辑要解释清楚。groupby('time.year')是按年分组聚合，目的是先得到每一年的积温和降水，再对 30 年取平均，而不是把 30 年直接累加再除以天数——两种算法在闰年和缺测处理上会差出几十度。resample(time='1MS')是把逐日数据重采样成逐月，1MS表示以每月第一天为起点。最冷月温度取的是"每年 12 个月的最低值再多年平均"，后面第 5 章会讲为什么不能直接取 1 月。干燥度公式里的降水必须是年总量毫米数，如果数据源给的是 m 或 kg/m²，要先把单位换算对，否则 K 值会差三个数量级。

3.3 阈值落带：np.select 把连续场变成气候带和气候大区

def assign_groups(ds): gdd10 = ds['gdd10'] tcold = ds['tcold'] K = ds['K'] # 气候带：按 ≥10℃ 积温切，北热带加最冷月 ≥15℃ 兜底 cond_zones = [ gdd10 < 1600, (gdd10 >= 1600) & (gdd10 < 3400), (gdd10 >= 3400) & (gdd10 < 4500), (gdd10 >= 4500) & (gdd10 < 5300), (gdd10 >= 5300) & (gdd10 < 6500), (gdd10 >= 6500) & (gdd10 < 8200), (gdd10 >= 8200) & (tcold >= 15.0), ] zones = np.select(cond_zones, [1, 2, 3, 4, 5, 6, 7], default=0) # 1寒温带 2中温带 3暖温带 4北亚热带 # 5中亚热带 6南亚热带 7北热带 # 气候大区：按干燥度四档 regions = np.select( [K <= 1.0, K <= 1.5, K <= 4.0], [1, 2, 3], default=4) # 1湿润 2半湿润 3半干旱 4干旱 ds = ds.assign(zone=(('lat', 'lon'), zones), region=(('lat', 'lon'), regions)) return ds

np.select从上到下匹配，第一个条件为真的选择项生效，所以条件顺序就是优先级顺序，和"含上限"还是"不含上限"的口径直接相关。我这里的写法是积温恰好落在边界值时归入较暖的一侧，例如 3400 归中温带；如果你要复现某份具体标准，先查它边界值的开闭区间，这一点最容易和官方结果差出整条带。北热带我加了最冷月 ≥15℃ 的辅助条件，海南北部、西双版纳这类地方积温够，但冬季受寒潮影响，不加这个条件会把雷州半岛乃至更北的地方误判成热带。高原气候带是个例外：青藏高原主体 ≥10℃ 积温普遍低于 1600，套上面的阈值会落进寒温带，但它的温度特征和东北完全不同。常见做法是先用海拔掩膜把高原主体单独挑出来，再按最热月气温分高原寒带、高原温带。如果只做全国概览，给高原单独设一个编码就行，不要混进普通气候带。

输出结果可以存成 NetCDF 或 GeoTIFF，叠行政区划后做分区面积统计。到这一步，"数据 → 指标 → 分级"的链路就通了。

4. 区划结果怎么用：农业熟制、建筑分区的三个落地场景

4.1 农业规划：气候带对应熟制上限，气候大区决定灌溉底线

种植制度是第一大应用场景。气候带直接给出熟制上限：寒温带、中温带以一年一熟为主（东北玉米大豆）；暖温带两年三熟到一年两熟（华北冬小麦—夏玉米）；北亚热带一年两熟（稻麦两熟）；中亚热带两熟到三熟，双季稻边界就在这一带；南亚热带以南一年三熟。做项目选址时，我会先把目标作物的热量下限换算成积温，再和区划图对比，比逐点查气象站快得多。气候大区则决定灌溉底线：半干旱大区（K > 1.5）即便积温够，没有灌溉也稳不了产，河套、河西走廊的绿洲农业就是这么来的。湿润大区里积温再低也能靠雨养延后播种期，这是大区指标在种植决策里最实用的一个判断。

4.2 建筑与能源：别把气候大区当成建筑气候区划

建筑行业有自己的区划体系，《建筑气候区划标准》把全国分成 7 个气候区、20 个子区，划分指标是 1 月与 7 月平均气温、相对湿度和降水；《民用建筑热工设计规范》又分了严寒、寒冷、夏热冬冷、夏热冬暖、温和 5 类。这两套和气象的中国气候区划不是一回事，我把它们混用过一次，后来被审图的人打回来重算。正确的用法是：用气候带（积温）粗略估冷暖负荷量级，用气候大区（干燥度）定湿度控制策略——湿润大区的梅雨防潮、半干旱大区的蒸发冷却，处理思路完全相反。写报告时一定注明引用的是哪套区划，这是建筑专业审图最容易挑的错。

4.3 生态边界：400mm 线和植被地带性的对应关系

气候带是植被地带性的温度骨架：暖温带对应落叶阔叶林，亚热带对应常绿阔叶林，热带对应雨林和季雨林；气候大区的干湿分档则对应草原、荒漠的分布。做生态承载力或林草规划时，把区划结果和土地利用数据叠加，能快速找出"越过生态边界"的区域——比如在半干旱大区勉强种乔木的造林地，成活率低是气候决定的，不是管理问题。400mm 线作为半湿润与半干旱的分界，在农业和生态两个视角下都成立，这也是区划结果"一张图管两件事"的价值所在。

5. 避坑与排查：复现气候区划翻车的 5 个高频问题

5.1 积温比官方图低两百多度

现象：用 ERA5 算华北平原的 ≥10℃ 积温，结果比官方区划图低 200～300℃·d，气候带落到了下一级。原因：日平均气温的口径不同。台站业务用的是 02、08、14、20 时四次定时观测平均，再分析的 2m 气温是 24 小时平均；更关键的是再分析在晴天强辐射下日较差偏小，白天气温被压低，导致日均温 ≥10℃ 的天数减少。解决：交付对比类结论时换用 CN05.1 格点观测或台站日值；如果只能用再分析，至少在报告里注明"基于 ERA5，积温系统性偏低"；想粗略订正，可以取 20～30 个站点算积温偏差，再做空间插值做差。

5.2 高原区最冷月不是 1 月

现象：青藏高原一部分台站 2 月平均气温反而低于 1 月，按 1 月取最冷月气温会高估 1～2℃，影响高温带下限和寒温带上限的判定。原因：高原的冬春环流调整和辐射冷却节律与东部季风区不同，地面气温最低点滞后。解决：程序里统一用"逐月平均后取全年最低月"的口径，而不是写死 1 月。第 3 章的tcold已经按这个逻辑算，不要图省事改成年均气温或 1 月气温。

5.3 干燥度换公式，湿润区变半湿润

现象：把干燥度公式从 0.16ΣT/r 换成 Penman-Monteith 参考蒸散，长江中下游的 K 值明显变大，湿润大区变半湿润，区划图大范围漂移。原因：张宝堃公式是热量—降水两要素的经验式，Penman-Monteith 考虑了辐射、风速、湿度，两个公式的数值体系不同，对应的干旱等级阈值也不同。解决：做中国气候区划就用配套公式和配套阈值，不要只换公式不换阈值；如果因为项目要求必须用 ET0 类指标，就整套换用与之配套的干湿划分体系，并注明依据。

5.4 气候带边界锯齿严重、碎斑一堆

现象：自动分类出来的气候带边界在秦岭、云贵高原一带呈锯齿状，甚至出现孤立的碎斑，和官方区划图的光滑曲线对不上。原因：格点分辨率不足，复杂地形区再分析误差被放大；官方图是多年气候平均加专家订正的结果，做过线状平滑。解决：分类前对积温场做一次高斯空间平滑，窗口取 3×3 或 5×5 格点；出图时和官方区划图做目视校验；在报告里写明这是"按指标自动分类结果"，不要标成"标准区划"，否则遇到较真的评审会很被动。

5.5 新旧气候标准期结果不一样，甚至"跨带"

现象：同一格点用 1981—2010 算落在中温带，用 1991—2020 算进了暖温带。原因：气候变暖让等积温线整体北移，气象业务这几年已把气候标准期切换到 1991—2020，新旧结果差异在东北—华北过渡带最明显。解决：任何报告先写清"基于哪个标准期"，不要只写"30 年气候平均"；如果项目跨年份，优先用最新标准期。反过来，这个特性可以做成有价值的分析——第 6 章就讲怎么用两套标准期做气候带漂移评估。

6. 进阶用法：用两套气候标准期做气候带漂移评估

同一套脚本，把数据分别切成 1981—2010 和 1991—2020 两段跑一遍，你就得到两张气候带图。逐像元比较两张图，就能量化"气候带往哪边漂、漂了多少"。做法并不复杂：两期结果对齐网格后，把新旧编码合成一个整数，统计编码变化得到转移矩阵。

import numpy as np # zone_old / zone_new: 同一网格、两个标准期的气候带编号数组 def transition_report(zone_old, zone_new): # 编码生成 new*100 + old，例如 3205 表示旧带5 -> 新带3 enc = zone_new.astype(int) * 100 + zone_old.astype(int) vals, counts = np.unique(enc, return_counts=True) total = counts.sum() for v, c in zip(vals, counts): old, new = v % 100, v // 100 if old != new: # 只输出跨带像元 print(f"{old:02d} -> {new:02d}: {c} 格点, " f"{c / total * 100:.2f}%")

这个编码思路适合任何两期分区对比，不只是气候带。new*100+old能同时保留新旧信息，np.unique统计后只打印跨带项，避免被大量"没有变化"的像元刷屏。转移矩阵告诉我们哪里在变；要看得更直观，可以沿某条经度取一条带谱剖面线，画出两期等积温线位置，算出"北移了多少公里"——这种图在气候适应、种植制度调整、能源分区修订的报告里，比静态区划图更有说服力。

有一点要提醒：漂移评估说明的是"按同一套指标体系的区划结果发生了移动"，不等于官方区划已经修订，引用时要写明口径。我现在养成的习惯是，凡是交付区划图，一定在图上标注三个信息：数据源、气候标准期、阈值版本。缺任何一个，三个月后连自己都还原不了这张图——这个习惯是从一次被甲方拿着旧版区划图追问数据来源之后，才彻底改过来的。希望帮到你。

本文还有配套的精品资源，点击获取