手把手教你用SwatWeather搞定SWAT模型的气象数据插补(附1970-2020年洮河流域数据实战)
水文模型构建过程中,气象数据的完整性和准确性直接影响模拟结果的可靠性。然而实际工作中,研究人员常遇到历史气象数据缺失或不完整的难题——可能是设备故障导致的记录中断,也可能是早期观测项目不完善留下的空白。这类"数据缺口"往往成为SWAT模型应用的绊脚石。
SwatWeather作为专为SWAT模型设计的气象数据预处理工具,能够基于不完整的历史观测数据,通过统计方法生成符合模型要求的完整逐日序列。本文将结合洮河流域临洮气象站1970-2020年的实际案例,详解从原始数据整理到最终生成WGEN_User数据库的全流程操作,特别针对软件使用中的常见报错提供解决方案。
1. 环境准备与数据整理
1.1 软件获取与基础配置
SwatWeather作为轻量级工具无需复杂安装,但需注意以下要点:
- 确保系统已安装.NET Framework 4.0或更高版本
- 建议将软件存放在无中文路径的目录下
- 运行时右键选择"以管理员身份运行"可避免权限问题
注意:部分杀毒软件可能误报,使用时需临时关闭实时防护或添加信任
1.2 原始数据标准化处理
从中国气象数据网下载的原始数据通常需要格式转换。以临洮站为例,原始TXT文件需按以下标准整理:
text复制年 月 日 降水量(mm) 最高气温(℃) 最低气温(℃) 风速(m/s) 日照时数(h) 相对湿度(%)
1970 1 1 0.0 -5.3 -16.2 1.2 7.8 52
1970 1 2 0.0 -4.1 -15.8 1.5 8.1 49
...
关键格式要求:
- 列间用制表符分隔,禁止使用空格或逗号
- 相对湿度必须为整数(小数部分四舍五入)
- 表头居左对齐,正文数据禁止居中
- 缺失值用-99表示
python复制# 示例:使用Pandas进行数据清洗
import pandas as pd
df = pd.read_csv('raw_data.txt', sep='\s+')
df['相对湿度'] = df['相对湿度'].round().astype(int) # 湿度取整
df.to_csv('format
