数据可用性声明：
本文关联实体数据集已在《全球变化数据仓储电子杂志（中英文）》出版，可获取：
https://doi.org/10.3974/geodb.2021.03.12.V1或https://cstr.escience.org.cn/CSTR:20146.11.2021.03.12.V1.
1 前言
相对湿度由大气中实际水汽含量和空气温度共同决定，是衡量地区干湿程度的重要指标[1, 3]。同时，区域干湿状况直接关系到污染物在大气中的扩散、迁移和转化[4, 6]，与人体健康和生活舒适度密切相关，因此，相对湿度也是区域环境质量与城市宜居等评估的重要指标。
黄河流域横跨我国东中西三大区域，覆盖9省区，是我国生态保护及经济发展的重点区域，也是生态保护与经济发展矛盾较为突出的区域。黄河流域是我国典型的气候敏感区之一，大部分处于干旱、半干旱地区，流域水资源分布不均，生态环境脆弱。近20年来，由于不均衡的水资源开发，导致湖泊面积萎缩，洪涝灾害频发，干旱灾害加剧[7, 8]，高工业化水平造成空气质量恶化，大气污染严重[9]。2019年9月，习近平总书记已明确提出将黄河流域的生态保护与高质量发展列为重大国家战略[10]。
在此背景下，黄河流域九省区的相对湿度时空分布数据有助于深入了解该区域的干湿变化规律，可为区域生态环境质量评估与治理提供数据支撑，对于贯彻落实黄河流域生态保护与高质量发展战略具有重要意义。
2 数据集元数据简介
《黄河流域九省区1-km分辨率月度相对湿度数据集（2000‒2015）》[11]的名称、作者、地理区域、数据年代、时间分辨率、空间分辨率、数据集组成、数据出版与共享服务平台、数据共享政策等信息见表1。
| 条目 | 描述 | ||||
|---|---|---|---|---|---|
| 数据集名称 | 黄河流域九省区1-km分辨率月度相对湿度数据集（2000‒2015） | ||||
| 数据集短名 | RHU_9PYRB | ||||
| 作者信息 | 蔡红艳 Y-8555-2019, 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室, caihy@igsnrr.ac.cn 蒋啸 AAE-1541-2021, 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室; 中国科学院大学, jiangx.20b@igsnrr.ac.cn 杨小唤 AAC-8887-2021, 中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室; 中国科学院大学, yangxh@lreis.ac.cn | ||||
| 地理区域 | 黄河流域九省区 | 数据年代 | 2000‒2015年 | 时间分辨率 | 逐月 |
| 数据格式 | .tif | 数据量 | 压缩后1.45 GB | 空间分辨率 | 1 km |
| 数据集组成 | 数据集包含2个文件夹：文件夹“Studyarea”为研究区边界，数据格式为.shp。“9PYRB_RHU”包含2000-2015年逐月的相对湿度时空分布数据，数据格式为.tif。数据集共包含775个数据文件，相对湿度时空分布文件的文件名包含其时相信息，如“9PYRB_RHU200001.tif”为2000年1月的黄河流域九省区的相对湿度数据，空间分辨率为1 km，单位为% | ||||
| 基金项目 | 中华人民共和国科学技术部（2017YFC0503803） | ||||
| 数据计算环境 | ANUSPLIN、ArcGIS，中国科学院地理科学与资源研究所所内平台 | ||||
| 出版与共享服务平台 | 全球变化科学研究数据出版系统 http://www.geodoi.ac.cn | ||||
| 地址 | 北京市朝阳区大屯路甲11号100101，中国科学院地理科学与资源研究所 | ||||
| 数据共享政策 | 全球变化科学研究数据出版系统的“数据”包括元数据（中英文）、通过《全球变化数据仓储电子杂志（中英文）》发表的实体数据集和通过《全球变化数据学报（中英文）》发表的数据论文。其共享政策如下：（1）“数据”以最便利的方式通过互联网系统免费向全社会开放，用户免费浏览、免费下载；（2）最终用户使用“数据”需要按照引用格式在参考文献或适当的位置标注数据来源；（3）增值服务用户或以任何形式散发和传播（包括通过计算机服务器）“数据”的用户需要与《全球变化数据学报（中英文）》编辑部签署书面协议，获得许可；（4）摘取“数据”中的部分记录创作新数据的作者需要遵循10%引用原则，即从本数据集中摘取的数据记录少于新数据集总记录量的10%，同时需要对摘取的数据记录标注数据来源[12] | ||||
| 数据和论文检索系统 | DOI, CSTR, Crossref, DCI, CSCD, CNKI, SciEngine, WDS/ISC, GEOSS | ||||
3 数据研发方法
3.1 算法原理
ANUSPLIN软件是基于普通薄盘和局部薄盘样条函数对多变量进行内插的工具，适用于时间序列气象数据的插值。局部薄盘光滑样条是对薄盘光滑样条原型的扩展，除普通的样条自变量外，允许引入协变量子模型。输出统计数据与N个观测值zi的局部薄盘样条模型相关，其公式为：:
式中，xi是独立变量的d维向量；f是xi的未知光滑函数；yi为独立协变量的p维向量；b为yi系数的p维未知向量；ei是随机误差[13]。
函数f和系数b通过式(2)，即由最小二乘法来确定:
式中，Jm(f)是函数f(xi)的粗糙度测算函数，定义为f的m阶偏导，ρ为光滑参数，在数据保真与曲面粗糙度之间起平衡作用，wi为已知的相对误差。
在ANUSPLIN插值过程中，最佳模型主要依据广义交叉验证（Generalised Cross Validation，GCV）、广义极大似然（Generalised Maximum Likelihood，GML）、均方误差（Mean Square Error，MSE）及信号自由度（Signal）等统计参数来确定。当GCV较小，且Signal小于站点的一半，则认为拟合过程已找到最优光滑参数，所选模型适用于插值，曲面拟合效果较好。
3.2 技术路线
技术路线如图1所示。数据集制作的主要过程包括：（1）相对湿度站点数据预处理。首先对来源于国家气象科学数据中心的2000‒2015年逐月的气象站点相对湿度原始数据进行质量检查。总体来说，黄河流域九省区观测数据质量较好，数据较为完备。主要进行了数据异常值检测与处理，针对数据缺测或无观测任务的气象站点进行了剔除。将处理后的数据存储为ASCII格式，为插值做准备；（2）插值方案优选。设计了4组插值方案如表2所示，并以2015年的相对湿度数据进行模型测试。根据GCV值，发现当自变量为经度、纬度、高程，独立协变量为高程，样条次数为3次时插值方案最优；（3）数据插值。以优选方案对2000‒2015年逐月气象站点相对湿度进行空间插值；（4）模拟结果的精度验证。主要采用偏差和相对误差指标，通过站点观测值和模拟值的比较，进行结果验证；（5）形成2000‒2015年逐月相对湿度时空分布数据集。
| 编号 | 自变量 | 独立协变量 | 样条次数 | GCV |
|---|---|---|---|---|
| 1 | 经度、纬度 | ‒ | 2 | 13.5 |
| 2 | 经度、纬度、高程 | 高程 | 2 | 13.4 |
| 3 | 经度、纬度 | 高程 | 3 | 12.2 |
| 4 | 经度、纬度、高程 | 高程 | 3 | 12.1 |
4 数据结果与验证
4.1 数据集组成
数据集包括两个文件夹。文件夹“Studyarea”为研究区边界，数据格式为.shp。“9PYRB_RHU”包含2000-2015年逐月的相对湿度时空分布数据，数据格式为.tif。数据集共包含775个数据文件，相对湿度时空分布文件的文件名包含其时相信息，如“9PYRB_RHU200001.tif”为2000年1月的黄河流域九省区的相对湿度数据。
4.2 黄河流域九省区相对湿度空间分布
以2015年3、6、9、12月为例，展示了黄河流域九省区相对湿度的空间分布特征，如图2所示。鉴于篇幅，其他月份的相对湿度空间分布图未展示。黄河流域九省区不同月份的相对湿度差异明显，夏秋两季（6、9月）的相对湿度较高、春冬（3、12月）两季相对湿度较低，且冬季略高于春季。相对湿度不同月份的变化与区域年内气候条件密切相关，与降水呈正相关，与气温呈负相关[14]。在空间分布上，四个月份的相对湿度均表现为东南高、西北低与流域内降雨空间分布一致[15]。
4.3 数据结果验证
依据黄河流域九省区及周边气象站2015年1–12月的相对湿度实测数据与插值结果，选用偏差MBE及相对误差Er进行验证，其计算公式如下：
式中，Pi为插值结果，Oi为气象站点观测数据。|MBE|及|Er|越接近0则说明插值越接近观测值，插值结果越可靠。
如图3所示，以验证年份为例，|MBE|值介于0.00–0.10，|Er|介于3.6%–5.6%，说明插值数据精度较高，模拟值与观测值较为吻合。
5 讨论和总结
本数据集以黄河流域九省区及周边的站点观测相对湿度数据为插值数据，选用三次样条函数并以高程作为独立协变量进行空间插值，通过精度验证，插值结果可靠。数据集提供的2000‒2015年月尺度的1-km空间分辨率相对湿度数据，有助于揭示黄河流域九省区相对湿度变化的时空特征，可为该区域生态环境质量评估与治理提供可靠的数据支撑。
插值结果显示黄河流域九省区夏秋季的相对湿度较高，而冬春两季较低，这与区域降水的时间变化格局较为一致。在空间分布上，整个区域的相对湿度呈现出东南高、西北低的空间分布特征。在数据插值过程中，本文测试了4种插值方案，发现对于相对湿度而言，以高程、经度、纬度作为自变量，高程作为独立协变量，插值方案最优。但也应该注意，最优方案可能会随气象指标或区域不同存在差异。因此，在利用ANUSPLIN平台进行气象指标插值时，需要进行最优插值方案的确定。本数据集不足之处为，当以高程作为独立协变量时，插值范围受限于高程范围，因山东省北部沿海地区无高程数据，本数据集在相应区域存在缺失，但缺失数据不足三十五万分之一，对全域数据的使用影响不大。
作者分工：蔡红艳对数据集生产进行总体设计及数据分析与论文撰写工作；蒋啸负责数据论文的撰写、相对湿度数据的整理与处理；杨小唤负责数据论文的完善。
利益冲突声明：本研究不存在研究者以及与公开研究成果有关的利益冲突。