1. 这份降水数据集能帮你解决什么问题
做气象研究或者区域发展规划的朋友应该都深有体会，想要找到一套完整、准确且易用的降水数据有多难。我去年做长三角城市群气候分析时，光是收集整理各地降水数据就花了整整两周时间，最后拼凑出来的数据还存在格式不统一、时间跨度不全的问题。
现在有了这套1901-2023年中国多级行政区逐年降水数据集，这些问题都能迎刃而解。它最大的价值在于：
- 四级行政全覆盖：从省级到乡镇级，满足不同颗粒度的分析需求。比如研究全省气候变化可以用省级数据，做县域农业规划则可以用县级数据。
- 超长历史跨度：123年的连续数据，对分析长期气候趋势特别有用。要知道很多商业气象数据最多只提供最近30年的记录。
- 即拿即用的格式：Shp文件可以直接导入GIS软件做空间分析，Excel表格则方便做统计计算，省去了繁琐的数据转换步骤。
我特别喜欢它的"区域求和"处理方式。原始降水数据是1km分辨率的栅格，这套数据已经帮我们按行政边界做了聚合计算，直接给出了每个行政区划内的年降水总量。这个处理看似简单，实际能节省大量数据处理时间。
2. 数据内容详解
2.1 数据结构与格式
这套数据按行政层级分为四个级别，每个级别都包含Shp和Excel两种格式：
- 省级数据：31个省级行政区1901-2023年逐年降水
- 市级数据：全国300多个地级市的逐年降水
- 县级数据：2800多个区县的逐年降水
- 乡镇数据：约4万个乡镇的逐年降水
以江苏省为例，Shp文件的属性表是这样的结构：
FID,NAME,CODE,Y1901,Y1902,...,Y2023 0,南京市,320100,1250.3,1187.6,...,1352.8 1,苏州市,320500,1450.2,1389.3,...,1421.5 ...Excel格式则更直观，每一行是一个行政区，每一列是一年的降水数据，单位都是毫米(mm)。这种结构做时间序列分析特别方便，用Excel自带的图表工具就能快速绘制降水变化曲线。
2.2 数据精度说明
原始数据来自国家青藏高原科学数据中心的1km分辨率栅格，经过以下处理流程：
- 将逐月降水数据累加得到逐年数据
- 使用2024年最新行政区划边界
- 对每个行政区内的栅格值求和
- 输出Shp和Excel格式
需要注意的是乡镇级数据采用的是第三方来源的边界数据，可能与省市县边界存在轻微不匹配。不过根据我的使用经验，这种偏差对宏观分析影响很小，如果是做高精度研究可以手动校准。
3. 典型应用场景
3.1 气候变化研究
用这套数据可以轻松做出像这样的分析图：
import pandas as pd import matplotlib.pyplot as plt df = pd.read_excel('江苏省降水数据.xlsx') plt.plot(df.columns[3:].values, df.loc[0, df.columns[3:]].values) plt.title('南京市1901-2023年降水量变化') plt.ylabel('毫米(mm)')通过对比不同年代的降水数据，能清晰看出区域降水模式的变化趋势。我去年用类似方法发现了长三角地区近20年梅雨季降水明显增多的现象。
3.2 农业规划支持
做农作物种植规划时，可以结合历史降水数据评估风险。比如计算某县过去30年降水量的标准差，判断降水稳定性。数据中的乡镇级精度特别适合做精细化农业区划。
3.3 城市防洪设计
市政部门可以用市级数据计算极端降水概率。我参与过的一个项目就通过分析过去100年的降水极值，重新核定了城市排水管网的设防标准。
4. 数据获取与使用建议
获取方式很简单，关注相关公众号回复指定关键词就能免费下载。不过有几点使用建议：
- 引用规范：学术用途记得引用原始数据来源，尊重知识产权
- 数据验证：对精度要求高的项目，建议抽样核对部分年份的数据
- 格式转换：如果需要其他格式，可以用QGIS或ArcGIS进行转换
- 数据更新：行政区划会调整，使用时要留意边界变更情况
这套数据最让我欣赏的是它的易用性。相比原始栅格数据需要专业软件处理，这个版本几乎零门槛，Excel就能进行大部分分析。不过要发挥最大价值，建议结合GIS软件做空间分析，比如制作降水量空间分布图或计算区域平均值。
