360 Secure SkillHub
360 安全技能中心

geoskill-climate-downscaling

统计降尺度 Skill：用高分辨率 DEM 的高程和坡度做地形回归，把粗格点残差空间插值回高分辨率，生成气候栅格并输出含回归系数、相关系数、RMSE 和递减率的验证报告；支持本地合成数据离线模式与本地多波段 GeoTIFF 真实模式。

ruiduobao
ruiduobao
热度 7.65
最近更新 2026-08-04 19:31:16
分类：数据依赖：代码执行 / 读写文件应用场景：数据处理 / 报告撰写 / 研究

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add geoskill-climate-downscaling
Metadata
name
geoskill-climate-downscaling
description
统计降尺度：用多元回归建立粗分辨率气候变量与高分辨率地形预测因子的关系，并对残差做空间插值，生成高分辨率气候栅格

气候降尺度 | Climate Downscaling

This skill implements statistical downscaling, which downscales coarse-resolution climate variables (temperature/precipitation) to high resolution. The core workflow is "terrain regression + residual spatial interpolation":

  1. Derive predictors from the high-resolution DEM: elevation and slope.
  2. Average the DEM and the ground-truth blocks onto the coarse-resolution grid to form regression samples.
  3. Build the relationship climate variable ~ elevation + slope with multiple linear regression (scikit-learn LinearRegression); in the temperature scenario, the elevation coefficient is the lapse rate.
  4. Extrapolate the regression model to the high-resolution grid and interpolate the coarse-grid residuals back to high resolution using scipy linear interpolation.
  5. Downscaled result = high-resolution regression prediction + high-resolution interpolated residuals.

Outputs a high-resolution downscaled raster, a regression/residual component stack, and a validation report (correlation coefficient against ground truth, RMSE, improvement over the coarse-resolution baseline, lapse rate). Suitable for regional climate refinement, spatialization of temperature/precipitation over complex terrain, and preparation of forcing fields for ecological and hydrological models.

Dependencies / 依赖

pip install 'numpy' 'rasterio' 'scipy' 'scikit-learn'

Usage / 使用方法

Basic Usage

python geoskill-climate-downscaling.py --bbox 116.0 39.0 117.0 40.0 [other parameters]

Example 1 (Synthetic Data, Offline)

python geoskill-climate-downscaling.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

Example 2 (bbox Only, Automatic Synthesis)

python geoskill-climate-downscaling.py --bbox 100.0 26.0 104.0 30.0 --output-dir ./out

Example 3 (Specify Target Grid Size)

python geoskill-climate-downscaling.py --bbox 100.0 26.0 104.0 30.0 --target-resolution 128 --synthetic --output-dir ./out

Example 4 (Quiet Mode)

python geoskill-climate-downscaling.py --bbox 100.0 26.0 104.0 30.0 --synthetic --output-dir ./out --quiet

Example 5 (Real Raster Input, band1=DEM, band2=Ground Truth, band3=Coarse Climate Field)

python geoskill-climate-downscaling.py --input dem_truth_coarse.tif --output-dir ./out

Output / 输出

File Format Description
downscaled.tif GeoTIFF High-resolution downscaled climate raster
downscaling_components.tif GeoTIFF Regression component + residual component (2 bands)
validation_report.json JSON Regression coefficients, correlation, RMSE, lapse rate
output-manifest.json JSON Run manifest

Data Source / 数据源 / Source

  • Real mode: local multi-band GeoTIFF (band1=high-resolution DEM, band2=ground truth to be downscaled, band3=coarse-resolution climate field).
  • Synthetic mode (--synthetic or --bbox only): generates a "temperature decreasing with elevation" scenario locally, with no network access required.

Privacy / 隐私声明 / Privacy

  • Runs offline by default; --synthetic mode requires no network access at all.
  • All processing is performed locally; no user data is uploaded.

License / License

MIT

name: geoskill-climate-downscaling description: '统计降尺度：用多元回归建立粗分辨率气候变量与高分辨率地形预测因子的关系，并对残差做空间插值，生成高分辨率气候栅格'

气候降尺度 | Climate Downscaling

本 skill 实现统计降尺度（statistical downscaling），将粗分辨率气候变量 （温度/降水）降尺度到高分辨率，核心流程为"地形回归 + 残差空间插值"：

  1. 由高分辨率 DEM 提取预测因子：高程（elevation）与坡度（slope）。
  2. 将 DEM 与真值块平均到粗分辨率格点，构成回归样本。
  3. 用多元线性回归（scikit-learn LinearRegression）建立 气候变量 ~ 高程 + 坡度 的关系；温度场景下高程系数即气温递减率 lapse rate。
  4. 将回归模型外推到高分辨率格网，并把粗格点残差用 scipy 线性插值回到高分辨率。
  5. 降尺度结果 = 高分辨率回归预测 + 高分辨率插值残差。

输出高分辨率降尺度栅格、回归/残差分量栈与验证报告（与真值相关系数、RMSE、 相对粗分辨率基线的改进、递减率）。适用于区域气候精细化、复杂地形气温/降水 空间化、生态与水文模型的强迫场准备。

依赖

pip install 'numpy' 'rasterio' 'scipy' 'scikit-learn'

使用方法

基本用法

python geoskill-climate-downscaling.py --bbox 116.0 39.0 117.0 40.0 [其他参数]

示例 1（合成数据，离线）

python geoskill-climate-downscaling.py --bbox 116.0 39.0 117.0 40.0 --synthetic --output-dir ./out

示例 2（仅给 bbox，自动合成）

python geoskill-climate-downscaling.py --bbox 100.0 26.0 104.0 30.0 --output-dir ./out

示例 3（指定目标网格尺寸）

python geoskill-climate-downscaling.py --bbox 100.0 26.0 104.0 30.0 --target-resolution 128 --synthetic --output-dir ./out

示例 4（静默模式）

python geoskill-climate-downscaling.py --bbox 100.0 26.0 104.0 30.0 --synthetic --output-dir ./out --quiet

示例 5（真实栅格输入，band1=DEM，band2=真值，band3=粗气候场）

python geoskill-climate-downscaling.py --input dem_truth_coarse.tif --output-dir ./out

输出

文件 格式 说明
downscaled.tif GeoTIFF 高分辨率降尺度气候栅格
downscaling_components.tif GeoTIFF 回归分量 + 残差分量（2 波段）
validation_report.json JSON 回归系数、相关、RMSE、递减率
output-manifest.json JSON 运行清单

数据源 / Source

  • 真实模式：本地多波段 GeoTIFF（band1=高分辨率 DEM，band2=待降尺度真值，band3=粗分辨率气候场）。
  • 合成模式（--synthetic 或仅 --bbox）：本地生成"温度随高程递减"场景，无需网络。

隐私声明 / Privacy

  • 默认离线运行，--synthetic 模式完全无网络。
  • 所有处理在本地完成，不上传用户数据。

License

MIT