微气候：使用R语言快速对实际景观中的微气候进行建模

提出一种名为microclimf的机制性微气候模型，利用C++和R实现高效栅格化温度估算，并扩展至湿度、风速和辐射数据。验证显示与实地测量误差小（RMSE 0.69°C–2.9°C），适用于生态学中精细气候数据需求，促进物种对气候变化的响应预测。

　　

摘要

1. 许多生态学研究需要气候数据，但现成的数据集无法准确反映生物在自然界中实际经历的环境条件。要了解生物所面临的气候条件，需要建立微气候模型，而不能仅依赖粗略的、基于气象站的气候数据。
2. 我介绍了“microclimf”这一微气候模型，它旨在高效地计算植被冠层内及下方的微气候（主要是温度）数据。该模型使用C++语言编写，并配备了R语言接口，仅需要易于获取的空间数据作为输入。模型包含了一个简化的拉格朗日冠层模型、一个可选的雪模型，以及用于用户自定义空间和时间分辨率下的大面积数据处理的程序。除了温度之外，输出结果还包括湿度、风速和辐射通量。
3. 在包括北方森林和热带森林在内的多种环境中进行温度验证时，该模型的结果与实地测量数据高度吻合（均方根误差为0.69°C–2.9°C），证明了该模型在需要精细气候数据的生态学应用中的实用性。
4. 该模型有助于改进对生物所处区域和景观尺度环境条件的预测，从而更准确地理解和预测物种对气候变化的响应。

利益冲突声明

作者声明没有利益冲突。

同行评审

本文的同行评审记录可在以下链接查看：https://www.webofscience.com/api/gateway/wos/peer-review/10.1111/2041-210x.70253。

数据可用性声明

用于测试模型的记录数据以及生成图2的数据可通过以下链接获取：https://doi.org/10.5281/zenodo.15364781 和 https://doi.org/10.5281/zenodo.8338611（Maclean, 2025b, 2025c）。其他使用的数据集包含在“microclimf”R包中，可从https://github.com/ilyamaclean/microclimf获取，并通过https://doi.org/10.5281/zenodo.18274614获取（Maclean, 2026）。