气温是最基础、应用面最广的气候变量之一。过去我们分享过一份 1901---2025 年中国 1km 分辨率的逐年平均气温栅格数据，分辨率虽高，但很多同学反映栅格格式在日常统计、绘图、与行政单元叠加时不够顺手------既需要 GIS 基础，又不便于直接进 Excel 做透视表。
本文整理的这版数据，正是把同一份原始栅格按省、地级市、区县三级行政边界做了"区内像元取平均"的二次加工，直接落到大家最常用的 Shp 与 Excel 两种容器里。下面从数据组织、字段说明、来源与处理方法、引用规范四个维度，对该数据集做一个完整介绍。
一、数据组织方式
整套数据按行政级别分三层组织------省级、地级市级、区县级，每一层都同时提供 .xlsx 与 .shp 两份文件，文件夹命名直观，便于检索。
二、Excel 字段说明（以区县层为例）
Excel 表把 1901---2025 共 125 个年份横向铺开，行则是各行政单元。一行数据可同时拿到该区县的归属关系与逐年气温：
• 省份名称 / 省份代码：所属省份
• 城市名称 / 城市代码：所属地级市
• 区县名称 / 区县代码：本行对应的区县
• 1901---2025 各列：对应年份的区内平均气温（℃）
省、市两级的字段结构完全相同，只是最末级单元从"区县"换成"地级市"或"省"。
三、Shp 文件预览
Shp 与 Excel 的属性表字段保持一致，可直接通过行政区代码与其他社会经济、灾害、土地利用等数据做空间连接。下面以 2025 年区县平均气温为例做一张空间分布图作为参考。
四、数据参数速查表
| 字段 | 取值 |
|---|---|
| 数据格式 | Shp + Excel |
| 时间范围 | 1901---2025 年（逐年） |
| 空间范围 | 省、地级市、区县 三级 |
| 数据单位 | 摄氏度（℃） |
| 地理坐标系 | GCS_WGS_1984 |
| 行政底图审图号 | GS（2024）0650（天地图 2025 年版） |
| 原始数据来源 | 国家青藏高原科学数据中心 彭守璋 1km 逐月平均气温数据集 |
五、原始数据与处理方法
1. 原始栅格数据
由彭守璋学者在国家青藏高原科学数据中心（TPDC）公开发布
2. 二次加工流程
• 把原始逐年平均气温栅格（1901---2025）作为输入；
• 叠加天地图 2025 年版（审图号 GS（2024）0650）省、地级市、区县三级行政边界；
• 对每个行政单元内的全部栅格像元做算术平均，得到该单元当年的平均气温；
• 输出为 Excel（长表 / 宽表结构）以及 Shp（属性表 + 几何）。
3. 关联论文引用
• Peng, S. (2019). 1-km monthly mean temperature dataset for China (1901-2025). *National Tibetan Plateau / Third Pole Environment Data Center*.
• Peng, S. Z, Gang, C., Cao, Y., & Chen, Y. (2017). Assessment of climate change trends over the Loess Plateau in China from 1901 to 2100. *International Journal of Climatology*.
• Peng, S. Z., Ding, Y. X., Wen, Z. M., Chen, Y. M., Cao, Y., & Ren, J. Y. (2017). Spatiotemporal change and trend analysis of potential evapotranspiration over the Loess Plateau of China during 2011-2100. *Agricultural and Forest Meteorology*, 233, 183-194.
• Ding, Y. X., & Peng, S. Z. (2020). Spatiotemporal trends and attribution of drought across China from 1901--2100. *Sustainability*, 12(2), 477.
• Peng, S. Z., Ding, Y. X., Liu, W. Z., & Li, Z. (2019). 1 km monthly temperature and precipitation dataset for China from 1901 to 2017. *Earth System Science Data*, 11, 1931--1946.
【下载→
方式一：顶部专栏
https://blog.csdn.net/m0_73019973/category_13165169.html
方式二：数据下载方式汇总-CSDN博客
来源：城数派