Biome-BGC是利用站点描述数据、气象数据和植被生理生态参数，模拟日尺度碳、水和氮通量的有效模型，其研究的空间尺度可以从点尺度扩展到陆地生态系统。
在Biome-BGC模型中，对于碳的生物量积累，采用光合酶促反应机理模型计算出每天的初级生产力(GPP)，将生长呼吸和维持呼吸减去后的产物分配给叶、枝条、干和根。生物体的碳每天都按一定比例以凋落方式进入凋落物碳库；对于水份输运过程，该模型模拟的水循环过程包括降雨、降雪、冠层截留、穿透降水、树干径流、 冠层蒸发、融雪、雪升华、冠层蒸腾、土壤蒸发、蒸散、地表径流和土壤水分变化以及植物对水分的利用；对于土壤过程，模型考虑了凋落物分解进入土壤有机碳库过程、土壤有机物矿化过程和基于木桶模型的水在土层间的输送关系；对于能量平衡，该模型还考虑了净辐射、感热通量和潜热通量等过程。
讲解利用中国区域地面气象要素驱动数据集（CMFD）和CN05.1气候数据格点化气象数据驱动Biome-BGC在区域上进行模拟。在模拟过程中，需要综合的使用Linux、Python等一些小工具，完成模式的前处理和后处理的工作。
【特色】：
1、原理深入浅出的讲解，强调原理的重要性；
2、技巧方法讲解，提供教程配套的完整教材数据及提供长期回放；
3、与项目案例相结合，更好的对接实际工作应用；
4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；
5、专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑。
更多
●InVEST实践及在生态系统服务供需、固碳、城市热岛、论文写作等实际项目中应用
●【SWH】陆地生态系统蒸散模拟理论、蒸散估算、站点及区域尺度模拟
●生态系统碳循环模型CENTURY应用与实践技术
●无人机遥感在农林信息提取中的实现方法与GIS融合应用
●陆面生态水文模拟与多源遥感数据同化的应用
●高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用
●生态碳汇涡度相关监测与通量数据分析应用
●Python语言在地球科学领域中的实践技术应用
●CMIP6数据处理方法与典型案例分析
一、模式介绍Biome-BGC介绍
二、基础
Linux应用
实现批量创建文件、删除文件及文件夹
并行化执行程序
CDO工具应用
使用cdo工具对netCDF文件进行合并
筛选时间和变量，裁剪为
Python应用
Python的循环语句，逻辑语句，
创建Numpy数组，并统计计算；
使用Matplotlib制作散点图、等值线图；
利用零散数据Pandas创建数，制作时间
利用Xarray读取netCDF文件，写入netCDF文件；实现插值工作
三、数据处理
在linux 上综合使用cdo和xarray数据制备所需数据。
1静态数据制备
地形数据：GTOPO30S 1km
土地利用数据：GLCC 1km
土壤数据：FAO
GPP数据：MODIS数据
2驱动数据制备
CN05.1数据处理
CMFD数据处理
3生态数据
MODIS GPP
四、单点的模拟
1前处理
从空间数据（netCDF）插值
配置运行文件
制备气象数据
2运行BGC模型
3调参
基于Python的并行化参数搜索
调整生长季开始和结束
4后处理
结果统计计算
结果可视化
五、区域模拟-1
区域模拟是将区域上每个格点分别进行计算进行的。
模拟前准备
分配数据
并行运行
合并结果
六、区域模拟-2
通过数据库的管理，可以减少单点模型空间化数据分发和管理复杂度。
MySQL介绍
常见命令介绍
在Mysql中建立驱动数据、静态数据表和结果表
编写脚本自动化生成静态数据
并行运行模式
结果导入数据库
后处理案例数据
七、长时间序列模拟案例
使用ERA5作为观测数据的降尺度后的CMIP6未来气候变化降尺度数据。
对气象数据降尺度，获得气温、湿度、降水和向下短波辐射。
土壤数据、植被数据库查询
准备气象数据和静态数据
后处理模拟结果数据
