查看原文>>>WRF模式、CMIP6数据处理、机器学习气象海洋水文应用、python地球科学

目录

CMIP6月数据、日数据、全球VIPPHEN物候数据、ERA5数据

一、CMIP6中的模式比较计划

二、数据下载

三、基础知识

四、单点降尺度

五、统计方法的区域降尺度

六、基于WRF模式的动力降尺度

七、典型应用案例-气候变化1

八、典型应用案例-气候变化2

九、典型应用案例-生态领域

十、典型应用案例-水文、生态模式数据

---

       气候变化关系到农业、生态系统、社会经济和人类生存与发展，是当今世界关注的重点问题之一。IPCC（Intergovernmental Panel on Climate Change）第6次评估报告指出，自 20 世纪 50 年代以来，从全球平均气温和海温升高、大范围积雪和冰川融化，以及全球海平面的上升可知，气候变暖已是不争的事实。

        国际耦合模式比较计划进入新的阶段——第六阶段（CMIP6），这将为气候变化研究领域提供更丰富的全球气候模式数据。相比于 CMIP5，CMIP6 模式有两个主要的特点：一是 CMIP6 考虑的过程更为复杂，很多模式实现了大气化学过程的双向耦合；二是大气和海洋模式的分辨率显著提高，其中大气模式的最高水平分辨率可达到全球25km。除此，CMIP5 的 RCP 情景只考虑了未来100年达到稳定CO2浓度以及相应辐射强迫的目标，并没有针对特定的社会发展路径，而CMIP6中的新的共享社会经济路径充分考虑了这一点，提供了更加多样化的排放情景，可以对减缓适应研究以及区域气候预估提供更加合理的模拟结果，因此在很大程度上弥补了CMIP5中RCP情景的不足。

       在国际耦合模式比较计划中，GCM 为构建气候变化提供了全球大尺度的信息，但是在针对区域尺度开展气候研究时，相对较低的分辨率信息对区域气候变化预估产生较大偏差.降尺度方法在将大尺度信息转化为区域尺度上发挥着重要作用，包括动力降尺度、统计降尺度以及二者相结合的方法等。

CMIP6月数据、日数据、全球VIPPHEN物候数据、ERA5数据

l 赠送CMIP6月数据（500G+）

• 包含变量：温压湿风辐射降水
• 包含情景：historical、ssp126、ssp245、ssp370、ssp585

l 赠送CMIP6日数据（1.8T+）

• 包含变量：温压湿风辐射降水
• 包含情景：historical、ssp126、ssp245、ssp370、ssp585

l 赠送全球VIPPHEN物候数据（40G+）

• 时间：1981-2014，年数据
• 空间分辨率：5.6km

l 赠送 ERA5-LAND 陆面再分析数据（5T 左右）

• 时间：1951.1.1-2021.12.31 时间分辨率：hourly
• 空间分辨率：0.1°（等角 lonlat 投影+wgs84）
• 包含 11 个变量：温度、气压、辐射、蒸发、降水、湿度【详情见数据说明文件】

【内容简述】：

一、CMIP6中的模式比较计划

1.1 GCM介绍
1.2 相关比较计划介绍

二、数据下载

2.1方法一：手动人工
利用官方网站

2.2方法二：自动
利用Python的命令行工具

2.3方法三：半自动购物车
利用官方网站

2.4 裁剪netCDF文件
基于QGIS和CDO实现对netCDF格式裁剪

2.5 处理日期非365天的gcm
以BCC为例

三、基础知识

3.1 Python基础
l Numpy基础
l Scipy基础
l Pandas基础

3.2 CDO基本操作
CDO（Climate Data Operator）是大气科学中常用的处理工具。
l 文件操作
l 重采样
l 统计计算

3.3Xarray的基本操作
Xarray是基于Python体系的针对netCDF常用的工具，可以方便实现处理、可视化等操作。
l Netcdf文件的读写
l 统计计算
l 可视化

四、单点降尺度

4.1 Delta方法
4.2统计订正
4.3机器学习方法
l 建立特征
l 建立模型
l 模型评估
4.4多算法集成方法

五、统计方法的区域降尺度

5.1 Delta方法
5.2 基于概率订正方法的

六、基于WRF模式的动力降尺度

6.1制备CMIP6的WRF驱动数据
利用cdo工具对gcm的输出文件进行重新编码制备wrf的驱动数据
6.1.1针对压力坐标系的数据制备
6.1.2针对sigma坐标系GCM数据制备
6.1.3 WPS处理
6.2 WRF模式运行
6.3 模式的后处理
l 提取变量
l 变量的统计
l 变量的可视化

七、典型应用案例-气候变化1

7.1针对风速进行降尺度
7.2针对短波辐射降尺度

八、典型应用案例-气候变化2

ECA极端气候指数计算
l Consecutive dry days index
l Consecutive frost days index per time period
l Consecutive summer days index per time period
l Consecutive wet days index per time period

九、典型应用案例-生态领域

预估生长季开始和结束时间
1、建立气象数据与VIPPHEN遥感物候数据中生长季开始和结束
2、在未来气候情景下预估生长季长季开始、结束和长度

十、典型应用案例-水文、生态模式数据

l SWAT数据制备
l Biome-BGC数据
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。案例中以单点模拟方式制备CMIP6的气象数据。

• Python在WRF模型自动化运行及前后处理中的实践技术应用​​​​​​
• Python语言在地球科学交叉领域中的实践技术融合应用
• WRF-UCM 高精度城市化气象动力模拟技术与案例应用
• 基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用能力
• Biome-BGC生态系统模型与Python融合技术实践应用
• SWAT模型在水文水资源、面源污染模拟中的实践技术应用
• 大气模型软件：WRF、CMAQ、SMOKE、MCM、CAMx、Calpuff、人工智能气象、WRFchem、PMF
• 生态模型软件：DSSAT、Biome-BGC、InVEST、Meta分析、CASA、CENTURY、ArcGIS、无人机生态