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。
本内容将讲授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。
【原文介绍】：【案例教程】Biome-BGC生态系统模型与Python融合技术实践应用
https://mp.weixin.qq.com/s?__biz=MzU5NTkyMzcxNw==&mid=2247540179&idx=2&sn=ab7bec7f05aa95b2287406dd0967556b&chksm=fe689bb9c91f12afde1a181cfca70578d604bf4fba92c16a3a629cf3384e395468961df6ba45&token=17372598&lang=zh_CN#rd
【方式】：视频+永久回放+答疑群长期辅助+全套课件资料
【内容介绍】：
一、模式介绍
Biome-BGC介绍
二、夯实基础
1、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
2、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
3、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、数据处理实践
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（原理+实践）
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（案例实践）
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
