目录
一、Biome-BGC介绍
二、Linux应用、CDO工具应用、Python应用
三、数据处理实践
四、单点的模拟
五、区域模拟-1
六、区域模拟-2
七、长时间序列模拟案例实践
更多应用
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。
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。
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。
一、Biome-BGC介绍
二、Linux应用、CDO工具应用、Python应用
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
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
更多应用
R-Meta多手段全流程分析与Meta高级绘图、多层次分层嵌套模型构建与Meta回归诊断、贝叶斯网络、MCMC参数优化及不确定性分析、Meta数据缺失值处理、Meta加权机器学习与非线性Meta分析_WangYan2022的博客-CSDN博客Meta分析是针对某一科研问题，根据明确的搜索策略、选择筛选文献标准、采用严格的评价方法，对来源不同的研究成果进行收集、合并及定量统计分析的方法，最早出现于“循证医学”，现已广泛应用于农林生态，资源环境等方面。https://blog.csdn.net/WangYan2022/article/details/132428460?spm=1001.2014.3001.5502DNDC模型建模方法及在土壤碳储量、温室气体排放、农田减排、土地变化、气候变化中的应用_WangYan2022的博客-CSDN博客DNDC（Denitrification-Decomposition，反硝化-分解模型）是目前国际上最为成功的模拟生物地球化学循环的模型之一，自开发以来，经过不断完善和改进，从模拟简单的农田生态系统发展成为可以模拟几乎所有陆地生态系统的动态模拟模型。
https://blog.csdn.net/WangYan2022/article/details/132406085?spm=1001.2014.3001.5502CMIP6数据处理及在气候变化、水文、生态等领域中的应用_WangYan2022的博客-CSDN博客CMIP6数据被广泛应用于全球和地区的气候变化研究、极端天气和气候事件研究、气候变化影响和风险评估、气候变化的不确定性研究、气候反馈和敏感性研究以及气候政策和决策支持等多个领域。这些数据为我们理解和预测气候变化，评估气候变化的影响和风险，以及制定有效的气候政策和决策提供了关键的信息和工具。_cmip6
https://blog.csdn.net/WangYan2022/article/details/131944142?spm=1001.2014.3001.5502基于生态系统服务（InVEST模型）的人类活动、重大工程生态成效评估、论文写作等具体应用_WangYan2022的博客-CSDN博客采用InVEST模型，掌握产水（包括水源涵养）、碳存储（包括固碳）、土壤保持、水质（氮磷）、生境质量和热岛缓解等生态系统服务评估方法，开展人类活动影响、重大工程实施的生态成效评估
https://blog.csdn.net/WangYan2022/article/details/129833682?spm=1001.2014.3001.5502基于PLUS模型+InVEST模型 生态系统服务多情景模拟预测_WangYan2022的博客-CSDN博客内容涵盖多源数据的获取、选择与统一；ArcGIS空间数据处理、空间分析与制图；PLUS模型和InVEST模型的原理，参量提取与模型运行及结果分析；土地利用时空变化以及对生态系统服务的影响分析
https://blog.csdn.net/WangYan2022/article/details/128974502?spm=1001.2014.3001.5502生态系统NPP及碳源、碳汇模拟——土地利用变化、未来气候变化、空间动态模拟_WangYan2022的博客-CSDN博客CASA(Carnegie-Ames-Stanford Approach)模型是估算陆地生态系统植被净初级生产力（NPP）的经典模型。更好地推进CASA模型在生态系统碳源和碳汇中的应用，学习掌握CASA模型的建模及相关领域应用技术方法。
https://blog.csdn.net/WangYan2022/article/details/130948079?spm=1001.2014.3001.5502★关 注【科研充电吧】公 众 号，获取海量教程和资源★
