【学习教程】CMIP6数据处理方法与典型案例分析

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。

一、CMIP6中的模式比较计划

1.1 GCM介绍

【学习教程】CMIP6数据处理方法与典型案例分析_第1张图片

1.2 相关比较计划介绍

【学习教程】CMIP6数据处理方法与典型案例分析_第2张图片

二、数据下载

2.1方法一:手动人工

利用官方网站

【学习教程】CMIP6数据处理方法与典型案例分析_第3张图片

2.2方法二:自动

利用Python的命令行工具

【学习教程】CMIP6数据处理方法与典型案例分析_第4张图片

2.3方法三:半自动购物车

利用官方网站

【学习教程】CMIP6数据处理方法与典型案例分析_第5张图片

三、单点降尺度

3.1 Delta方法

【学习教程】CMIP6数据处理方法与典型案例分析_第6张图片

3.2统计订正

【学习教程】CMIP6数据处理方法与典型案例分析_第7张图片

3.3机器学习方法

  1. 建立特征
  2. 建立模型
  3. 模型评估【学习教程】CMIP6数据处理方法与典型案例分析_第8张图片

3.4多算法集成方法【学习教程】CMIP6数据处理方法与典型案例分析_第9张图片 

四、区域降尺度

4.1 Delta方法

【学习教程】CMIP6数据处理方法与典型案例分析_第10张图片

4.2机器学习方法+并行计算

在单点模型的基础上,在大区域建立未来情景气候数据

【学习教程】CMIP6数据处理方法与典型案例分析_第11张图片

4.3制备CMIP6的WRF驱动数据【学习教程】CMIP6数据处理方法与典型案例分析_第12张图片 

五、典型应用案例-气候变化1

5.1针对风速进行降尺度

5.2针对短波辐射降尺度

六、典型应用案例-气候变化2

ECA极端气候指数计算

  1. Consecutive dry days index
  2. Consecutive frost days index per time period
  3. Consecutive summer days index per time period
  4. Consecutive wet days index per time period

等常见气候指数

七、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

八、典型应用案例-模式数据

  1. SWAT数据制备
  2. Biome-BGC数据

你可能感兴趣的:(机器学习,cmip6,学习,人工智能)