CMIP6中进行SWAT数据制备时，辐射和相对湿度降尺度一般都用什么方法？类似降水还是气温还是风速的算法？

问：swat数据制备时，辐射和相对湿度降尺度类似降水还是气温还是风速的算法？

答：都得降尺度，再做驱动

问：swat数据制备时 辐射和相对湿度降尺度一般用什么方法？

答：日尺度也可以delta

问：有些模式驱动wrf的话就差几个6h的数据，这个模式一定不能用吗？缺少那几个可以不?或者可以用什么其他数据代替吗？

答：基本time interval最大6，一般都是3h 1h作为输入的

问：想用wrf模拟30年的 ，gcm里面的nc数据比如风速都是分20年保存的，这样就会有两个文件，那我是不是要先把风速合并成一个nc文件之后再进行制备呀?

答：不需要的， linkgrib时候全放进去就可以

相关推荐（点击查看）：

>>>CMIP6：WRF模式动力降尺度、单点降尺度、统计方法区域降尺度

>>>Python地球科学【赠CMIP6月/日数据、全球VIPPHEN物候数据、ERA5-LAND陆面再分析数据、遥感降水数据】

>>>高精度气象模拟软件WRF技术及案例应用

>>>SWAT模型系统学习（建模方法、实例应用、高级进阶）

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。

配套数据：
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
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
赠送全球 VIPPHEN 物候数据（ 40G+）
时间：1981-2014，年数据
空间分辨率：5.6km
 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

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

Numpy基础
Scipy基础
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。

文件操作
重采样
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。

Netcdf文件的读写
统计计算
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

建立特征
建立模型
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

提取变量
变量的统计
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

Consecutive dry days index
Consecutive frost days index per time period
Consecutive summer days index per time period
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-模式数据

SWAT数据制备
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。

其它相关推荐：

气象模型软件：WRF、CMAQ、SMOKE、WRF-chem、WRF-DA、CAMx、PMF、OBM-MCM、CMIP6

农林生态专业软件模型：DSSAT、Meta 分析、CASA、Biome-BGC、CENTURY、CMIP6、InVEST模型等