CMIP6中如何进行SWAT、Biome-BGC模型数据处理

原文>>>CMIP6中如何进行SWAT、Biome-BGC模型数据处理

       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

 

 三、单点降尺度
3.1 Delta 方法
3.2 统计订正
3.3 机器学习方法
 建立特征
 建立模型
 模型评估
3.4 多算法集成方法
 

 

 

 四、区域降尺度
4.1 Delta 方法
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
4.3 制备 CMIP6 的 WRF 驱动数据

 

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
 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
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
 SWAT 数据制备
 Biome-BGC 数据
 

其它相关推荐：

全套区域高精度地学模拟WRF气象建模、多案例应用与精美制图Python在气象与海洋中的实践技术应用

Biome-BGC生态系统模型原理与高级应用