cmip6数据处理

详情点击链接：cmip6数据处理

前言
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。

一、CMIP6中的模式比较计划
1.1 GCM

1.2 相关比较计划

 

二、数据下载
2.1方法一：手动人工
 

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
 

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

三、基础知识

3.1 Python基础

1. Numpy基础
2. Scipy基础
3. 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。

1. 文件操作
2. 重采样
3. 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。

1. Netcdf文件的读写
2. 统计计算可视化
3. 
   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

1. 建立特征
2. 建立模型
   模型评估
3. 
    
4. 
   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

1. 提取变量
2. 变量的统计
   变量的可视化
3. 
   七、典型应用案例-气候变化1
   .1针对风速进行降尺度
    

7

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

1. Consecutive dry days index

1. Consecutive frost days index per time period

1. Consecutive summer days index per time period

1. 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-水文、生态模式数据​​​​​​​

1. SWAT数据制备
2. 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。