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

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。

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。

在课程中，将讲授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。

Biome-BGC生态系统模型与Python融合技术实践应用高阶培训班

内容详情：

一、模式介绍
Biome-BGC介绍

二、课程基础

Linux应用

1. 实现批量创建文件、删除文件及文件夹
2. 并行化执行程序 

CDO工具应用

1. 使用cdo工具对netCDF文件进行合并
2. 筛选时间和变量，裁剪为

Python应用

1. Python的循环语句，逻辑语句，
2. 创建Numpy数组，并统计计算；
3. 使用Matplotlib制作散点图、等值线图；
4. 利用零散数据Pandas创建数，制作时间
5. 利用Xarray读取netCDF文件，写入netCDF文件；实现插值工作

三、数据处理

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：

1. 地形数据：GTOPO30S 1km 
2. 土地利用数据：GLCC 1km
3. 土壤数据：FAO
4. GPP数据：MODIS数据

 

 

 

2驱动数据制备：

1. CN05.1数据处理
2. CMFD数据处理

3生态数据

MODIS GPP

四、单点的模拟

1前处理

1. 从空间数据（netCDF）插值
2. 配置运行文件
3. 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

1. 调整生长季开始和结束

 

4后处理

1. 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。

1. 模拟前准备
2. 分配数据
3. 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。

1. MySQL介绍
2. 常见命令介绍
3. 在Mysql中建立驱动数据、静态数据表和结果表
4. 编写脚本自动化生成静态数据
5. 并行运行模式
6. 结果导入数据库

后处理案例数据

七、长时间序列模拟案例

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。

1. 对气象数据降尺度，获得气温、湿度、降水和向下短波辐射。
2. 土壤数据、植被数据库查询
3. 准备气象数据和静态数据
4. 后处理模拟结果数据