十、典型应用案例-水文、生态模式数据
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。
CMIP6月数据、日数据、
全球VIPPHEN物候数据、ERA5数据
l 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
l 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
l 赠送全球VIPPHEN物候数据（40G+）
-
时间：1981-2014，年数据
-
空间分辨率：5.6km
l 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【详情见数据说明文件】
【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
三、基础知识
3.1 Python基础
l Numpy基础
l Scipy基础
l 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。
l 文件操作
l 重采样
l 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。
l Netcdf文件的读写
l 统计计算
l 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
l 建立特征
l 建立模型
l 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
l 提取变量
l 变量的统计
l 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
l Consecutive dry days index
l Consecutive frost days index per time period
l Consecutive summer days index per time period
l 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
l
SWAT数据制备
l
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。
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。
以下是一些关于极端天气
数据
统计
分析的外文参考文献：
1. Herring, S. C., Hoerling, M. P., Peterson, T. C., & Stott, P. A. (eds.). (2014). Explaining extreme events of 2013 from a climate perspective (Vol. 5). Bulletin of the American Meteorological Society.
2. Peterson, T. C., & Manton, M. J. (2008). Global overview of regional rainfall patterns and variability: a guide to the global precipitation climatology project (GPCP) data set. CRC press.
3. Donat, M. G., Alexander, L. V., Yang, H., Durre, I., Vose, R., Dunn, R. J., ... & Caesar, J. (2013). Updated analyses of temperature and precipitation extreme indices since the beginning of the twentieth century: The HadEX2 dataset. Journal of Geophysical Research: Atmospheres, 118(5), 2098-2118.
4. Sillmann, J., Kharin, V. V., Zhang, X., Zwiers, F. W., & Bronaugh, D. (2013). Climate extremes indices in the CMIP5 multimodel ensemble: Part 1. Model evaluation in the present climate. Journal of Geophysical Research: Atmospheres, 118(4), 1716-1733.
5. Zhang, X., Alexander, L., Hegerl, G. C., Jones, P., Tank, A. K., Peterson, T. C., ... & Klein Tank, A. M. (2011). Indices for monitoring changes in extremes based on daily temperature and precipitation data. Wiley Interdisciplinary Reviews: Climate Change, 2(6), 851-870.
6. Meehl, G. A., Karl, T., Easterling, D. R., Changnon, S., Pielke Jr, R., Changnon, D., ... & Evans, J. (2000). An introduction to trends in extreme weather and climate events: observations, socioeconomic impacts, terrestrial ecological impacts, and model projections. Bulletin of the American Meteorological Society, 81(3), 413-416.
7. Ebi, K. L., & Burton, I. (eds.). (2008). Identifying practical adaptation options: an approach to the development of adaptation measures for climate change impacts. Springer Science & Business Media.
8. Seneviratne, S. I., Nicholls, N., Easterling, D., Goodess, C. M., Kanae, S., Kossin, J., ... & Zhang, X. (2012). Changes in climate extremes and their impacts on the natural physical environment. In Managing the risks of extreme events and disasters to advance climate change adaptation (pp. 109-230). Cambridge University Press.
9. IPCC. (2012). Managing the risks of extreme events and disasters to advance climate change adaptation. A special report of working groups I and II of the intergovernmental panel on climate change. Cambridge University Press.
10. Trenberth, K. E. (2011). Changes in precipitation with climate change. Climate research, 47(1-2), 123-138.
【技术推文】生态系统碳库的遥感估算：森林碳储量、草地系统、城市扩张、区域能源消耗碳排放空间格局模拟、大气温室气体浓度的卫星监测、区域碳循环的遥感模拟与预测(遥感数据同化\模型驱动使用)
统计语言类教程：R语言贝叶斯统计学、Copula、SEM、极值统计学、混合效应模型、R\Python\matlab机器学习、科研数据可视化、线性回归、分位数回归、GAMS、meta分析、近红外光谱等.
若杰_K:
【案例教程】Python语言在地球科学交叉领域中的应用
CSDN-Ada助手:
WRF模式行业应用问题解析及辅助学习
森林老虎:
林业GEE应用技术：森林状态监测、砍伐退化火灾监测、森林扰动监测、生理参数反演
