CMIP6数据处理方法与典型案例分析

news/2024/11/29 11:50:14/

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。

查看原文

赠送数据

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】

详情:

CMIP6中的模式比较计划

GCM介绍

​相关比较计划介绍

方法一:手动人工

利用官方网站

方法二:自动

利用Python的命令行工具

​方法三:半自动购物车

利用官方网站

​裁剪netCDF文件

基于QGIS和CDO实现对netCDF格式裁剪

QGIS中的操作

裁剪效果

处理日期非365天的gcm

以BCC为例

基础知识

3.1基础知识

Python基础

l Numpy基础

l Scipy基础

l Pandas基础

3.2CDO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

可视化

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

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

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

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

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

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

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。


http://www.ppmy.cn/news/483777.html

相关文章

3-单目相机标定

1-标定源码&#xff08;Opencv自带&#xff09; 采用OPENCV自带相机相机标定源代码&#xff08;棋盘法&#xff09; #include "opencv2/core.hpp" #include <opencv2/core/utility.hpp> #include "opencv2/imgproc.hpp" #include "opencv2/ca…

intel realsense d435i相机标定中文文档

intel realsense d435i相机标定中文文档 此文档参考了官方的英文文档&#xff0c;原地址面向英特尔实感™深度摄像头的 IMU 校准工具 (intelrealsense.com) IMU概述&#xff1a;惯性测量单元(imu)通常由加速度计组成&#xff0c;加速度通常以国际系统(SI)的米/秒为单位输出平方…

zed2i相机内参标定

参考&#xff1a; https://blog.csdn.net/yanpeng_love/article/details/107166922 https://blog.csdn.net/weixin_41954990/article/details/127928852 参考以上连接先安装kalibr。 注意&#xff1a; python包装不上&#xff0c;换成&#xff1a;pip install出现pyx找不到…

RealSense D435i深度相机介绍

文章目录 D435i硬件结构及各个组件原理详解前言一、硬件参数信息二、视觉处理器D4三、深度模块四、红外投影仪(Infrared Projector)五、彩色图像信号处理机(ISP)六、 IMU D435i硬件结构及各个组件原理详解 前言 RealSense 是一款立体视觉深度相机&#xff0c;如下图所示&…

前端布局应用

前端布局是指在网页或应用程序的前端开发中&#xff0c;如何组织和安排页面元素的位置、大小和样式&#xff0c;以实现用户界面的设计和用户体验的目标。 以下是几种常见的前端布局技术和方法&#xff1a; 1. 盒模型布局&#xff08;Box Model Layout&#xff09;&#xff1a…

苹果的安全机制

客户端安全性处理方式 网络传输协议 自定义协议 数据库 源代码混淆 现在的MD5已不再是绝对安全&#xff0c;对此&#xff0c;可以对MD5稍作改进&#xff0c;以增加解密的难度 加盐&#xff08;Salt&#xff09;&#xff1a;在明文的固定位置插入随机串&#xff0c;然后再…

ios 安全区域问题

1、在ios中存在安全区域问题&#xff0c;也就是ios的刘海屏&#xff0c;解决办法 calc(constant(safe-area-inset-top/bottom/left/right)); //兼容 IOS<11.2 calc(env(safe-area-inset-top/bottom/left/right)); //兼容 IOS>11.2 2、在ios中图片下载没有缓存…

ios 安全区域

env()和constant()函数有个必要的使用前提&#xff0c;H5网页设置viewport-fitcover的时候才生效&#xff0c;小程序里的viewport-fit默认是cover。 <meta name"viewport" content"widthdevice-width, initial-scale1.0, viewport-fitcover"> env(…