Biome-BGC生态系统模型与Python融合技术

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。

讲解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。

【特色】：

1、原理深入浅出的讲解，强调原理的重要性；

2、技巧方法讲解，提供教程配套的完整教材数据及提供长期回放；

3、与项目案例相结合，更好的对接实际工作应用；

4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；

5、专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑。

●InVEST实践及在生态系统服务供需、固碳、城市热岛、论文写作等实际项目中应用

●【SWH】陆地生态系统蒸散模拟理论、蒸散估算、站点及区域尺度模拟

●生态系统碳循环模型CENTURY应用与实践技术

●无人机遥感在农林信息提取中的实现方法与GIS融合应用

●陆面生态水文模拟与多源遥感数据同化的应用

●高光谱遥感数值建模技术及在植被、水体、土壤信息提取领域应用

●生态碳汇涡度相关监测与通量数据分析应用

●Python语言在地球科学领域中的实践技术应用

●CMIP6数据处理方法与典型案例分析

一、模式介绍Biome-BGC介绍

二、基础

Linux应用

实现批量创建文件、删除文件及文件夹

并行化执行程序

CDO工具应用

使用cdo工具对netCDF文件进行合并

筛选时间和变量，裁剪为

Python应用

Python的循环语句，逻辑语句，

创建Numpy数组，并统计计算；

使用Matplotlib制作散点图、等值线图；

利用零散数据Pandas创建数，制作时间

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

地形数据：GTOPO30S 1km

土地利用数据：GLCC 1km

土壤数据：FAO

GPP数据：MODIS数据

2驱动数据制备

CN05.1数据处理

CMFD数据处理

3生态数据

MODIS GPP

四、单点的模拟

1前处理

从空间数据（netCDF）插值

配置运行文件

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

调整生长季开始和结束

4后处理

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。

模拟前准备

分配数据

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。

MySQL介绍

常见命令介绍

在Mysql中建立驱动数据、静态数据表和结果表

编写脚本自动化生成静态数据

并行运行模式

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。

对气象数据降尺度，获得气温、湿度、降水和向下短波辐射。

土壤数据、植被数据库查询

准备气象数据和静态数据

后处理模拟结果数据