Biome-BGC生态系统模型与Python融合

目录

一 模式讲解

二 学习基础

三 数据处理

四 单点的模拟

五 区域模拟-1

六 长时间序列模拟案例

七 分析

---

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。

一 模式讲解

Biome-BGC介绍

二 学习基础

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，裁剪为小区域
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
从空间格点数据（netCDF格式）插值到站点
配置Biome-BGC运行文件
制备用于驱动Biome-BGC的气象数据
2.运行BGC模型
3.调参
以MODIS的GPP产品为观测值，使用Python库并行化调整Biome-BGC模型的参数
调整生长季开始和结束

4.后处理
读取Biome-BGC的ascii文件和二进制文件
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。在本节案例中，将以一个较小的省份进行高分辨率模拟和在中国进行粗分辨率模拟。模拟过程中涉及以下步骤：
静态地理数据准备
气象驱动数据制备
分配数据
并行运行
合并单点结果为空间数据

六 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

七 分析

在单点和空间模拟数据的基础上，进行以下分析：
敏感性分析
使用敏感性分析方法（SALib库），分析主要模拟参数对GPP的影响
归因分析
使用通径分析方法（semopy库），结合气象要素，分析对GPP和ET的影响过程

需要硬件基础要求
CPU：8核心16线程及以上（空间模拟需要计算资源）
内存：16G及以上
硬盘：计算机本地硬盘100GB及以上（虚拟机+数据的存储）
在课程前，将协助部署配置VirtualBox虚拟机（Python的运行环境）
注：自备电脑及安装所需软件

更多应用：InVEST模型、PLUS模型、DNDC模型、APSIM模型、DSSAT模型、MAXENT模型、CENTURY模型、CASA模型、BGC模型、CLM模式、CESM模式、CLUE模型、FLUS模型、PROSAIL模型、Meta分析、BIOMOD2模型、物种气候生态位......

---

最新基于Citespace、vosviewer、R语言文献计量学可视化分析技术及全流程文献可视化SCI论文高效写作方法_WangYan2022的博客-CSDN博客通过文献计量学讲解、高效选题、数据库检索数据下载、软件使用等八个专题详细讲解，让学员系统全面的掌握文献计量学的基本理论和知识；熟练掌握Citespace和vosviewer及R语言文献可视化分析技术；最终实现从主题确定、数据分析绘图、文章框架与写作，全流程掌握一篇文献信息可视化分析报告（论文）的思路逻辑与技术方法。https://blog.csdn.net/WangYan2022/article/details/131889523?spm=1001.2014.3001.5502R-Meta分析与【文献计量分析、贝叶斯、机器学习等】多技术融合实践与拓展进阶_WangYan2022的博客-CSDN博客针对Meta分析原理、公式、操作步骤及结果分析，进阶应用进行详细解析，结合多个例子，熟练掌握Meta分析全流程和不确定性分析，并结合机器学习等方法讲解Meta分析在文献大数据的延伸应用。https://blog.csdn.net/WangYan2022/article/details/130924289?spm=1001.2014.3001.5502【高分论文密码】大尺度空间模拟预测和数字制图技术和不确定性分析_WangYan2022的博客-CSDN博客结合经典的例子讲解R语言在空间数据处理、管理以及可视化的操作，从空间数据计量、大尺度时间序列分析与突变检测、空间数据插值、空间数据建模、机器学习空间预测、多种机器学习集成技术、空间升、降尺度技术、空间模拟偏差订正技术、数据可视化、知识图谱等方面让您全方位掌握R语言大尺度空间数据分析模拟预测及可视化技术。https://blog.csdn.net/WangYan2022/article/details/130800531?spm=1001.2014.3001.5502CMIP6数据处理及在气候变化、水文、生态等领域中的应用-CSDN博客CMIP6数据被广泛应用于全球和地区的气候变化研究、极端天气和气候事件研究、气候变化影响和风险评估、气候变化的不确定性研究、气候反馈和敏感性研究以及气候政策和决策支持等多个领域。这些数据为我们理解和预测气候变化，评估气候变化的影响和风险，以及制定有效的气候政策和决策提供了关键的信息和工具。_cmip6https://blog.csdn.net/WangYan2022/article/details/131944142?spm=1001.2014.3001.5502