氣候變化對農(nóng)業(yè)、生態(tài)系統(tǒng)、社會經(jīng)濟(jì)以及人類的生存與發(fā)展具有深遠(yuǎn)影響，是當(dāng)前全球關(guān)注的核心議題之一。IPCC（Intergovernmental Panel on Climate Change，政府間氣候變化專門委員會）的第六次評估報告明確；指出，自20世紀(jì)50年代以來，全球平均氣溫和海溫的上升、廣泛的積雪和冰川融化以及全球海平面的升高，無一不在證明氣候變暖是無可爭議的事實(shí)。為了對未來氣候進(jìn)行評估，科學(xué)家通常使用全球氣候模型進(jìn)行預(yù)測。

全球氣候模型（Global Climate Model, GCM），亦稱全球環(huán)流模型或全球大氣模型，是一種數(shù)值模型，被廣泛用于模擬地球的氣候系統(tǒng)。GCM利用一系列的數(shù)學(xué)公式來描繪氣候系統(tǒng)的各個主要組成部分，包括大氣、海洋、凍土以及地表和海洋表面的生物地理過程。GCM的空間和時間精度可以根據(jù)需要進(jìn)行調(diào)整。這些模型為我們提供了理解氣候系統(tǒng)運(yùn)行機(jī)制的途徑，為預(yù)測氣候變化趨勢、評估氣候變化對人類社會和生態(tài)系統(tǒng)的影響以及制定應(yīng)對氣候變化的策略提供了關(guān)鍵工具。

為了進(jìn)一步理解氣候變化，世界氣候研究計劃（World Climate Research Programme, WCRP）發(fā)起了氣候模型比較計劃（Climate Model Intercomparison Project，CMIP）。CMIP的主要目標(biāo)是收集和比較各種全球氣候模型的模擬結(jié)果，以理解和預(yù)測過去、現(xiàn)在和未來的氣候變化。

CMIP6數(shù)據(jù)被廣泛應(yīng)用于全球和地區(qū)的氣候變化研究、極端天氣和氣候事件研究、氣候變化影響和風(fēng)險評估、氣候變化的不確定性研究、氣候反饋和敏感性研究以及氣候政策和決策支持等多個領(lǐng)域。這些數(shù)據(jù)為我們理解和預(yù)測氣候變化，評估氣候變化的影響和風(fēng)險，以及制定有效的氣候政策和決策提供了關(guān)鍵的信息和工具。

課前環(huán)境配置專題
提供所有安裝程序及數(shù)據(jù)、代碼、教材，講解環(huán)境配置，遠(yuǎn)程輔助安裝上機(jī)環(huán)境

專題一?CMIP6中的模式比較計劃

1.1 GCM介紹

全球氣候模型（Global Climate Model, GCM），也被稱為全球環(huán)流模型或全球大氣模型，是一種用于模擬地球的氣候系統(tǒng)的數(shù)值模型。這種模型使用一系列的數(shù)學(xué)公式來描述氣候系統(tǒng)的主要組成部分，包括大氣、海洋、冰凍土壤以及地表和海洋表面的生物地理過程。GCM在空間和時間上的精度可以根據(jù)需求進(jìn)行調(diào)整，通常的分辨率可以從幾百公里到幾公里，時間步長可以從幾分鐘到幾小時。

1.2 CMIP介紹
CMIP，全稱為氣候模型比較計劃（Climate Model Intercomparison Project），是由世界氣候研究計劃（World Climate Research Programme，WCRP）發(fā)起的一個國際合作項(xiàng)目。其目的是通過收集和比較各種全球氣候模型（GCMs）的模擬結(jié)果，以理解過去的、現(xiàn)在的和未來的氣候變化。

1.3相關(guān)比較計劃介紹

專題二?數(shù)據(jù)下載

2.1方法一：手動人工利用官方網(wǎng)站

2.2方法二：自動利用Python的命令行工具

2.3方法三：半自動購物車?yán)霉俜骄W(wǎng)站

2.4 裁剪netCDF文件基于QGIS和CDO實(shí)現(xiàn)對netCDF格式裁剪

QGIS中的操作

裁剪效果
2.5 處理日期非365天的GCM以BCC為例處理

專題三?基礎(chǔ)知識

3.1 Python基礎(chǔ)
Python 是一種高級的、解釋型的編程語言，其語法簡潔明了，適合快速開發(fā)。在大氣科學(xué)中，Python 以其豐富的科學(xué)計算和數(shù)據(jù)分析庫備受青睞。這些庫如 Numpy，Scipy，Pandas 和 Xarray 等，為處理大氣科學(xué)數(shù)據(jù)提供了強(qiáng)大的支持。
?Numpy：Numpy 是 Python 中用于科學(xué)計算的核心庫，提供了高性能的多維數(shù)組對象及相關(guān)工具。對于大氣科學(xué)數(shù)據(jù)的處理，例如溫度、壓力、風(fēng)速等通常都會使用到多維數(shù)組。Numpy 提供了豐富的函數(shù)庫來處理這些數(shù)組，包括數(shù)學(xué)運(yùn)算、邏輯運(yùn)算、形狀操作、排序、選擇等操作。
?Scipy：Scipy 是基于 Python 的開源軟件，用于科學(xué)計算中的數(shù)值積分和微分方程數(shù)值求解，線性代數(shù)，優(yōu)化，信號處理等。在大氣科學(xué)中，例如對氣溫、氣壓等數(shù)據(jù)進(jìn)行傅立葉分析，求解大氣動力學(xué)中的偏微分方程等，都可以使用 Scipy 來實(shí)現(xiàn)。
?Pandas：Pandas 是基于 Numpy 構(gòu)建的，使數(shù)據(jù)清洗和分析工作變得更快更簡單。Pandas 是專門為處理表格和混雜數(shù)據(jù)設(shè)計的，而 Numpy 更適合處理統(tǒng)一的數(shù)值數(shù)組數(shù)據(jù)。在大氣科學(xué)中，例如對氣象站的觀測數(shù)據(jù)進(jìn)行時間序列分析，處理混合類型的氣象數(shù)據(jù)，以及對數(shù)據(jù)進(jìn)行清洗、篩選和統(tǒng)計等操作，Pandas 都是非常有用的工具。

3.2 CDO基本操作
CDO（Climate Data Operator）是大氣科學(xué)領(lǐng)域常用的一款氣候和氣象數(shù)據(jù)處理工具。它是一個功能強(qiáng)大的命令行工具，可以處理和分析格網(wǎng)和無格網(wǎng)數(shù)據(jù)，支持多種數(shù)據(jù)格式，包括netCDF、GRIB、SERVICE, EXTRA和IEG。CDO提供了一套豐富的函數(shù)庫，可以用來進(jìn)行各種常見的數(shù)據(jù)操作，包括：
?基礎(chǔ)操作：如選擇、提取和修改變量、維度、屬性等。
?數(shù)值操作：如四則運(yùn)算、統(tǒng)計運(yùn)算、函數(shù)運(yùn)算等。例如，可以計算數(shù)據(jù)的平均值、最大值、最小值、標(biāo)準(zhǔn)差等。
?空間操作：如重新格網(wǎng)、插值、匯總、選擇和提取地理區(qū)域等。
?時間操作：如選擇和提取時間周期、計算時間平均或累積等。

3.3 Xarray的基本操作
Xarray 是一個用于處理多維數(shù)組數(shù)據(jù)的 Python 庫，它在 numpy 的基礎(chǔ)上提供了一系列用于數(shù)據(jù)操作和分析的高級接口，并能很好地支持 netCDF 這類基于網(wǎng)絡(luò)的自描述數(shù)據(jù)格式，因此在大氣科學(xué)和氣候科學(xué)中被廣泛使用。
Xarray 的主要特點(diǎn)包括：
?基于標(biāo)簽的數(shù)據(jù)操作：Xarray 使用維度名稱而不是軸編號進(jìn)行數(shù)據(jù)選擇和操作，極大地增強(qiáng)了代碼的可讀性和可維護(hù)性。
?自動對齊數(shù)據(jù)：在進(jìn)行運(yùn)算時，Xarray 可以自動對齊不同數(shù)據(jù)集的變量（variables）和坐標(biāo)（coordinates）。
?分組運(yùn)算和數(shù)據(jù)透視：Xarray 支持類似于 pandas 的分組運(yùn)算（group-by）和數(shù)據(jù)透視（pivot）功能。
?I/O操作：Xarray 對多種數(shù)據(jù)格式提供了非常好的支持，尤其是對 netCDF 數(shù)據(jù)的讀取和寫入。

專題四?單點(diǎn)降尺度

4.1 Delta方法

Delta方法（Delta Change Method），也稱為增量方法或差值方法，是氣候模型降尺度的一種簡單而常用的方法。該方法假設(shè)氣候變化的幅度在未來相對于歷史期間將保持恒定。因此，對于某一具體的未來時段，可以通過計算過去和現(xiàn)在氣候的差值（即 delta），并將其應(yīng)用到未來的氣候預(yù)測上，來預(yù)估未來的氣候狀態(tài)。該方法可以應(yīng)用于溫度和降水等氣候變量的預(yù)測。4.2?統(tǒng)計訂正
概率分布函數(shù)（Probability Density Function, PDF）的訂正。這種方法的基本思想是：通過修改大尺度模型輸出的PDF，使其更符合觀測數(shù)據(jù)的PDF，從而獲得更準(zhǔn)確的小尺度氣候變量。

4.3 機(jī)器學(xué)習(xí)方法
降尺度是將粗尺度的全球氣候模型（GCM）輸出數(shù)據(jù)轉(zhuǎn)換為地面更精細(xì)尺度的過程。機(jī)器學(xué)習(xí)方法因其在處理復(fù)雜模式識別和高維數(shù)據(jù)問題的強(qiáng)大能力，已經(jīng)被成功應(yīng)用于降尺度技術(shù)。在氣候?qū)W領(lǐng)域，機(jī)器學(xué)習(xí)已被成功用于將粗尺度的氣候模型輸出（例如，溫度和降水）與其他環(huán)境變量（例如，地形和土壤類型）關(guān)聯(lián)，以獲得更高分辨率的氣候預(yù)測。
實(shí)現(xiàn)步驟?建立特征?建立模型?模型評估

4.4 多算法集成方法

貝葉斯模型平均 (Bayesian Model Averaging, BMA)貝葉斯模型平均是一種統(tǒng)計方法，用于根據(jù)觀察數(shù)據(jù)確定各種模型的后驗(yàn)概率。與選擇一個最好的模型相反，貝葉斯模型平均考慮了所有可能的模型，然后根據(jù)每個模型的后驗(yàn)概率進(jìn)行加權(quán)平均。Python+pymc3實(shí)現(xiàn)

專題五?統(tǒng)計方法的區(qū)域降尺度

5.1 Delta方法

5.2 基于概率訂正方法的

專題六?基于WRF模式的動力降尺度動態(tài)降尺度

通常使用更高分辨率的區(qū)域氣候模型（RCM），這些模型在更大尺度的全球氣候模型驅(qū)動下運(yùn)行。其中，WRF（Weather Research and Forecasting）模型是目前使用最廣泛的區(qū)域氣候模型之一。WRF模型是一個靈活的、大氣環(huán)流模型，適合用于各種尺度的氣候和氣象研究。它的主要特點(diǎn)是具有高分辨率（可達(dá)到幾公里），并且可以考慮到許多重要的地球物理過程，如云的形成、降水、陸面過程、海洋過程、邊界層過程、輻射、化學(xué)過程等。

6.1 制備CMIP6的WRF驅(qū)動數(shù)據(jù)
利用cdo工具對gcm的輸出文件進(jìn)行重新編碼制備wrf的驅(qū)動數(shù)據(jù)
①針對壓力坐標(biāo)系的數(shù)據(jù)制備②針對sigma坐標(biāo)系GCM數(shù)據(jù)制備③WPS處理

6.2 WRF模式運(yùn)行

6.3 模式的后處理
?提取變量?變量的統(tǒng)計?變量的可視化

專題七?典型應(yīng)用案例-氣候變化1

7.1?針對風(fēng)速進(jìn)行降尺度

7.2 針對短波輻射降尺度

專題八?典型應(yīng)用案例-氣候變化2

ECA極端氣候指數(shù)計算
ECA (European Climate Assessment) 是歐洲的一個氣候評估項(xiàng)目，其在全球范圍內(nèi)發(fā)布了一系列的極端氣候事件指數(shù)。這些指數(shù)被廣泛用于氣候變化研究，特別是在研究極端天氣和氣候事件方面。ECA 的極端氣候指數(shù)主要包括以下幾類：溫度指數(shù)：這些指數(shù)主要用于度量溫度的極端情況，例如熱日數(shù)（TX90p，年中最高氣溫超過90百分位數(shù)的天數(shù)）、冷日數(shù)（TN10p，年中最低氣溫低于10百分位數(shù)的天數(shù)）、熱夜數(shù)（TN90p，年中最低氣溫超過90百分位數(shù)的天數(shù)）、冷夜數(shù)（TN10p，年中最低氣溫低于10百分位數(shù)的天數(shù)）等。降水指數(shù)：這些指數(shù)主要用于度量降水的極端情況，例如最大連續(xù)5日降水量（RX5day）、大于或等于10mm的降水日數(shù)（R10mm）、大于或等于20mm的降水日數(shù)（R20mm）、降水強(qiáng)度（SDII）等。這些指數(shù)對于理解和預(yù)測極端氣候事件的影響非常重要，因?yàn)闃O端氣候事件（如熱浪、干旱、洪水等）往往比平均氣候變化帶來更大的影響。因此，對這些指數(shù)的研究有助于我們更好地理解和適應(yīng)氣候變化。

?Consecutive dry days index

?Consecutive frost days index per time period

?Consecutive summer days index per time period

?Consecutive wet days index per time period

專題九?典型應(yīng)用案例-生態(tài)領(lǐng)域

預(yù)估生長季開始和結(jié)束時間
1、建立氣象數(shù)據(jù)與VIPPHEN遙感物候數(shù)據(jù)中生長季開始和結(jié)束
2、在未來氣候情景下預(yù)估生長季長季開始、結(jié)束和長度

專題十?典型應(yīng)用案例-水文、生態(tài)模式數(shù)據(jù)

?SWAT數(shù)據(jù)制備?Biome-BGC數(shù)據(jù)
Biome-BGC是利用站點(diǎn)描述數(shù)據(jù)、氣象數(shù)據(jù)和植被生理生態(tài)參數(shù)，模擬日尺度碳、水和氮通量的模型，其研究的空間尺度可以從點(diǎn)尺度擴(kuò)展到陸地生態(tài)系統(tǒng)。案例中以單點(diǎn)模擬方式制備CMIP6的氣象數(shù)據(jù)。

注：請?zhí)崆白詡潆娔X及安裝所需軟件