cmip6数据处理、动力降尺度、统计降尺度、制备CMIP6的WRF驱动数据

收录了CMIP6数据处理方法，典型案例分析实践过程中出现的一些问题，及技术（下拉查看）

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。

1、请问偏差订正的统计降尺度方法就是用一段时间序列的bias去订正另一段时间序
列的、降尺度的GCM吗

2、请问风速，辐射变量这些应该是sub还是比率呢?

3、日尺度和月尺度的选择依据是什么呢？是不是说一个比另一个更精准的？

可以用于研究极端风速的情况吗？像热带气旋这些

4、请问用cdo的话，用日尺度数据的减去月尺度的数据，得到的结果是日尺度的数
据会减去其对应月份的值吗？

5、请问机器学习降尺度方法怎么做的？

6、您好，能教一些动力降尺度的方法的或代码吗？

7、想做模拟气候变暖情景下台风变化，这个CMIP6模式数据用温度和CO2浓度数据 降尺度
做吗？我看大多数文献是用30年平均气候态来偏差订正的，可以用10年气候态来订正吗

8、降尺度 是年尺度 到  月尺度 ，还是格网精度更细一点？

9、请问，站点数据需要先插值到格点，再格点对格点进行空间降尺度吗？

10、下午是会讲动力降尺度吗？

11、请问把cmip6模型数据的土壤温度和湿度分成4层会更准一点吗？

12、降尺度的 两个namelist 与常规天气模拟的namelist设置有啥主要的区别吗

13、不同机构的模式数据的集合平均怎么做呀？

14、如果我的观测数据是矩阵数据不是站点，怎么用机器学习的方法差值呢

15、现在不同情景下多模型平均值得到的海平面上升数据有没有已经处理好了的可以
下载，还是需要自己处理？

16、cmip6里面有土壤湿度数据吗？

17、您好，那我们降尺度下来的，数据精度要怎么去验证？

18、我的辐射，湿度和压强，风速都用的delta法的“做差”进行的降尺度，请问这
样是正确的吗？我看到有文章风速也有用的“比率”的。

19、降雨降尺度能用cdo实现么？  尝试把sub改成mulc提示 too many streams

20、cmip数据经过概率分布方法进行过降尺度后，相关系数和均方根误差均变差了，
这正常吗

21、用概率分布方法降尺度的时候，空间区域降水也是逐月进行订正吗

22、我们用cn05对cmip6做了降尺度（降水数据），然后和cn05数据集以及实测数据进行对比（选取了具有实测站点的栅格），发现相关系数只有0.4左右。这样正常吗？一般的相关系数是多少？

23、CMIP6模式数据在某一些气压层有一些地区会有数据缺失（图中白色的地区数值
很大），这个会影响后期进行动力降尺度吗？
————————————————
CMIP6中的模式比较计划

GCM介绍

相关比较计划介绍

 

数据下载

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）

处理日期非365天的gcm

以BCC为例

基础知识

Python基础

1. Numpy基础
2. Scipy基础
3. 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。

文件操作

重采样

统计计算

Xarray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。

Netcdf文件的读写

统计计算

可视化

单点降尺度

Delta方法

统计订正

 

 

机器学习方法

建立特征

建立模型

模型评估

多算法集成方法

 

 

统计方法的区域降尺度

Delta方法

 

基于概率订正方法的

基于WRF模式的动力降尺度

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

 

WRF模式运行

 

 模式的后处理

提取变量

变量的统计

变量的可视化

 

典型应用案例-气候变化

针对风速进行降尺度

 

针对短波辐射降尺度

 

ECA极端气候指数计算

 ●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

生态领域典型应用案例

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

水文、生态模式数据  典型应用案例

1. SWAT数据制备
2. 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。

●R语言结构方程模型（SEM）

●基于Citespace和vosviewer文献计量学可视化SCI论文高效写作方法

●高精度气象模拟软件WRF(Weather Research Forecasting)

●基于MODIS/Landsat/Sentinel/国产卫星遥感数据与DSSAT作物模型同化的作物产量估算

●InVEST模型及在生态系统服务供需、固碳、城市热岛、论文写作等

● 基于MATLAB 2021b的机器学习、深度学习实践应用