大气科学领域丨WRF、UCM、CMAQ、Chem、Hydro、WRF DA、PMF、MCM、EKMA、CAMx、SMOKE、megan、Calpuff、FLEXPART、LEAP、CMIP6等

①高精度气象模拟软件WRF(Weather Research Forecasting)实践技术

​目标：
1、WRF模式的各个组成部分； 2、自主完成该模式的移植；3、自主完成模式运行；
4、自主完成模式后处理；5、通过多领域案例分析、实践，熟悉在多领域中的应用。
区域气候模式理论知识梳理
WRF模式能干什么？（气温、降水、风、压、能量、水分、植被模拟和预报）
WRF模式框架和流程
WRF使用什么样的计算平台？计算系统？Linux，非windows

Linux操作系统 WRF模式系统 实际操作
如何安装WRF模式所需要的平台？（vmware,linux）
如何从零开始搭建WRF编译所需的系统？（RockyLinue）
安装软件（OneAPI）
WRF模式结果文件格式？（NetCDF）

模式调试及运行
WRF如何获取模拟区域的DEM、LUCC、植被、反照率等多种信息
WPS如何定义模拟区域？如何准备地形土地利用等资料（geogrid.exe）
WPS如何准备气象资料？(温度、气压、风场、湿度等等)
WPS如何水平插值？（软件如何匹配不同的空间分辨率资料，如何从百公里到几百米降尺度）
WRF模式如何积分解算气象变量和能量水分传输
WRF如何完成等压层向地形追随坐标系的转变
WRF模式如何精确计算气象和相关过程

案例操作1：软件基本运行流程
案列操作2：研究区设置技巧
案例操作3：软件如何进行天气预报
案例操作4：软件模拟月或年尺度气象
案例操作5：如何模拟分析观测气温
案例操作6：如何模拟分析降水
案例操作7：如何模拟分析水汽和湿度
案例操作8：如何模拟分析土地利用变化的影响
案例操作9：如何模拟分析土壤及近地层能量水分通量
案例操作10：如何模拟分析风场
案例操作11：如何模拟分析其他变量，包括土壤、水体、植被等相关气象变量

WRF模拟结果如何分析？（NCL）
WRF结果如何展示？（Vapor）**
WRF结果如何展示？（Python）

②（WRF-UCM）高精度城市化气象动力模拟技术与案例

​
气候变化及应对是政府、科学界及商业界关注的焦点。气候是多个领域（生态、水资源、风资源及碳中和等问题）的主要驱动因素，合理认知气候变化有利于解释生态环境变化机理及过程，而了解现在、未来气候变化则是进行生态、环境及能源评估、碳政策规划的先决条件，而气候模拟是获取高精度气候信息的最主要手段，现代生态、水文、新能源及碳中和领域需要亚公里及更高分辨率的气象模拟，WRF模式是国内外应用最为广泛的气象模式，使用该模式进行高精度甚至几百米的模拟应用也越来越多。该模式城市冠层模型（WRF-UCM）可以实现对城市中小尺度气象过程的精细动力模拟，其应用范围及实际业务及科研应用也越来越广泛。但该模式运行于Linux平台，前处理、运行及分析过程复杂、难度大

模型基础理论

WRF-UCM模型介绍

WRF-UCM使用什么样的计算平台？计算系统？

模型平台从零安装讲解

如何安装WRF-UCM模式所需要的平台？（windows平台+Vmware16）

如何从零开始搭建WRF-UCM编译所需的系统？（RockyLinux9）

安装WRF-UCM从代码转为程序所需的编译器（OneApi）

WRF-UCM模式输入输出文件格式讲解（NetCDF）

城市模块离线模拟案例讲解

驱动数据GLDAS资料获取技术

驱动资料ERA5资料获取技术

NoahMP-hrldas前处理案例

NoahMP-UCM离线模拟案例

城市模块在线耦合（WRF+WRF-UCM）模拟案例

WRF+WRF-UCM前处理技术讲解

WRF+WRF-UCM模拟区域设置技术

WRF+WRF-UCM高程、土地利用、植被等地理数据及温压湿风等气象资料处理技术

WRF+WRF-UCM如何模拟气象场

WRF+WRF-UCM非耦合模拟案例
WRF+WRF-UCM耦合模拟案例讲解
实际应用及案例分析

WRF-UCM模拟结果如何分析？（NCL）

示例1（线图）

示例（填色图）

示例（图层叠加）

示例（图层排列）
​

③气候水文耦合WRF-Hydro模式应用

​
WRF-Hydro模式

WRF-Hydro模式是从WRF (WEATHER RESEARCH AND FORECASTING MODEL)（https://www.mmm.ucar.edu/weather-research-and-forecasting-model）陆面过程部分独立发展起来的可以模拟大气和水文相互作用及过程的独立模型

该模型基于FORTRAN90开发，扩展性好，支持大规模并行，最新版本包含了多个陆地水文物理过程，并提供了界面友好的GIS工具包用于基础输入数据的准备。WRF-Hydro不仅支持离线模拟地表和次表层产汇流过程，还支持在线耦合方式模拟大气过程和水文过程的相互影响、相互反馈过程。随着地球系统科学的快速发展融合

WRF-HYDRO模式介绍
WRF-HYDRO模式发展历程、关键科学问题、主要组成
WRF-HYDRO及National Water Model发展
WRF-HYDRO overland flow模型
WRF-HYDRO subsurface flow模型
WRF-HYDRO base flow模型
WRF-HYDRO湖泊、水库模型
WRF-HYDRO模式框架及编译

离线模拟

WRF-HYDRO GIS Preprocessing Tool工具

WRF-HYDRO流域资料准备

Land Surface Model，NOAH，NOAHMP

WRF-HYDRO驱动数据准备

WRF-HYDRO模式性能

WRF模式基础

WRF-HYDRO离线及耦合模拟

WRF前处理-WPS

定义模拟区域，准备地形土地利用等资料

准备气象资料

水平插值

模拟气象场

模式数值积分

耦合模拟

WRF-HYDRO与WRF耦合编译

模式结果分析

National Water Model相关

个例分析及答疑

④Python人工智能在气象中的实践技术

Python是功能强大、免费、开源，实现面向对象的编程语言，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能，这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为的主流编程语言之一。

人工智能和大数据技术在许多行业都取得了颠覆式的成果，气象和海洋领域拥有海量的模式和观测数据，是大数据和人工智能应用的天然场景。Python也是当前进行机器学习和深度学习应用的最热门语言。对于的气象海洋领域的专业人员，Python是进行机器学习和深度学习工作的首选。

Python软件的安装及入门

1.1 Python背景及其在气象中的应用

1.2 Anaconda解释和安装以及Jupyter配置

1.3 Python基础语法

气象常用科学计算库

2.1 Numpy库   2.2 Pandas库   2.4 Xarray库

气象海洋常用可视化库

3.1可视化库介绍Matplotlib、Cartopy等

3.2 基础绘图 （1）折线图绘制 （2）散点图绘制 （3）填色/等值线 （4）流场矢量图

爬虫和气象海洋数据

（1）Request库的介绍 （2）爬取中央气象台天气图 （3）FNL资料爬取 （4) ERA5下载

气象海洋常用插值方法

（1）规则网格数据插值到站点 （2）径向基函数RBF插值 （3）反距离权重IDW插值 （4）克里金Kriging插值

机器学习基础理论和实操

6.1 机器学习基础原理 （1）机器学习概论 （2）集成学习（Bagging和Boosting） （3）常用模型原理（随机森林、Adaboost、GBDT、Xgboost、lightGBM）

6.2 机器学习库scikit-learn （1）sklearn的简介 （2）sklearn完成分类任务 （3）sklearn完成回归任务

机器学习的应用实例

本专题，在详细讲解机器学习常用的两类集成学习算法，Bagging和Boosting，对两类算法及其常用代表模型深入讲解的基础上，结合三个学习个例，并串讲一些机器学习常用技巧，将理论与实践结合。

7.1机器学习与深度学习在气象中的应用

AI在气象模式订正、短临预报、气候预测等场景的应用

7.2 GFS数值模式的风速预报订正

（1）随机森林挑选重要特征 （2）K近邻和决策树模型订正风速 （3）梯度提升决策树GBDT订正风速 （4）模型评估与对比

7.3 台风预报数据智能订正

（1）CMA台风预报数据集介绍以及预处理 （2）随机森林模型订正台风预报

（3）XGBoost模型订正台风预报 （4）台风“烟花”预报效果检验

7.4 机器学习预测风电场的风功率

（1）lightGBM模型预测风功率 （2）调参利器—网格搜索GridSearch于K折验证

深度学习基础理论和实操

8.1 深度学习基本理论 深度学习基本理论知识讲解，深入了解机器学习的基础理论和工作原理，掌握如何构建和优化神经网络模型（如人工神经网络ANN，卷积神经网络CNN、循环神经网络RNN等），提高对现有深度学习算法和技术的理解和应用能力，更好地应对后续海洋气象相关领域的实际问题和应用。

8.2 Pytorch库

（1）sklearn介绍、常用功能和机器学习方法 学习经典机器学习库sklearn的常用功能，如鸢尾花、手写字体等公开数据集的获取、划分训练集和测试集、模型搭建和模型验证等。

（2） pytorch介绍、搭建 模型

学习目前流行的深度学习框架pytorch，了解张量tensor、自动求导、梯度提升等，以BP神经网络学习sin函数为例，掌握如何搭建单层和多层神经网络，以及如何使用GPU进行模型运算。

深度学习的应用实例

本专题，在学习使用ANN预测浅水方程的基础上，进一步掌握如何使用PINN方法，将动力方程加入模型中，缓解深度学习的物理解释性差的问题。此外，气象数据是典型的时空数据，学习经典的时序预测方法LSTM，以及空间卷积算法UNET。

9.1深度学习预测浅水方程模式

（1）浅水模型介绍和数据获取 （2） 传统神经网络ANN学习浅水方程 （3）物理约束网络PINN学习浅水方程

9.2 LSTM方法预测ENSO

（4）ENSO简介及数据介绍 （5）LSTM方法原理介绍 （6）LSTM方法预测气象序列数据

9.3深度学习—卷积网络

（1）卷积神经网络介绍 （2）Unet进行雷达回波的预测

EOF统计分析

10.1 EOF基础和eofs库的介绍

10.2 EOF分析海表面温度数据

（1）SST数据计算距平，去趋势 （2）SST进行EOF分析，可视化

模式后处理

11.1 WRF模式后处理

（1）wrf-python库介绍 （2）提取站点数据 （3）500hPa形式场绘制 （4）垂直剖面图——雷达反射率为例

11.2 ROMS模式后处理

（1）xarray为例操作ROMS输出数据 （2）垂直坐标转换，S坐标转深度坐标 （3）垂直剖面绘制 （4）水平填色图绘制

⑤R语言在气象、水文中数据处理及结果分析、绘图实践

        R语言是一门由统计学家开发的用于统计计算和作图的语言（a Statistic Language developed for Statistic by Statistician），由S语言发展而来，以统计分析功能见长。R软件是一款集成了数据操作、统计和可视化功能的优秀的开源软件。来自世界各地开源社区的研究者为其提供了各种丰富的工具包，目前在官方网站注册的 R 包已经多达16066个，覆盖了各种学科和各个行业。

      如果要使用最新的统计算法以及汇制各种非常规的新式图形，那么 R几乎是一个必选项。R的统计和绘图功能都是通过R功能包来实现的。包就是R函数、数据、预编译代码以一种定义完善的格式组成的集合。简单来说，就是一堆有用的函数打包起来给你用。R自带了一系列默认包（包括base、datasets、utils、grDevices、graphics、stats等），它们提供了种类繁多的默认函数和数据集。当然，非默认的包更是数量惊人，可说是无所不包，包治百病。

    R 不仅功能强大，更是简单易学，所以目前成为了在数据分析领域最热门的集中编程语言之一，广泛用于金融、制造、健康、零售、学术研究在内的各个领域，鉴于R的广泛应用，微软公司于2015年收购了R语言的主要开发和推动力量Revolution Analytics公司。

出发之前——用什么来同时记录我们的数据、代码及结果——Rmd与 knitr介绍

介绍一种方便的理念——Reproducible Research和Rmd及knitr

“原始数据保平安”与R-Rmd、Python-Jupyter

Rmd 的适用范围：笔记、PPT、互动网页、报告、论文

Rmd的基本知识：结构、用法

Rmd 导出为 PDF、Word、HTML：knitr、officedown

开始出发——R及相关开发环境的安装、配置

R-core 软件和 R开发环境介绍及下载安装

R 软件在不同平台的下载

Rstudio 软件介绍 nVisual Studio Code等编辑器中的R开发环境

R 包的基础结构与包的安装

研究区域的探索—R绘图的基本知识与区域地形和站点分布的汇制

R绘图中的“设备”与绘图基础包

R绘图中的“设备概念”与R画图的基本概念，一张图的基本组成部分

R绘图的基础包，基础命令

常见不同图形类型的基础绘制

区域地形图与区域内观测站点分布图的汇制

气象数据的准备——R程序的基础知识

R编程语言的基本语法介绍与基本的数据读写介绍

一个典型 R 程序的组成部分

R中的基本数据类型及其与其他语言的差异

R中的结构与分支，R中的循环，以及不推荐R循环

常见文件的读写，典型气象数据的读取（站点数据、再分析数据、模式数据，txt文件、netcdf 文件）

气象数据的探索——R 数据分析与绘图

R数据分析的基本包以及常用气象、气候数据处理，图形汇制的进一步知识

常用数据处理包及函数：mean、rmse、sd、cor 等

常见统计方法：回归分析、极值分析、主成分分析、小波分析等

气候数据处理；气候均一性分析；极端气候指数的计算；SPEI 计算等 气象水文数据降尺度与插值等

水文模型的运行——R 编程的高级知识及常见数据格式

R 与水文 变量计算、模型；掌握 R的“类”、DataFrame 、%>%管道等

R 来计算水文变量：计算Evapotranspiration的21种方法等
用R实现的水文模型：物理模型及统计模型；BigLeaf、RHMS、TOPMODEL等

R 中的“类”的概念及其应用；%>%管道基本概念 nDataFrame 以及 R 中的基本数据

常用的数据处理函数，常见数据的读写地学常见数据的读写及处理

气象水文结果分析——R绘图的高阶知识，以及一些常用气象水文图形的汇制

气象水文结果的更多分析；

R汇制复杂的图形等 n高质量绘图的基本常识

特殊图形的汇制方法：如等值线图、3D图、Taylor 图

时间序列与水文过程线图的汇制

带地图的图形汇制，从基础到交互式地图

其他多种图形：heatmap、相关系数矩阵图等

最终呈现——从过程笔记到实验报告、学术论文、网站呈现

最终结果的呈现，与R在气象水文中的更多应用与举例

从 Rmd 到最终的结果：网页 html 文件、Word、PPT、PDF、矢量图

R与Python、Fortran、Cpp 、Julia等语言的互操作

人工智能及其他

更多应用及举例

⑥CMIP6数据处理方法与典型案例分析

     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。

专题一  CMIP6中的模式比较计划

1.1 GCM介绍

全球气候模型（Global Climate Model, GCM），也被称为全球环流模型或全球大气模型，是一种用于模拟地球的气候系统的数值模型。这种模型使用一系列的数学公式来描述气候系统的主要组成部分，包括大气、海洋、冰冻土壤以及地表和海洋表面的生物地理过程。GCM在空间和时间上的精度可以根据需求进行调整，通常的分辨率可以从几百公里到几公里，时间步长可以从几分钟到几小时。

1.2 CMIP介绍

CMIP，全称为气候模型比较计划（Climate Model Intercomparison Project），是由世界气候研究计划（World Climate Research Programme，WCRP）发起的一个国际合作项目。其目的是通过收集和比较各种全球气候模型（GCMs）的模拟结果，以理解过去的、现在的和未来的气候变化。

1.3相关比较计划介绍

专题二 数据下载

2.1方法一：手动人工

2.2方法二：自动

利用Python的命令行工具

2.3方法三：半自动购物车

2.4 裁剪netCDF文件

基于QGIS和CDO实现对netCDF格式裁剪

2.5 处理日期非365天的GCM

以BCC为例处理

专题三 基础知识

3.1 Python基础

Python 是一种高级的、解释型的编程语言，其语法简洁明了，适合快速开发。在大气科学中，Python 以其丰富的科学计算和数据分析库备受青睐。这些库如 Numpy，Scipy，Pandas 和 Xarray 等，为处理大气科学数据提供了强大的支持。

●Numpy：Numpy 是 Python 中用于科学计算的核心库，提供了高性能的多维数组对象及相关工具。对于大气科学数据的处理，例如温度、压力、风速等通常都会使用到多维数组。Numpy 提供了丰富的函数库来处理这些数组，包括数学运算、逻辑运算、形状操作、排序、选择等操作。

●Scipy：Scipy 是基于 Python 的开源软件，用于科学计算中的数值积分和微分方程数值求解，线性代数，优化，信号处理等。在大气科学中，例如对气温、气压等数据进行傅立叶分析，求解大气动力学中的偏微分方程等，都可以使用 Scipy 来实现。

●Pandas：Pandas 是基于 Numpy 构建的，使数据清洗和分析工作变得更快更简单。Pandas 是专门为处理表格和混杂数据设计的，而 Numpy 更适合处理统一的数值数组数据。在大气科学中，例如对气象站的观测数据进行时间序列分析，处理混合类型的气象数据，以及对数据进行清洗、筛选和统计等操作，Pandas 都是非常有用的工具。

3.2 CDO基本操作

CDO（Climate Data Operator）是大气科学领域常用的一款气候和气象数据处理工具。它是一个功能强大的命令行工具，可以处理和分析格网和无格网数据，支持多种数据格式，包括netCDF、GRIB、SERVICE, EXTRA和IEG。

CDO提供了一套丰富的函数库，可以用来进行各种常见的数据操作，包括：

●基础操作：如选择、提取和修改变量、维度、属性等。

●数值操作：如四则运算、统计运算、函数运算等。例如，可以计算数据的平均值、最大值、最小值、标准差等。

●空间操作：如重新格网、插值、汇总、选择和提取地理区域等。

●时间操作：如选择和提取时间周期、计算时间平均或累积等。

3.3 Xarray的基本操作

Xarray 是一个用于处理多维数组数据的 Python 库，它在 numpy 的基础上提供了一系列用于数据操作和分析的高级接口，并能很好地支持 netCDF 这类基于网络的自描述数据格式，因此在大气科学和气候科学中被广泛使用。

Xarray 的主要特点包括：

●基于标签的数据操作：Xarray 使用维度名称而不是轴编号进行数据选择和操作，极大地增强了代码的可读性和可维护性。

●自动对齐数据：在进行运算时，Xarray 可以自动对齐不同数据集的变量（variables）和坐标（coordinates）。

●分组运算和数据透视：Xarray 支持类似于 pandas 的分组运算（group-by）和数据透视（pivot）功能。

●l/O操作：Xarray 对多种数据格式提供了非常好的支持，尤其是对 netCDF 数据的读取和写入。

专题四  单点降尺度

4.1 Delta方法

 Delta方法（Delta Change Method），也称为增量方法或差值方法，是气候模型降尺度的一种简单而常用的方法。该方法假设气候变化的幅度在未来相对于历史期间将保持恒定。因此，对于某一具体的未来时段，可以通过计算过去和现在气候的差值（即 delta），并将其应用到未来的气候预测上，来预估未来的气候状态。该方法可以应用于温度和降水等气候变量的预测。

4.2统计订正

概率分布函数（Probability Density Function, PDF）的订正。这种方法的基本思想是：通过修改大尺度模型输出的PDF，使其更符合观测数据的PDF，从而获得更准确的小尺度气候变量。

4.3机器学习方法

降尺度是将粗尺度的全球气候模型（GCM）输出数据转换为地面更精细尺度的过程。机器学习方法因其在处理复杂模式识别和高维数据问题的强大能力，已经被成功应用于降尺度技术。在气候学领域，机器学习已被成功用于将粗尺度的气候模型输出（例如，温度和降水）与其他环境变量（例如，地形和土壤类型）关联，以获得更高分辨率的气候预测。

实现步骤

●建立特征

● 建立模型

●模型评估

4.4多算法集成方法

多算法的集成

贝叶斯模型平均 (Bayesian Model Averaging, BMA)

贝叶斯模型平均是一种统计方法，用于根据观察数据确定各种模型的后验概率。与选择一个最好的模型相反，贝叶斯模型平均考虑了所有可能的模型，然后根据每个模型的后验概率进行加权平均。

Python+pymc3实现

专题五 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

专题六 基于WRF模式的动力降尺度

      动态降尺度通常使用更高分辨率的区域气候模型（RCM），这些模型在更大尺度的全球气候模型驱动下运行。其中，WRF（Weather Research and Forecasting）模型是目前使用最广泛的区域气候模型之一。

      WRF模型是一个灵活的、大气环流模型，适合用于各种尺度的气候和气象研究。它的主要特点是具有高分辨率（可达到几公里），并且可以考虑到许多重要的地球物理过程，如云的形成、降水、陆面过程、海洋过程、边界层过程、辐射、化学过程等。

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

● 提取变量

●变量的统计

●变量的可视化

专题七 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

专题八 典型应用案例-气候变化2

ECA极端气候指数计算

    ECA (European Climate Assessment) 是欧洲的一个气候评估项目，其在全球范围内发布了一系列的极端气候事件指数。这些指数被广泛用于气候变化研究，特别是在研究极端天气和气候事件方面。

   ECA 的极端气候指数主要包括以下几类：

温度指数：这些指数主要用于度量温度的极端情况，例如热日数（TX90p，年中最高气温超过90百分位数的天数）、冷日数（TN10p，年中最低气温低于10百分位数的天数）、热夜数（TN90p，年中最低气温超过90百分位数的天数）、冷夜数（TN10p，年中最低气温低于10百分位数的天数）等。

  降水指数：这些指数主要用于度量降水的极端情况，例如最大连续5日降水量（RX5day）、大于或等于10mm的降水日数（R10mm）、大于或等于20mm的降水日数（R20mm）、降水强度（SDII）等。

这些指数对于理解和预测极端气候事件的影响非常重要，因为极端气候事件（如热浪、干旱、洪水等）往往比平均气候变化带来更大的影响。因此，对这些指数的研究有助于我们更好地理解和适应气候变化。

专题九 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

专题十 典型应用案例-水文、生态模式数据

● SWAT数据制备

●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。

⑦Python语言在地球科学领域中的实践

Python在科学和工程领域地位日益重要，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题，可以预见未来Python将成为科学和工程领域的主流程序设计语言。

从数据可视化到常见数据分析方法的使用，并结合相关学科具体实例

1、提供虚拟机（Virtual Box）文件（预装好Anaconda环境，可直接使用）

2、提供原始数据和中间临时文件

Python重点工具

Numpy：科学计算

Scipy：科学计算

Sklearn：机器学习

Matplotlib：可视化

Cartopy:地理数据可视化

GeoPandas:地理数据分析

常见地球科学数据

1、站点数据：

• GSOD       GHCN      ISMN:国际土壤湿度测量网络数据

2、格点观测数据 

CRU     CN05.1      OISST、HadSST

3、再分析：

ERA5      GLDAS

4、遥感数据： 

Ø GLEAM      Ø Landsat     Ø MODIS      Ø TRMM     Ø SMAP:土壤湿度主动被动遥感数据

 

使用Xarray处理netCDF和Geotiff数据

Xarray

读取&写入 netCDF文件

Groupby & resample 对时间、空间信息进行操作

Rasterio & rioxarray

使用Pysat进行大空间分析

. 空间自相关分析

分析干旱事件发生的空间聚集性

2. 空间回归模型

建模气温与地形因素的空间关系

GWR模型评估地形对降水分布的局部影响

3. 空间点模式分析

探测极端天气事件的热点区域

4. 时空数据分析

评估城市热岛效应的时空演化

使用Dask进行大数据并行计算

使用Dask进行大数据并行计算

Ø Arrays、DataFrames

Ø 无结构数据的并行处理

Ø 延迟计算

案例一：

并行处理长时间序列的TRMM降水数据,识别极端降水事件的时空分布特征

案例二：

利用Dask并行计算,快速监测全球范围内干旱的发生、发展和持续时间

使用Pandas分析时间   序列数据-1

案例一：时间序列填补

案例二：极端风速重现期分析 

案例三：台风个数统计

 

使用Pandas分析时间  序列数据-2

环流指数与温度、降水变化的关联性

Ø 各环流指数对全球及区域温度变化的影响

Ø 环流指数与极端高温/低温事件的联系

Ø 环流指数与干旱/洪水事件的关联

Ø 环流指数对季风系统的影响

2、空间插值

Ø 使用Kriging进行站点数据插值

Ø 使用IDW插值生成高分辨率气温场

3、缺测数据插补

Ø 针对地面站点数据中的缺失值进行插补

Ø 利用机器学习算法插补遥感数据中的缺测像元

结合空间插值和时间插值等多种方法提高数据质量

使用Python处理遥感   数据1     以Landsat数据为例

大数据的可视化

Ø GB级数据可视化

2、植被指数计算

裁剪区域

Ø 使用mask掩膜文件裁剪

使用shapefile文件裁剪

使用Python处理遥感   数据2—  以MODIS数据为例

1、预备工作：

Ø Python读取HDF4-EOS数据

Ø 使用GDAL库预处理

Ø 转投影为wgs84+lonlat

Ø 拼接多景影像

2、案例一：土地利用分析（MOD12C1）

Ø 2000-2020年青藏高原土地利用分析

Ø 分析不同土地利用分类上气温和降水的变化

3、案例二：生态系统生产力分析（MOD17A2）

Ø 青藏高原草场上土地利用GPP变化

Ø 分析草场GPP与降水之间关系（ERA5再分析数据）

、案例三：分析积雪覆盖时间（MOD10A2）

Ø 2000-2020年间青藏高原积雪时间统计

Ø 分析祁连山不同高程带积雪时间统计（DEM：GTOP30S）

5、案例四：积雪与生产力之间的关系（MOD10A2和MOD17A2）

分析新疆北疆积雪覆盖时间与春季GPP的变化

使用Python处理    站点数据    以GSOD和气象共享网数据为例

、数据的读取

Ø 读取美国NOAA的GSOD日值数据

Ø 读取气象共享网日值数据

2、数据清洗：

Ø 数据整理

Ø 异常值检测

ü 阈值法

ü 模型法

ü 孤立森林

3、多时间尺度的统计：

Ø 年尺度统计

Ø 季尺度统计

4、站点插值：（随机森林树）

利用高程、经纬度插值气温数据

使用Python处理遥感水文数据     以TRMM遥感降水数据和GLEAM数据等为例

案例一：空间降尺度

Ø 使用NDVI、DEM和机器学习算法对TRMM降水数据降尺度

案例二：分析蒸散数据的年际变化

Ø 读取GLEAM数据，并分析蒸散发的年际变化

Ø 比较MODIS ET产品与GLEAM的差异

案例三：使用随机森林算法估算地表蒸散发

Ø GLEAM和ERA5数据建立机器学习估算模型

Ø 在区域尺度上进行长时间序列模拟

、案例三：比较多套土壤湿度产品

Ø 比较GLDAS、GLEAM和CCI SM

案例四：分析降水~蒸散发-土壤湿度关系

分析降水~蒸散发-土壤湿度的年际变化

使用Python处理遥感和模式数据      以PKU GIMMS NDVI遥感降水数据和GLDAS数据为例

案例一:结合GIMMS NDVI和陆面模式数据分析干旱影响

Ø 获取陆面模式模拟的土壤湿度数据

Ø 建立植被生产力与干旱的响应关系

Ø 评估不同地区的干旱敏感性

案例二:青藏高原地区干旱对高寒草地生态系统的影响

Ø 基于NDVI识别青藏高原历史干旱年份

结合GLDAS模拟的土壤温湿度等数据,分析干旱对植被的影响机制

使用Python处理气候变化   数据1   观测数据

案例一：百年气温趋势：CRU数据

案例二：百年海温趋势：HadSST

案例三：再分析数据处理

ERA5数据气温评估

使用Python进行气候诊断分析

在GHCN站点数据基础上

Ø 使用Mann-Kendall趋势检验

Ø 使用Mann-Kendall突变分析

Ø 和Sen's slope估计气候变化趋势

使用小波分析等分析周期

使用Python处理气候变化数据2   以CMIP6数据为例

降尺度

Ø Delta方法

百分位校正方法

案例一：计算极端气候指数

案例二：未来气候变化背景下中国地区GPP变化（CMIP6+MOD17+机器学习）

案例三：未来气候变化背景下中国地区土地利用变化

使用Python对WRF模式数据后处理

案例一：空间坐标重采样

案例二：风速垂直高度插值

Ø 获取风机70和100m高度的风速和风向

使用Python运行生态模型    以CN05.1数据和Biome-BGC生态模型为例

模型讲解

2、气象数据的准备

3、控制文件生成

4、模式的运行

Ø Muliprocesing 并行运行

5、模式后处理

Ø 结果统计

结果可视化（NPP）

详情联系李莎  +V   xiao5kou4chang6kai4

⑧CLM陆面过程模式

CLM模式经过不断发展改进，目前已经发展到4.5版本，最新的5.0版本也将随着 CESM2.0发布，模式5.0版本主要改进了土壤和植被水文过程、积雪融雪动力过程、碳氮循环和耦合模拟以及植被模拟等主要动力过程，另外，模式引进了MOSART径流模型替换了 RTM，同时引进FATES生态演替模型以改进经典的动态植被模型(DGVM)，届时，CLM 模式在陆面过程研究必将拥有更广阔的应用空间。

CLM模式的主要目的是研究和预测地球气候的变化，包括大气、海洋、陆地、冰川等各个组成部分的相互作用。

CESM、CLM运行条件及Linux编译基础

CESM、CLM必须在Linux或者Unix环境中运行

运行CESM、CLM所必须的软硬件要求及环境搭建

Linux的基本概念和基本操作

Linux编译的基本概念及基本流程

CESM、CLM 基础

CESM 的基本结构，CLM 的基础知识

CESM的几大功能模块

CLM 的基础知识

CLM 程序获取、结构及其功能

获取 CESM、CLM 程序代码，CLM 文件夹结构及各自功能

获取最新或特定版本的 CESM 及 CLM 代码

CLM 个文件夹结构作用

CLM 移植、安装及快速运行

CLM 运行环境的准备，编译、安装及运行

检查并完善CLM 运行所需环境及软件

针对特定服务器环境的 CLM Machine File 修改

创建一个简单的 case，并编译运行这个 case

CLM 配置选项及数据文件制备

CLM 运行的配置文件详解，运行所需数据文件制备

创建 CLM case时各选项及其意义

运行配置文件namelist 的详解，常用选项选择及其意义

运行 CLM 所需数据文件结构及数据文件制备方法及程序

根据研究内容熟练创建 CLM case 并运行 CLM

CLM 单点或区域运行

熟练掌握 CLM 单点及区域运行的 case 创建、文件制备及运行

创建单点或区域模式的方法

单点及区域运行所需文件的制备

单点及区域模式的运行

CLM 结果处理、分析及可视化

熟练掌握 CLM 输出结果文件结构、变量意义、变量选择以及结果分析

创建单点或区域模式的方法

单点及区域运行所需文件的制备

单点及区域模式的运行

CLM 代码修改、发展及改进

了解 CLM代码的结构、主要模块的组成、Fortran程序的修改

了解 CLM 主要的代码结构

了解 CLM 几大模块的组成及相应的程序位置

根据需要修改代码，编译运行

⑨地球系统模式（CESM）

CESM2.0中CIME (Common Infrastructure for Modeling the Earth)为模式配置、编译和运行提供个例控制器。CAM大气模块加入CLUBB (Cloud Layers Unified by Binormals)计算边界层湍流活动、浅对流、云微物理，CLUBB是一个诊断湿湍流方案，它能计算联合高阶次网格垂直速度，水含量、液态水和位温，也可以计算次网格垂直通量；引入提高的二阶诊断云微物理方案（MG2），可以诊断计算降水包括雨、雪和凝结云。CAM化学模块（CAM6-chem）包括对流化学方案MOZART-T1；计算二次有机气溶胶(SOA)的VBS（volatility basis set）方案中耦合了对流化学方案，并一直在持续改进，到目前的CESM2.2.0中，实现了区域加密的MUSICA-V0，并增加了能直接配置运行MOZART-TS2 化学模块以及进行nudging等的compset（配置）。WACCM6与CAM6所有的物理参数化方案都相符，并且在中层和上层大气中增加了显著的新功能。为了从火山和非火山源气体中提供平流层气溶胶的代表，WACCM6延展了Modal Aerosol Module (MAM4)功能。CLM5.0版本主要改进了土壤和植被水文过程、积雪融雪动力过程、碳氮循环和耦合模拟以及植被模拟等主要动力过程，另外，模式引进了MOSART径流模型替换了 RTM，同时引进FATES生态演替模型以改进经典的动态植被模型(DGVM)。地下层数由CLM4.5中的15层增加到了CLM5中的25层，考虑了土壤厚度的空间变量。它从0.4到8.5m之间变化。此外，在海冰、陆冰等模块中都有较大的更新。新的CLM强迫资料为全球土壤湿度计划的第三阶段(GSPW3)开发。它也是仅限于陆面模拟的LS3MIP和LUMIP默认的资料。

第一部分：运行前的准备

CESM 运行的系统和软件环境■

CESM需要什么运行环境

ESM2.0运行环境的搭建

第二部分：Linux系统及编译基础

CESM 运行需要掌握的Linux及编译知识

Linux的基础知识及操作■Linux编译的基础及操作示例■基于Make 和CMake的编译体系

第三部分：CESM基础讲解

CESM 的基本结构 ■CESM的几大功能模块■ CESM2.0的基础知识

第四部分：CESM程序获取、结构及其功能获取

CESM程序代码，CESM文件夹结构及各自功能 ■获取最新或特定版本的 CESM 代码 ■讲解 CESM文件夹结构作用

第五部分：CESM 移植、安装及快速运行

CESM 运行环境的准备，编译、安装及运行

检查并完善CESM 运行所需环境及软件   

针对特定服务器环境的 CESM Machine File 修改 

创建一个简单的 case，并编译运行这个 case

第六部分：CESM 配置选项及数据文件制备

CESM 运行的配置文件详解，运行所需数据文件制备

■创建 CESM case时各选项及其意义

■运行配置文件namelist 的详解，常用选项选择及其意义

■运行 CESM 所需数据文件结构及数据文件制备方法及程序

■根据研究内容熟练创建 CESM case 并运行 CESM

第七部分：CESM单模块运行——以CLM为例

熟练掌握 CESM 单模块运行的 case 创建、文件准备及运行-以CLM为例

■创建CLM单点或区域模式的方法

■ 单点及区域运行所需文件的制备

■单点及区域模式的运行

第八部分：CESM 的部分耦合运行——CAM-chem + CLM

熟练掌握 CESM 部分模块耦合运行的 case 创建、文件准备及运行

■ 部分耦合的原则

■CAM+CLM 实例的创建及运行

■CAM的拓展——CAM-chem、WACCM

第九部分：CESM 的全耦合运行  

熟练掌握 CESM 全耦合运行的 case 创建、文件准备及运行 

■全耦合运行的注意事项

■全耦合实例的创建及运行

第十部分：CESM结果处理、分析及可视化-以CLM为例  

熟练掌握 CESM输出结果文件结构、变量意义、变量选择以及结果分析-以CLM为例

■ 创建单点或区域模式的方法

■单点及区域运行所需文件的制备

■ 单点及区域模式的运行

第十一部分：CESM 代码修改、发展及改进

了解 CESM代码的结构、主要模块的组成、Fortran程序的修改

■了解 CESM 主要的代码结构

■了解 CESM 几大模块的组成及相应的程序位置

■根据需要修改代码，编译运行

⑩双碳目标下基于全球模式比较计划CMIP6与区域气候-化学耦合模式WRF-Chem的未来大气污染变化模拟技术

国家碳达峰碳中和（双碳）目标对未来大气污染控制提出了新的要求，也为未来气候变化背景下，大气环境演变趋势和空间格局的模拟和预估提出了不确定性和挑战。第六次国际耦合模式比较计划（CMIP6）基于不同的共享社会经济路径（SSP）及最新的人为排放趋势，预估了不同社会共享路径和温室气体排放情景下的未来气候变化趋势，这些结果为模拟预估未来气候变化背景下大气污染的演变趋势提供了可能。对模式比较计划的全球气候预估数据进行动力降尺度，结合预估的未来气候变化，运用区域气候模式和气候-化学耦合模式，实现对未来大气污染时空演变趋势的预估模拟。

CMIP6数据及运行平台建设

1.CMIP模式比较计划介绍：背景、意义、情景讲解。

2.CMIP数据下载方法

3.数据格式讲解与实践（NETCDF）

4.数据转换工具讲解与实践（CDO/NCO）

5、虚拟机及相关软件库的安装

CMIP6数据驱动WRF和WRF-Chem模式

1、WRF数据格式讲

2.CMIP6情景数据用于提供WRF-Chem模式的气象驱动场代码解译

3.未来情景排放清单（SSP、DPEC）讲解

4.数据处理实践操作

.

WRF-Chem的未来情景模拟

1.基于CMIP6和未来情景排放清单，驱动WRF-Chem模式

2.初边界条件

3.模拟实验思路讲解：

1）气候变化和排放变化对未来大气污染的影响趋势

2）污染-气象相互作用

问题答疑

1.数据获取和处理

2.模式设置

3.其它问题

⑪大气颗粒物PMF源解析

目前，大气颗粒物污染成为我国亟待解决的环境问题。颗粒物污染不仅对气候和环境有重要影响， 而且对人体健康有严重损害，尤其在一些重污染天气，如灰霾和沙尘暴等。为了高效、精准地治理区 域大气颗粒物污染，首先需要了解颗粒物的来源。因此，颗粒物源解析成为目前解决大气颗粒物污染 的关键技术。

【目标】

1、了解大气颗粒物主要来源,熟悉大气污染源解析方法。

2、通过实际案例操作与案例分析掌握PMF源解析技术方法及在实际项目中的应用

3、掌握PMF源解析结果的优化及误差评估方法。

4、现场答疑，解答学员在实际工作中遇到的有关技术问题。

第一章PMF源解析技术简要及其输入文件准备

1、大气污染源解析方法有哪些？ 2、这些方法各自应用的条件以及它们的优缺点？ 3、大气颗粒物的基础知识及各组分的主要来源 大气颗粒物的来源：

大气颗粒物的组成：

4、PMF源解析技术简介

5、PMF源解析软件的下载及安装

6、PMF输入的颗粒物组分浓度的获得

7、PMF源解析输入文件的准备

第二章PMF源解析技术的原理，PMF软件的实操及应用举例

1、PMF源解析的基本原理

2、PMF源解析软件的基本运行

3、PMF源解析因子的选择

4、PMF源解析结果及意义

第三章PMF源解析结果的优化及误差评估

1、Fpeak模式运行

2、Fpeak模式运行结果

3、误差评估方法简介

4、误差评估方法结果

⑫MCM箱模型实践技术应用与03形成途径、生成潜势、敏感性分析

OBM 箱模型可用于模拟光化学污染的发生、演变过程，研究臭氧 的生成机制和进行敏感性分析，探讨前体物的排放对光化学污染的影响。箱模型通常由化学机理、物 理过程、初始条件、输入和输出模块构成，化学机理是其核心部分。    

MCM (Master Chemical Mechanism) 包含了约 6700 个有机物，大约 17000 个反应，可以详细描述大气气相有机物的化学过程，被广泛用 于大气科学研究领域

大气中O3形成知识基础、MCM和Atchem 2原理及Linux系统安装

大气中O3形成的原理知识讲解 

2、MCM原理及基本流程讲解

3、Atchem 2 讲解及下载安装

4、Linux系统安装

5、Atchem 2 运行需要的其他工具    A、Fortran；B、Python；C、make, cmake

 MCM建模、数据输入、模型运行及结果输出

MCM 箱模型建立

1. 化学机理         A   Facsimile 格式；B、RO2；C、MCM 的提取
2. 模型参数的设定
3. 环境变量         A、温度；B、大气压；C、相对湿度；D、水；E、太阳高度角；    F、边界层高度；G、气溶胶表面积；H、扩散速率；I、JFAC；J、Roof
4. 光解速率          A、常数光解速率；B、限制光解速率；C计算光解速率；D、JFAC计算
5. 各种config. 文件

2、MCM箱模型运行

3、MCM模型运行结果分析

案例：对MCM箱模型运行结果进行分析

O3形成途径、生成潜势及其敏感性分析

O3 形成途径

O3敏感性分析Ⅰ：相对增量反应性方法（RIR）

案例：通过RIR的计算，判断O3的主要来源

 O3敏感性分析Ⅱ：EKMA曲线绘制

1. O3 等值线数据的获得
2. EKMA曲线绘制

案例：通过EKMA曲线的绘制，判断O3的主要来源

4、O3生成潜势   案例：VOCS O3生成潜势的计算

⑬SMOKE模型排放清单处理技术及在多模式下实践应用方法与VOCs排放量核算

数值模式模拟是分析大气污染物时空分布和成分贡献的重要工具，利用模拟结果可以分析大气污染的来源、成因、污染程度、持续时间、主要成分、相对贡献等问题，有助于分析并合理控制污染源排放，为产业调整提供参考。当前，针对不同理论、用途和设计理念，国内外已经研发出了多种空气质量模式。这些模式被广泛应用于空气质量预报预警系统建立、大气污染防治、环境影响评价等工作中。

大气污染物排放是空气污染的源头，气象因素是影响污染程度的重要因素，因此空气质量模式要求气象资料和污染物排放清单作为输入，其中由于大气污染源复杂性、数据滞后性、动态变化、规律性不明显等特点，使得大气污染源排放清单输入准备工作成为其中的重点和难点。

【目标】

1、掌握大气污染源排放清单不确定性来源及定量分析方法； 
2、以VOCs排放为例，掌握排放源核算及组分清单建立方法;

3、掌握基于SMOKE模型的大气污染源排放清单处理技术方法；

4、掌握基于SMOKE的多模式排放清单输入制备方法；
5、通过案例分析实践掌握在CMAx、CMAQ、WRF-chem等模式中的应用方法；

6、通过实例运行掌握EDGAR/MEIC清单处理技术方法

熟悉linux基本概念、常用操作命令及shell编程（BASH、CSH等）；提前了解Fortran编程语言，全程服务器辅助上机练习；提前准备ArcMAP 10.x。

大气污染源排放清单不确定性来源及定量分析方法；

1．城市大气排放清单编制方法讲解；

2．排放清单不确定性分析技术方法；

3．排放清单不确定性及模式调试；

4．排放清单处理技术讲解及流程；

5．SMOKE/MEGAN模型讲解；

排放量核算（VOCs排放为例）和不确定性分析技术；

操作：

1．污染物排放量核算（溶剂使用源VOCs排放为例）；

2. 组分排放清单建立（VOCs组分清单为例）；

3. LINUX的基本命令操作；

4．排放系数不确定性分析操作；

5．排放清单不确定性分析操作；

SMOKE本地案例建立方法；

讲课：

1．基于SMOKE本地排放清单处理案例方法；

2．污染源分类及文件准备方法；

3．区域代码编制及文件准备方法；

4．大气污染源时间特征调查和时间谱文件准备方法；

5．基于模式大气化学机制的污染源成分谱及文件准备方法；

6.以网格排放清单作为输入的SMOKE输入准备

SMOKE/MEGAN安装及测试

操作：

1.SMOKE环境配置及注意事项；

2.SMOKE输出绘图工具安装

3.SMOKE模型安装编译

4.SMOKE测试案例运行；

5.MEGAN模型本地案例；

SMOKE输入文件准备练习

操作：

1.Spatial Allocator安装配置

2.面源空间分配系数建立

3.时间谱文件准备操作

SMOKE本地案例配置与调试操作

操作：

1. 点源及面源排放清单输入文件准备；

2．SMOKE本地案例配置与调试；

3、排放清单整合与CMAQ-ready排放清单输出；

CMAQ/CAMx案例运行

操作：

1. CAMx模式数据转换接口安装

2. 多模式的模拟区域设置说明

3. CMAQ案例运行

4. CAMx案例运行

WRF-Chem模式案例运行

操作：

1. WRH-Chem模式数据转换接口安装

2. WRF-Chem案例运行

3. 提问

基于SMOKE的全球排放清单（EDGAR）处理案例

操作：

1.案例配置说明

2.输入文件准备

3.SMOKE-EDGAR案例运行  

4、结果检查

基于SMOKE的全国排放清单（MEIC）处理案例

操作：

1.案例配置说明

2.输入文件准备

3.SMOKE-MEIC案例运行  

4、结果检查

⑭基于CAMX大气臭氧来源解析模拟与臭氧成因分析

CAMx模型是一个基于大气化学，针对臭氧、颗粒物和雾霾天气过程的大气污染物计算模型。该模型由安博（Ramboll）技术团队在美国国家环保局和许多州立环保部门的支持下不断开发和完善。美国国家环保局利用CAMx来评估国家减排计划带来的臭氧和PM浓度降低效果，很多州则使用CAMx来制定当地的减排计划。在过去的20年里，该模型也逐步应用于亚洲(包括中国)、欧洲、非洲、澳大利亚和美洲等多个国家和地区。

大气臭氧污染来源及成因分析技术讲解；CAMx模式初识及臭氧来源解析模拟本地案例配置说明

1．大气臭氧污染来源及成因分析技术讲解
2．CAMx模式初识
3. 臭氧来源解析模拟本地案例配置说明

4. 基于SMOKE模型的CAMx污染源输入文件制作

CAMx模式编译安装及空气质量模拟案例配置

1．Linux基本操作命令和依赖库安装

2．CAMx模式编译安装及测试案例运行

3．CAMx输入预处理工具编译

4．CAMx输入文件准备

5．空气质量模拟案例运行

CAMx扩展和探测工具用法

讲解各工具功能，依据在模式调试和案例分析中的用法。

1．CAMx扩展和探测工具（Probing Tools）

2. 臭氧/颗粒物来源解析工具（SA）

3．敏感性分析工具：DDM/HDDM

4. 过程分析工具（PA：IPR/IRR和CPA）

5. 反应示踪物（RTRAC）

大气臭氧污染来源解析案例实践与操作

臭氧/颗粒物来源解析工具（SA）

1．CAMx-SA工具编译 

2．CAMx-SA工具输入文件准备（1）area map

3．CAMx-SA工具输入文件准备（2）emission groups

4．CAMx-SA案例配置及运行

5．模拟结果后处理与结果解读

大气臭氧污染模拟敏感性分析工具和过程分析工具运行操作

操作：敏感性分析工具（DDM/HDDM）

1．CAMx-DDM工具编译 

2．CAMx-DDM工具输入文件准备

3．CAMx-DDM案例配置及运行

4．模拟结果后处理与结果解读

操作：敏感性分析工具（PA）

1．CAMx-PA工具编译 

2．CAMx-PA工具输入文件准备

3．CAMx-PA案例配置（IPR和CPA）及运行

4．模拟结果后处理与结果解读

大气臭氧污染成因分析技术操作

操作： 

1．CAMx模式输出格式及预处理方法

2．常用臭氧污染及成因分析统计方法

3．常用大气臭氧污染分析图表绘制（NCL）

⑮WRFDA资料同化实践技术

数值预报已经成为提升预报质量的重要手段，而模式初值质量是决定数值预报质量的重要环节。资料同化作为提高模式初值质量的有效方法，成为当前气象、海洋和大气环境和水文等诸多领域科研、业务预报中的关键科学方法。资料同化新方法的快速发展，气象常规资料、卫星遥感观测和大气环境等多种资料日益增加，为资料同化的有效应用奠定了坚实的科学基础，也导致许多新的复杂科学问题，增加了实际应用的难度。

专题一资料同化的基本理论与方法

1、资料同化的基本概念、发展

2、资料同化的主要科学问题

3、资料同化的理论基础与早期方法

4、各种资料同化方案及其特点

专题二、WRF DA的环境需求、系统安装、调试与运行

1、Linux基本命令的应用

2、Linux环境变量的设置

3、编译器的安装与设置

4、WRF DA的环境变量和动态库的配置等

5、WRF DA的安装、编译及运行等

6、GrADS、NCL绘图的编译使用

专题三、观测资料与质量控制

1、观测资料的基本要求

2、常规观测资料与非常规观测

3、卫星资料及其同化

4、新型观测系统

5、观测资料的质量控制及常用方法

WRF DA同化系统的配置、背景误差的构造

1、水平网格的设置

2、垂直层次的配置

3、物理方案、参数化方案的选取

4、观测要素的选取

5、背景误差协方差的作用和常用的构造方法，如新息向量法（以GRAPES模式为例）、NMC方法等（WRF DA的三维变分程序为例

6、背景误差的构造方法

7、中小尺度变分同化B的构造

8、混合同化中背景误差协方差的构造及其特点

9、混合同化中B的比例关系

WRF DA变分资料同化、WRF DA混合同化新方法

1、WRF DA变分同化的基本框架

2、观测算子的构造

3、动力平衡和物理约束的实现

4、伴随模式及其程序编写

5、解决新资料的同化应用方法

6、ETKF-WRF DA混合同化方案的特点

7、ETKF集合扰动方案的说明

8、扩展控制变量法及其设置

9、流依赖的背景误差协方差的构造

10、实例分析

变分同化的单点试验、混合同化的单点试验

1、质量场单点试验

2、风场单点试验

3、湿度场的单点试验

4、流依赖属性的试验分析（结合槽和台风）

5、分析增量的结构与物理约束关系

专题七同化分析增量的分析

1、不同观测资料对分析的影响

2、不同观测要素对分析的影响

3、有效观测资料的确定

4、分析增量的认识

专题八、WRF DA和ETKF-3DVAR混合同化系统的实际应用

1、结合实际的天气个例，重点掌握WRF DA和WRF ETKF-3DVAR混合同化系统的同化、预报的参数设置、新资料的同化方法和系统运行、结果分析，以及与其他模块的耦合等

2、暴雨天气过程的同化分析

3、台风天气过程的同化分析

⑯CMAQ空气质量模式实践技术

空气质量预报模式系统（WRF-CMAQ）和污染源处理技术是目前大范围灰霾天气预警及综合治理的重要手段，其在全国的推广应用将有利于提高实际的业务预报水平、增强防灾减灾能力、取得显著的社会经济效益。

CMAQ模式理论及化学机制
基本功能
关键技术解析

国际空气质量模式发展历程和常用模式；

CMAQ模式理论框架和化学机制；

CMAQ模式关键技术解析（包括过程分析、敏感性分析、源解析功能等）；

CMAQ模式如何安装？

CMAQ模式库文件安装、环境配置；

气象场处理模块MCIP安装和运行；

前处理模块ICON\BCON安装和运行；

污染源文件更新处理模块安装和运行；

主模块CCTM安装；

CMAQ模式需要的基础软件如何安装？

1.Intel Fortran 90编译器安装

2.mpich安装

3.netcdf安装

4.Ioapi安装

熟练掌握CMAQ模式安装过程

.CMAQ模式安装环境配置(.bashrc、bldit_ project.csh、config_ cmaq.csh);

2. MCIP环境配置和安装;

3. ICON/BCON环境配置和安装;

4. CCTM环境配置和安装;

5. 污染源文件更新模块emisproc安装;

Benchmark个例如何运行？

以CMAQ官网的Benchmark为例，详细讲解ICON、BCON、MCIP、CCTM各模块的操作流程和步骤

怎样看懂CMAQ模拟结果？

.CMAQ模式变量表（理论讲解）；

2.CMAQ模式结果提取及数据可视化（理论讲解）；

3.CMAQ模拟结果物理解释等（理论讲解）

CMAQ模式的科学原理是什么？

美国EPA编制的科学算法手册“Science Algorithms of CMAQ”主要内容；

CMAQ实际案例如何运行？

以某地区实际案例为例，详细介绍ICON、BCON、MCIP、CCTM、污染源更新处理模块等操作流程和步骤；

课题组自主发展了哪些CMAQ模式预报相关的改进技术？

基于CMAQ敏感性分析模块的污染源反演方法；

气溶胶激光雷达资料同化方法；

PM2.5、O3等污染物预报订正方法；

如何运行CMAQ模式的过程分析模块？

过程分析模块的参数设置；

过程分析模块的输入文件准备；

以实际案例进行CMAQ过程分析模拟；

模拟结果现实和物理解释；

课题组自主发展了哪些气象和污染源影响评估方法？

气象和污染源影响评估方法；

排放源减排效果评估方法；

如何运行CMAQ模式的敏感性分析模块？

敏感性分析模块的参数设置；

敏感性分析模块的输入文件准备；

以实际案例进行CMAQ敏感性分析模拟；

模拟结果现实和物理解释；

⑰NCL数据分析与处理

NCAR Command Language（NCL）是由美国大气研究中心（NCAR）推出的一款用于科学数据计算和可视化的免费软件。它有着非常强大的文件输入和输出功能，可读写netCDF-3、netCDF-4 classic、HDF4、binary、ASCII数据，支持对HDF-EOS2、HDF-EOS5、GRIB1、GRIB2和OGR数据（Shapefile, MapInfo, GMT, TIGER）的读入操作，基本实现了无缝对接各类气象数据和模式数据。在数据计算上，大气科学研究中几乎所有的常用计算方法都已被NCL集成至其内置的函数和程序中，比如经验正交函数分解（EOF）、奇异值分解（SVD）、功率谱分析，1维、2维、3维数据的插值，等等。此外，支持调用外部C和Fortran程序的功能使得NCL在计算中更加高效。NCL在数据的可视化方面具有世界一流水平，提供了丰富的图形接口，具有高度的可定制性。

NCL安装及简介

NCL基本语法详解（一）

1、NCL的安装和初步运行（如何在Win10、Windows、Linux和MacOSX系统安装NCL？有几种运行方式？不同运行方式的适用场景是什么？）

2、相关学习资料的介绍（如何更好的掌握和使用NCL？）

3、高亮显示及自动填充（如何让编写NCL代码变得更加有趣？）

4、基本语法（NCL脚本中的各种符号是什么意思？如何使用？）

5、实操演练

NCL基本语法详解

1、变量（为何NCL在数据运算时特别方便？Meta data有何作用？）

2、数组的操作（NCL对数组切片有何独到之处？如何从数组中挑选出特定的数值，并对之进行运算操作？初学者在何处易犯糊涂？）

3、数据的查错（如何根据报错信息找到出错原因？如何通过脚本调试进行查错？）

文件的输入输出详解

1、addfile函数的使用（NetCDF,grib等数据如何读取和输出？如何一次读入多个nc文件？如何输出为nc文件？）

2、二进制文件的读和写（顺序读写和直接读写如何实现？）

3、ASCII、CSV格式数据的读和写（文件头如何跳过？如何控制行列的输出格式？）

4、实操演练

数据处理及运算

1、常见计算函数的使用（如何进行插值？如何计算趋势？如何进行t检验？如何计算线性相关系数？如何计算回归系数？如何进行小波？如何进行EOF分析？）

2、常见地球科学函数的使用（如何计算散度、涡度、水平梯度？如何进行垂直积分？不同网格之间如何插值？WRF计算函数的使用注意事项。）

3、实操演练

绘制图形（一）

1、图形绘制基础（如何改变图形的默认色板、字体？复杂的绘图参数如何理解和记忆？）

2、XY折线图（多根折线如何用不同颜色、线型、粗细绘制？如何倒置Y轴？如何添加误差样条？如何堆叠折线？如何绘制两个Y轴？）

3、实操演练

绘制图形（二）

1、散点图、直方图、等值线图、箭头图、任意折线和任意图形、非规则网格、图形叠加、组图的绘制（柱状图和直方图有何区别？如何理顺等值线图中的众多要素？如何添加纬向平均图？如何绘制垂直剖面图？矢量箭头图为何绘制出现问题？图形叠加的顺序会影响出图效果吗？不同图形要素可叠加吗？如何整体排列多幅图形？）

2、实操演练

实用技巧

1、高效执行脚本；B-shell脚本的混合编程；插入Logo和中文；色板的控制；透明效果设置；文本函数码; 在不规则区域内绘图；中国区域内绘图；制作动画；为报告准备PPT；NCL转至Python

2、实操演练

综合训练与答疑讨论

1、几个综合例子的详解（多个台站降水量的逐年变化图；厄尔尼诺年的环流合成；北极涛动AO的计算和绘制；AO指数对气温的回归图等）

2、答疑与讨论（大家提前把问题整理好）

⑱WRF模式与Python融合技术在多领域中的应用及精美绘图

当今从事气象及其周边相关领域的人员，常会涉及气象数值模式及其数据处理，无论是作为业务预报的手段、还是作为科研工具，掌握气象数值模式与高效前后处理语言是一件非常重要的技能。WRF作为中尺度气象数值模式的佼佼者，模式功能齐全，是大部分人的第一选择。而掌握模式还只是第一步，将数值模式的结果进一步加工成我们业务或科研需要的产品，也是一项重要工作，以当前的趋势而言，python语言当仁不让的成为首选。

本次，理论与实践相结合，既有WRF模式理论讲解，从动力方程、参数化方案的介绍到模式应用场景，又有实操环节，从基础的Linux命令到WRF模式的安装和运行。另一大特点是将python语言与WRF模式运行结合，让模式运行自动化，提升科研和业务的工作效率。同时，掌握python在WRF前后处理的常用场景，包括数据处理、可视化绘图等。

掌握WRF模式+Python语言的结合应用，可在气象、海洋、地理、气候、水文和生态等地学领域的业务、科研和工程项目中得到实际有效的应用。

WRF基础与Linux基础

1 WRF基础与Linux基础

1. 1. WRF模式的理论知识与应用前景

WRF动力理论简介         WRF模式代码框架       WRF模式应用前景

1. 1. Linux知识与基本操作

Linux基本命令      设置定时任务       超算提交任务

    1.3 WRF模式安装

       基础库安装(GNU编译器、zlib、libpng、jasper、hdf5、netcdf4、mpich2)

       WRF/WPS安装

WRF模式运行

2 WRF模式运行

2.1 WRFDomainWizard 设置模拟区域

2.2 WPS(geogrid, ungrib, metgrid) 前处理     GFS/FNL/ERA5资料驱动、嵌套模拟

2.3 WRF(real.exe, wrf.exe) 积分运行

   参数化方案设置            常用参数的使用经验

2.4 Restart断点续跑

2.5如何得到更好的WRF模拟结果（WRF运行经验和注意事项）

Python基础

 python基础

3.1 python安装和基础语法

3.2 python常用的气象数据处理库

   numpy, datetime, pandas, scipy, netcdf-python

3.3 python气象绘图基础

1）折线图绘制    2）填色及等值线+地图     3）流场矢量+地图    4）地图绘制（cartopy）

WRF应用案例介绍

4 WRF案例

4.1西北太平洋台风模拟   4.2 强天气过程—冰雹个例模拟   4.3 WRF-solar模拟太阳辐射

python助力WRF自动化运行

5 python助力WRF自动化运行

5.1 python自动运行WRF历史个例

5.2搭建自动化的WRF业务化预报系统

1）python自动下载GFS实时预报资料

2）python自动运行WRF预报系统

3）python自动发送邮件提示WRF运行结果

WRF模式前后处理

6 WRF模式前后处理

6.1 WRF后处理简介

6.2 wrf-python库介绍

6.3 python绘制WRF模拟区域和地形

6.4 python提取站点预报要素并绘图

6.5 python绘制500hPa高空形式场

6.6 python绘制雷达反射率DBZ垂直剖面

6.7 python绘制700hPa水汽场

6.8 python绘制地面降雨场

⑲MPAS跨尺度、可变分辨率模式实践技术应用及典型案例

.跨尺度预测模式（The Model for Prediction Across Scales - MPAS）是由洛斯阿拉莫斯实验室和美国国家大气研究中心(NCAR)共同开发，其由3个部分组成，分别称为 MPAS-A（大气模型）、MPAS-O（海洋模型）和 MPAS-LI（陆冰模型）。MPAS构建之初的目的是构建一个新的地球系统模型，可用于全球或区域的天气及气候研究，本次培训主要关注大气模式MPAS-A。MPAS-A模式的大气动力内核求解的是完全可压的非静力学运动方程，其最显著的特点是非结构化的质心 Voronoi 网格。SCVT 网格为全球框架内的区域降尺度提供了机会（下图），因为它允许网格从更粗的分辨率平滑地转换到更高分辨率，而不是使用嵌套来转换网格的传统区域气候模型 RCM（如 WRF）。

MPAS-A模式正在不断的优化，由于其先进的模式结构和可变分辨率的网格特性，将是未来高分辨率模拟的主要趋势之一。

【目标】

1.掌握MPAS-A原理及陆面模式基本概念；

2.熟练进行 MPAS-A的移植、编译和运行方法；

3.掌握 MPAS-A 运行所需输入数据文件的特点、格式及制备；

4.掌握 MPAS-A 全球运行及区域运行的方法及其数据制备；

5.通过典型案例分析与实战模拟操作相结合提高运行及应用能力；

6.采用现场答疑的方式，解答学员在实际工作中遇到的有关技术问题。

MPAS 模式基本信息讲解

初识MPAS模式及其意义

MPAS 代码获取及结构

MPAS 的结构，MPAS 代码的结构

1. MPAS的几大功能模块
2. MPAS 代码的获取及其结构

MPAS 移植、编译及运行实践

MPAS运行环境的准备，编译、安装及运行

Linux 系统及程序的准备

编译器及库文件（hdf5、netcdf、pnetcdf）的准备

WPS（ungrib） 的编译和准备

MPAS 全球均匀网格的运行

MPAS的运行流程，及全球均匀网格的运行

MPAS 运行的步骤：数据准备、初始化、运行

全球均匀网格的运行：初、边界场文件的准备

MPAS 全球非均匀网格的运行

MPAS的运行流程，及全球非均匀网格的运行

MPAS 运行的步骤：数据准备、初始化、运行

全球非均匀网格的运行：高分辨率网格中心的旋转；初、边界场文件的准备

MPAS 区域网格的运行

MPAS 区域网格运行所需数据文件制备

区域网格的制作

边界场文件的制作

区域MPAS 的运行

MPAS 运行中的配置

MPAS 运行中的配置和选项

MPAS运行时的选项

MPAS 输出结果的定制

MPAS结果处理、分析及可视化

熟练掌握 MPAS 输出结果文件结构、变量意义、变量选择以及结果分析

MPAS结果文件的结构

MPAS结果文件变量

结果分析及绘图

MPAS代码修改、发展及改进

了解 MPAS代码的结构、主要模块的组成、Fortran程序的修改

了解 MPAS 主要的代码结构

了解 MPAS 几大模块的组成及相应的程序位置

根据需要修改代码，编译运行

⑳FLEXPART拉格朗日粒子扩散模式建模技术及研究大气污染物源-汇关系中的实践经验

当前，大气污染是我国重要的环境问题之一。为了高效、精准地治理区域大气污染，需要弄清污染物的来源。拉格朗日粒子扩散模式FLEXPART通过计算点、线、面或体积源释放的大量粒子的轨迹，来描述示踪物在大气中长距离、中尺度的传输、扩散、干湿沉降和辐射衰减等过程。该模式既可以通过时间的前向运算来模拟示踪物由源区向周围的扩散，也可以通过后向运算来确定对于固定站点有影响的潜在源区分布

拉格朗日粒子扩散模和FLEXPART模式讲解

1、拉格朗日粒子扩散模式介绍及应用特点

2、FLEXPART模式简介及下载安装

Linux系统及FLEXPART模式安装

1、Linux系统安装

2、Linux基本命令练习

3、FLEXPART依赖库安装

4、FLEXPART 模式编译

5、FLEXPART-WRF模式编译

FLEXPART模式输入及模式参数说明

1、气象场数据获取

2、FLEXPART-WRF模式参数说明

3、FLEXPART模式参数说明

4、FLEXPART模式结果后处理技术方法

FLEXPART模式运行练习

1、从零开始，建立FLEXPARF-WRF运行案例

2、从零开始，建立FLEXPARF运行案例

3、FLEXPART输出结果后处理工具工具安装

4、FLEXPART后处理工具使用练习

FLEXPART应用案例配置、运行及后处理（1）

1、输出区域调整案例（对比分析）

2、污染物扩散及浓度分析

FLEXPART应用案例配置、运行及后处理（2）

1、污染来源区域分析

2、气团轨迹分析

3、温室气体模拟案例

AERMOD模型在大气环境影响评价中的实践技术

大气污染问题既是局部、当地的，也是区域的，甚至是全球的。本地的污染物排放除了对当地造成严重影响外，同时还会在动力输送作用下，极大地影响下风向地区的大气环境状况。数值模式模拟是分析大气污染物时空分布和成分贡献的重要工具，利用模拟结果可以分析大气污染的来源、成因、污染程度、持续时间、主要成分、相对贡献等问题，有助于分析并合理控制污染源排放，为产业调整提供参考。当前，针对不同理论、用途和设计理念，国内外已经研发出了多种空气质量模式。这些模式被广泛应用于空气质量预报预警系统建立、大气污染防治、环境影响评价等工作中。

AERMOD模型是在美国EPA（AMS/EPA）在ISC3（Industrial Source Complex Model）基础上建立开发的高斯稳态扩散模型，是我国《环境影响评价技术导则 大气环境（HJ 2.2-2018）》技术导则推荐的大气污染物浓度预测模型之一。AERMOD模型被广泛用于大气污染预测、大气环境影响评价和大气污染防治工作中。

1、掌握AERMOD原理及模型结构；

2、掌握AERMOD模型安装及使用方法;

3、掌握AERMOD模型输入文件预处理数据技术方法；

4、掌握AERMOD模型输出后处理技术方法；

专题一：高斯稳态烟羽扩散模型和AERMOD模型原理解析

1．高斯稳态烟羽扩散模型；

2．AERMOD模型原理及经验分享；

3．AERMOD模型结构及配置方法；

专题二：AERMOD模型运行、数据准备及后处理

1．AERMOD模型环境搭建及调试；

2. 测试案例数据准备；

3. AERMOD 案例运行实践；

4．输出数据后处理操作；

专题三：基于《环境影响评价技术导则大气环境（HJ 2.2-2018）》的AERMOD配置方法

1．《环境影响评价技术导则大气环境（HJ 2.2-2018）》推模式讲解；

2．基于导则的AERMOD配置方案；

3．气象数据预处理技术方法；

4．地形数据预处理技术方法；

专题四：基于AERMOD模型的大气环境影响评价案例研究

.1．气象数据预处理；

2．地形数据预处理

3．污染物排放量计算

4．AERMOD模型运行；

5．案例后处理；

专题五：常见问题及答疑

1．AERMOD模型运行过程中常见问题汇总及解答

2．答疑

LEAP模型的能源环境发展、碳排放建模预测及不确定性分析

  采用部门分析法建立的LEAP（Long Range Energy Alternatives Planning System/ Low emission analysis platform，长期能源可替代规划模型）是一种自下而上的能源-环境核算工具，由斯德哥尔摩环境研究所和美国波士顿大学联合研发。该模型与情景分析法紧密结合，可用于预测不同发展条件下中长期能源供应、能源供应转换、能源终端需求及污染气体排放（温室气体CO2等），综合考虑人口、经济发展、交通运输周转量、技术、价格等因素对能源-环境发展的影响。

结合实例来全面掌握能源供应转换、能源需求及碳排放预测中的基础数据搜集及处理、能源平衡表核算、模型框架构建、模型操作、情景设计、结果分析、优化、预测结果不确定性分析等。

LEAP模型允许研究者根据研究目的、数据可获取度、研究对象特点等灵活构建模型结构，十分适用于能源数据不全面情况，现已广泛应用于国家、区域、部门、行业的能源战略研究中。掌握该模型不仅有助于高校及科研院所工作人员从事能源系统评价诊断、低碳节能发展技术研判等能源系统工程相关工作，也可为政府决策提供技术支持。特别是可应用于风光储、氢能一体化利用策略在全社会能源供应系统中的作用、电动汽车对终端能源需求及碳排放的影响等热点问题。

-掌握LEAP软件操作基础流程 -

掌握不同能源系统数据核算及能源现状评价 -

掌握应用多种数据处理方法以测算模型输入数据预测年内变化情况 -

掌握LEAP软件构建基本的能源需求及供应分析模型 -

掌握LEAP软件构建细化的能源需求情景分析模型

-掌握LEAP软件对情景进行成本效益分析、对非能源活动的温室气体排放进行分析 -

掌握LEAP软件构建交通部门减排模型 -

掌握LEAP软件预测结果不确定分析

模型理论及案例：

LEAP建模理论基础

1.1.1 能源系统工程基础理论及典型研究内容

1.1.2典型能源需求及碳排放预测方法和模型

1.1.3 LEAP模型计算原理

能源需求为活动水平和活动强度之积：

其中ED是总的能源需求量，AL是活动水平，EI是能源强度；i，j 和 k分别代表不同的部门、设备和燃料

温室气体排放量为活动水平和排放因子之积：

其中ET是总的温室气体排放量，AL是活动水平（能源消费量或者工业产出），EMI是排放因子；i，j 和 k分别代表不同的部门、设备和燃料

1.2 LEAP软件操作基础

1.2.1 LEAP软件安装与注册

1.2.2 LEAP软件设置、主要模块及基本操作

1.2.3 LEAP软件模型构建基本原理和数据结构

1.3 情景分析法

介绍情景分析法原理及其与LEAP模型的结合使用。

1.4 能源及碳排放数据获取方式

1.4.1 经济、人口、工业产品产量、交通运输周转量：统计年鉴;GDP的不变价、可比价换算；

1.4.2 能源：行业年鉴、统计年鉴能源篇、政府报告、电力消费、发展规划、标准规范等；能源平衡表读取分析、能源平衡流动图绘制；明确能源统计报表，了解我国能源统计制度；

1.4.3温室气体排放：历年温室气体排放清单、统计年鉴、技术标准、实验数据、文献报告等。

基于LEAP模型的能源需求预测模型构建

结合情景分析法的基本能源需求预测模型构建

2.1.1 需求模块主要功能和计算方法

2.1.2 案例描述及基本参数设置：标准单位（标吨煤、净现值）、基年、基期、参考情景等

2.1.3 需求侧模型构建

- 需求树形图绘制

- 基年账户数据录入：城镇居民及农村家庭能源消费数据（家庭数及各能源品种消费强度）

2.1.4 参考情景创建及结果分析

- 参考情景创建：预测年内人口结构及能源消费强度变化率

- 以图表方式查看结果

2.1.5 节能政策效果量化：高效照明及冰箱

- 创建节能情景，输入各节能措施下能源强度的预测年内变化率

- 查看结果并与参考情景结果比较

2.2 不同部门、情景下的细化需求侧模型构建

2.2.1 细化需求侧部门模型：工业、交通及商业建筑

2.2.2 工业

- 细化为能源密集型产业（钢铁和制浆造纸）和其他所有行业

- 基年账户数据录入：活动水平（产值或产量）、活动强度（过程热、电力、油气煤等化石能源消耗强度）

- 参考情景创建：使用Time Series Wizard设置各参数预测年变化情况

- 结果查看及分析

2.2.3 交通部门

- 细化为客运交通（小汽车、公共汽车及铁路）及货运交通（公路货运及铁路货运）

- 基年账户数据录入：活动水平（周转量、运输里程）、活动强度（单位里程耗油量、能源强度）

- 参考情景创建：周转量、轿车占比以及人均货运需求增长率、能源效率提高率

- 结果查看及分析

2.2.4 商业建筑

- 细化为多种燃料和技术下的采暖、制冷、供电等有效能源分析

- 基年账户数据录入：活动水平（建筑面积）、活动强度（终端能源消费等价热值、供热技术效率）、燃料消费比例等

- 参考情景创建：建筑面积、能源强度及供热技术效率变化率

- 结果查看及分析

2.2.5 总体能源需求分析

- 分部门、子部门、能源品种、年份、情景下能源需求预测

基于LEAP模型的能源供应预测模型构建

3.1 结合情景分析法的基本能源供应预测模型构建

3.1.1 能源供应转换模块主要功能及计算方法

3.1.2 基础供应侧模型构建及参数设置

-能源输入、转化模型框架图绘制

-基年账户数据录入：发电、输配电、天然气输配等模块设置

-电网供电稳定性、电力调度原则、电网负荷变化、不同发电技术特征等参数设置

3.1.3参考情景创建及结果分析

-参考情景创建：电厂建设、发电效率、能源运输效率等年度变化情况

-重点关注各发电形式间的调度原则

-查看各发电方式电力贡献率等结果

3.1.4 能源流动情况诊断

-基于能源流动图分析该案例能源供应及消费平衡情况

-研判参考情景下能源发展态势

3.1.5 能源供应侧节能措施效果量化

节能政策：输配电损失减少、电力系统负荷系数改进

不同能源品种、情景下的细化供应侧模型构建

3.2.1 细化能源转换模型：木炭生产、电力、炼油和煤炭开采

3.2.2 木炭生产

模拟单能源品种输入单能源品种产出的能源转换流程

-建立标准模块：木炭产量、不同技术转换效率（技术替代）

3.2.3 电力生产

模拟多能源品种输入单能源品种产出的能源转换流程

-调整发电系统容量以配合电量需求：水电、煤电、燃油发电

-新能源发电新增容量规划

3.2.4 炼油

模拟单能源品种输入多能源品种产出的能源转换流程

-炼油厂效率、产品种类及各产品产量

3.2.5 煤炭开采

模拟本地能源开采

-煤炭开采能力、煤矿厂效率

3.2.6 资源情况

模拟不同能源品种的本地生产、调入调出情况

-区分生产资源、进口资源

-区分化石燃料储备、可再生能源产量

3.2.7 逐年、逐情景能源系统图、能源平衡表分析比较

第四章基于LEAP模型的温室气体及其他空气污染物排放预测模型构建

4.1 结合情景分析法的基本排放预测模型构建

4.1.1 排放模块主要功能和计算方法

4.1.2 温室气体及其他空气污染物排放模型构建

-明确污染物类型和污染物来源：能源及非能源过程（工业过程、碳汇等）

-污染物排放因子录入及TED数据库使用及编辑

-基于能源供应及消费模块的构建，链接IPCC排放因子库或者自行添加排放因子，可采用多种方法定义排放因子

4.1.3 参考情景构建及结果分析

-查看参考情景下各大气污染物预测结果

4.1.4 节能政策情景构建

-查看节能政策对各大气污染物排放的影响

4.2 结合情景分析法的非能源来源排放预测模型构建

4.2.1 非能源来源排放类型

-工业流程和产品使用、农业林业其他土地使用、废弃物

4.2.2 案例整体描述及基础参数设置

4.2.3 模型构建及基年账户数据录入

-制冷空调行业排放HFC

-与EXCEL链接，直接输入排放因子逐年值

-粪便管理中产生的甲烷、一氧化二氮

-设定自定义变量，实现基于不同活动水平的排放因子

4.2.4 基础情景设置

-非能源来源排放活动水平及排放强度设置

-全球变暖潜力值等结果比较

4.2.5 沼气发电情景设置

-发电模块中设置沼气发电技术参数

非能源排放部门对应减排量设置

第五章基于LEAP模型的能源需求及碳排放预测实例示范

基于LEAP的典型能源输入型城市能源需求预测实例操作

5.1.1数据搜集及模型结构划分

-根据数据可获得性，基于经济和能源统计表将模型划分如下，综合考虑宏观经济社会发展、能源环境政策及能源技术水平的影响。

5.1.2 基年能流图绘制

5.1.3 情景设置

-结合平均增长率法、计量经济学模型（ARIMA模型等）、人口预测模型（Leslie模型）等方法，考虑不同政策设置多种情景：

-基础情景：能源需求在过去的基础上自然发展(BS)

-不同经济增速情景：高、低经济增长速度(HGDP、LGDP)

-不同产业结构情景：高、低第二产业占比(HIS、LIS)

-节能情景：技术进步及设备升级引起的能源强度降低(ES)

-综合情景：综合考察GDP增速、第二产业占比及能源强度变化(MBS、MSS)

5.1.4 结果对比

-定量分析GDP增速、产业结构及节能目标对该市能源需求的影响

-重点部门节能政策效果量化

-能源发展情况研判及政策建议

5.1.5 预测结果不确定性分析

-基于蒙特卡洛法，采用与EXCEL链接的水晶球软件，操作简单

-构建函数，确定估计变量和需求参数

-确定参数的概率分布，包括正态分布、对数正态分布等

分析指定情景、指定年份下的能源需求总量分布曲线及不确定性敏感性分析

5.2 基于GREAT模型的省市一级能源政策分析和排放评估示例

5.2.1 基于GREAT模型的能源需求模块构建

-生活用能：城市、农村；电力、天然气等；照明、家电用电

-商业用能

-交通用能

-工业用能：钢铁、水泥、铝工业、造纸业、玻璃工业等

-农业用能

5.2.2 基于GREAT模型的能源转换模块构建

-输配电

-热力生产和供应

-发电

-石油开采

-焦化

-天然气开采

-煤炭开采

5.2.3 控制变量设置

-生活电耗强度指数

-工业电耗强度指数

-农业燃料消耗强度指数等

5.2.4 基于GREAT模型的排放模块构建

-电力间接排放或直接排放计算等

5.2.5 情景设计及结果分析

5.3 LEAP用于碳达峰预测注意事项

5.3.1 省级温室气体排放编制指南解读

5.3.2 省级温室气体排放排放部门划分与能源消费统计的区别

5.3.3 排放因子和折标煤系数统一

5.3.4 碳排放强度、减排空间、非化石能源占比等指标设定

第六章LEAP模型成本效益分析专题

.1基于LEAP模型的成本效益分析简介

6.1.1 成本计算方法和分类

-预测年限内需求、转换、一次能源及输入能源、外部环境中所有成本

-能源需求的资本成本、运行和维护成本，能源节约的成本

-能源转换资本成本、固定成本、运行及维护成本

-本土资源的成本

-进、出口燃料的成本

-污染物排放的外部成本

-用户自定义成本等

6.1.2 成本计算系统边界和经济参数含义

-需求侧、部分能源系统和整体能源系统

-贴现率、燃料成本、设备投资成本、能源效率提升成本等经济参数

6.2 示例整体描述

6.2.1成本数据参数输入和模型设置

-技术渗透

-技术性能

-技术成本

6.2.3 政策情景创建

-高效照明

-节能冰箱

-压缩天然气公交车

-天然气和可再生能源

-工业效率提升

6.2.4 成本效益结果分析

-成本效益分析表

-不同情景下节能减排净现值

边际减排曲线

第七章 LEAP模型交通运输及碳排放专题

7.1 基于库存周转率法的交通部门建模

7.1.1 库存周转率法含义及使用

-销售量

-库存量

7.1.2 车辆性能随车龄分布曲线设定

-行驶里程数

-能源效率

-排放因子

7.2 示例整体描述

7.2.1 模型构建及基本设置

-模型架构设置

轿车、运动多功能车（SUV）数量（分为柴油车、汽油车、混合动力车及电动车）

7.2.2 基年账户车辆参数输入

-车辆年龄及库存销售量函数关系

-车辆耗油量及耗油量与车辆年龄关系

-车辆行驶里程数

7.2.3 基年账户排放因子录入

-二氧化碳、氮氧化物、一氧化碳及可吸入颗粒

-根据各车型输入其排放因子

7.2.4 参考情景设置（BAU）

-无新政策减少燃料使用及排放

-预测年内各参数变化率

7.2.5 政策情景设置

-燃油经济性提高（Improved fuel economy）

-混合动力电动汽车、电动汽车市场占有率提升(Hybrid)

-柴油轿车和柴油SUV车市场占有率提升（Diesel）

-新尾气排放标准（Tailpipe Emissions Standard）

-轿车推广力度高于SUV(Fewer SUVS)

-组合情景（Combined）

7.2.6 结果分析

第八章LEAP模型电力系统优化专题

8.1 LEAP优化模块基本原理

-优化方法的分类和简介

-NEMO和Julia平台的使用和介绍

8.2以发电成本最小化为目标的发电模块优化示例

-可用于新能源装机配置和电网调度研究

8.2.1多种发电技术特性数据

-成本

-装机容量

-系统负荷曲线

-规划储备余额

-效率

-各技术排放因子

8.2.2 导入小时负载数据建立载模型

-时间片段

-每小时的点子表格数据（EXCEL）

-年度变化

-系统能源负荷曲线

8.2.3 情景设置

-仅天然气发电

-仅核能发电

-仅水力发电

-仅风能发电

-仅光伏光热发电

-仅燃煤发电

8.2.4 单独发电模式情景结果查看

-社会成本

-规划装机容量

-温室气体排放量等外部价值

8.2.5 最小发电成本优化配置情景

-使用NEMO进行优化

-得到优化的发电技术组合和调度分配情况

-选择优化变量及优化情景

8.3 储能模块构建

-NEMO框架储能模块的使用

-优化储能模块大小及储放时间

8.4 约束条件下的最低发电成本优化模型

-建立排放约束

-建立最低可再生能源利用率约束

-寻找在约束条件下最低发电成本情景