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。

Biome-BGC模型能模拟叶面积指数嘛？？

答：可以

Biome-BGC模型能否和水文模型结合呢？？

答：Biome-BGC模型已经在clm中做了耦合

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。

模式讲解

Biome-BGC介绍

课程基础

Linux应用

l 实现批量创建文件、删除文件及文件夹

l 并行化执行程序

CDO工具应用

l 使用cdo工具对netCDF文件进行合并

l 筛选时间和变量，裁剪为小区域

Python应用

l Python的循环语句，逻辑语句，

l 创建Numpy数组，并统计计算；

l 使用Matplotlib制作散点图、等值线图；

l 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

在linux 上综合使用cdo和xarray数据制备所需数据。

数据处理

1静态数据制备：

l 地形数据：GTOPO30S 1km

l 土地利用数据：GLCC 1km

l 土壤数据：FAO

l GPP数据：MODIS数据

驱动数据制备：

l CN05.1数据处理

l CMFD数据处理

3生态数据

MODIS GPP

单点的模拟

1前处理

l 从空间格点数据（netCDF格式）插值到站点

l 配置Biome-BGC运行文件

l 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

l 调整生长季开始和结束

4后处理

l 读取Biome-BGC的ascii文件和二进制文件

l 结果统计计算

结果可视化

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：

l 静态地理数据准备

l 气象驱动数据制备

l 分配数据

l 并行运行

合并单点结果为空间数据

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。

l 对气象数据降尺度，获得气温、湿度、降水和向下短波辐射。

l 土壤数据、植被数据库查询

l 准备气象数据和静态数据

l 后处理模拟结果数据

分析

在单点和空间模拟数据的基础上，进行以下分析：

l 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

l 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----------评论区联系小编

开始前，将协助部署配置VirtualBox虚拟机（Python的运行环境）