Bioma-BGC é um modelo eficaz que utiliza dados de descrição do local, dados meteorológicos e parâmetros fisiológicos e ecológicos da vegetação para simular fluxos de carbono, água e nitrogênio em escala diária. A escala espacial de sua pesquisa pode ser estendida da escala pontual até a escala terrestre. ecossistemas.
No modelo Bioma-BGC, para acúmulo de biomassa de carbono, o modelo do mecanismo de reação enzimática fotossintética é utilizado para calcular a produtividade primária diária (GPP), e os produtos após subtrair a respiração de crescimento e a respiração de manutenção são alocados para folhas, galhos, caules e raízes . O carbono dos organismos vivos entra no reservatório de carbono do lixo na forma de lixo em uma certa proporção todos os dias; para o processo de transporte de água, o processo do ciclo da água simulado por este modelo inclui chuva, queda de neve, interceptação do dossel, precipitação penetrante, escoamento do tronco, e evaporação do dossel. , derretimento da neve, sublimação da neve, transpiração do dossel, evaporação do solo, evapotranspiração, escoamento superficial e mudanças na umidade do solo e uso de água pelas plantas; para processos do solo, o modelo considera o processo de decomposição da serapilheira em reservatórios de carbono orgânico do solo e o processo de mineralização da matéria orgânica do solo e a relação de transporte de água entre as camadas do solo com base no modelo barril; para o balanço energético, o modelo também considera processos como radiação líquida, fluxo de calor sensível e fluxo de calor latente.
Desta vez, ensinaremos como usar o conjunto de dados meteorológicos de superfície regional da China (CMFD) e dados meteorológicos em grade de dados climáticos CN05.1 para conduzir o Biome-BGC a realizar simulações regionais. Durante o processo de simulação, é necessário utilizar de forma abrangente algumas pequenas ferramentas como Linux e Python para completar o pré-processamento e pós-processamento do modelo.
| arranjo |
contente |
| primeira parte Explicação do modo |
Introdução ao Bioma-BGC
|
| a segunda parte Noções básicas do curso |
Aplicativo Linux lConseguir criação em lote de arquivos, exclusão de arquivos e pastas lExecução paralela de programas Aplicação da ferramenta CDO lUse a ferramenta cdo para mesclar arquivos netCDF l Filtre o tempo e as variáveis e corte-os em pequenas áreas Aplicativo Python l Instruções de loop Python, instruções lógicas, lCrie um array Numpy e execute cálculos estatísticos; l Use Matplotlib para criar gráficos de dispersão e gráficos de contorno; lUse Pandas de dados dispersos para criar dados e tempo de produção lUse o array X para ler arquivos netCDF e gravar arquivos netCDF; implementar trabalho de interpolação |
| a terceira parte processamento de dados |
Use dados cdo e xarray para preparar os dados necessários no Linux. 1Preparação de dados estáticos: lDados do terreno : GTOPO 30 S 1 km lDados de uso do solo : GLCC 1 km lDados do solo : FAO l Dados GPP: dados MODIS
2 Preparação de dados da unidade: lCN 05.1 Processamento de dados _ Processamento de dados CMFD 3 Dados ecológicos MODIS GPP |
| quarta parte Simulação de ponto único |
1Pré-processamento l Interpolação de dados de grade espacial (formato netCDF) para sites lConfigure o arquivo de execução Biome-BGC lPreparar dados meteorológicos usados para impulsionar o Bioma-BGC 2Execute o modelo BGC 3 Ajuste de parâmetros Usando o produto MODIS GPP como valor de observação, use a biblioteca Python para ajustar os parâmetros do modelo Biome-BGC em paralelo lAjuste o início e o fim da estação de crescimento
4 pós-processamento lLeia arquivos ascii e arquivos binários do Biome-BGC lCálculo estatístico do resultado Visualização de resultados |
| a quinta parte Simulação Regional-1 |
A simulação regional é realizada calculando cada ponto da grade na região separadamente. No caso desta secção, será realizada uma simulação de alta resolução numa província mais pequena e uma simulação de resolução grosseira será realizada na China. As seguintes etapas estão envolvidas no processo de simulação: Preparação de dados geográficos estáticos lPreparação de dados com base meteorológica lDistribuir dados lExecutar em paralelo Mesclar resultados de ponto único em dados espaciais |
| Parte VI Caso de simulação de séries temporais longas |
Dados reduzidos sobre mudanças climáticas futuras do CMIP6 usando ERA5 como dados observacionais reduzidos. l Reduza os dados meteorológicos para obter temperatura, umidade, precipitação e radiação descendente de ondas curtas. l Consulta de banco de dados de dados de solo e vegetação lPreparar dados meteorológicos e dados estáticos lDados de resultados de simulação pós -processamento
|
| Parte 7 analisar |
Com base em dados de simulação espacial e de ponto único, é realizada a seguinte análise: euAnálise de sensibilidade: Use o método de análise de sensibilidade ( biblioteca SAL ib) para analisar o impacto dos principais parâmetros de simulação no GPP l Análise de atribuição: Utilizar o método de análise de caminho ( biblioteca semopy ), combinado com elementos meteorológicos, para analisar o impacto no GPP e ET |
| Requer requisitos básicos de hardware |
CPU: 8 núcleos, 16 threads e superiores (a simulação espacial requer recursos computacionais) Memória: 16G e superior Disco rígido: disco rígido local do computador de 100 GB ou superior (armazenamento de máquina virtual + dados) Antes do curso, você será auxiliado na implantação e configuração da máquina virtual VirtualBox (ambiente de execução do Python) |
