CMIP6数据处理方法与典型案例分析

气候变化关系到农业、生态系统、社会经济和人类生存与发展，是当今世界关注的重点问题之一。IPCC（Intergovernmental  Panel  on  Climate  Change）第6次评估报告指出，自 20 世纪 50 年代以来，从全球平均气温和海温升高、大范围积雪和冰川融化，以及全球海平面的上升可知，气候变暖已是不争的事实。

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。

一、CMIP6中的模式比较计划
1.1 GCM介绍
1.2 相关比较计划介绍

二、数据下载
2.1方法一：手动人工 利用官方网站

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 利用官方网站

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

三、基础知识

3.1 Python基础
Numpy基础
Scipy基础
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

3.3 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

四、单点降尺度

4.1 Delta方法

4.2统计订正

4.3机器学习方法
建立特征
建立模型
模型评估

4.4多算法集成方法

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 

六、基于WRF模式的动力降尺度

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

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

八、典型应用案例-气候变化2

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

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

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。