#首先deepseek 进行一个数据选择和关键操作的梳理。
一、选择气候变量
变量名 | 物理意义 | 用途 |
---|---|---|
pr | 日降水总量(mm/day) | 确定萌发窗口期、生长期水分供应 |
tas | 日均温(K) | 计算有效积温 |
mrsos | 日土壤湿度(cm3/cm3)top 10 | 土壤湿度计算 |
土壤湿度(土壤含水率):土壤质量湿度,土壤含水量站干土重的百分比。(soil moisture data cm3/cm3 土壤水分,体积含水率)
文献综述一下大家用了什么数据进行预测:青藏高原(AWI-ESM-1-1-LR、NorESM2-MM、CanESM5、TaiESM1,而EC-Earth3、EC-Earth3-Veg和GFDL-CM4在两个维度上表现突出;综合考虑4个维度,AWI-ESM-1-1-LR等10个模式在高原适用性较好。)
干旱区的文献选择的模型如下:
(Twenty-First Century Drought Projections in the CMIP6 Forcing Scenarios)
Dryland climate change: Recent progress and challenges(选择的数据集)
继续更新研究论文:
研究气象干旱选择14个模式:
最终选择多个模型:
模型 | 机构 | Ensemble | members | ECS | 经纬度网格 | 是否有日数据 | 对气象干旱敏感 | ||
SSP1-2.6 | SSP2-4.5 | SSP3-7.0 | SSP5-8.5 | ||||||
BCC-CSM2-MR | 气象中心 | 1 | 1 | 1 | 1 | 3.1 | 160*320 | 日 | |
CanESM5 | 加拿大 | 9 | 9 | 9 | 9 | 5.6 | 64*128 | 日 | 是 |
CESM2-WACCM | 美国 | 1 | 1 | 1 | 1 | 4.7 | 192*288 | 部分(pr tas) | |
MIROC6 | 日本 | 3 | 3 | 3 | 3 | 2.6 | 128*256 | 日 | 是 |
MRIESM2.0 | 日本 | 1 | 1 | 1 | 1 | 3.2 | 160*320 | 日(pr ,tas ,psl-海平面气压) | 是 |
NESM3 | 中国南信大 | (pr tas) |
然后再去核查这几个模式是否有日数据:(deepseek)
-
访问ESGF平台(如ESGF MetaGrid),搜索对应模式和变量,筛选时间频率为
day
。 -
使用工具:如
intake-esm
(Python库)或cmip6-ksearch
快速查询。 -
查看模式文档:部分模式在CMIP6官方文档中会明确标注输出频率。