weixin_49857990的博客

CASA(Carnegie-Ames-Stanford Approach)模型是估算陆地生态系统植被净初级生产力（NPP）的经典模型。

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。

DNDC模型目前国际上最为成功的模拟生物地球化学循环的模型之一，自开发以来，经过不断完善和改进，从模拟简单的农田生态系统发展成为可以模拟几乎所有陆地生态系统的动态模拟模型。

WRF模式可以实现对气溶胶及化学过程（WRF-CHEM）、资料同化（WRF-DA）、水文过程（WRF-HYDRO）、城市化（URBAN）等过程的精细模拟

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。

WRF模式不断扩展模式模块，现在已经可以实现对气溶胶及化学过程（WRF-CHEM）、资料同化（WRF-DA）、水文过程（WRF-HYDRO）、城市化（URBAN）等过程的精细模拟，其应用范围及实际业务及科研应用也越来越多。

DNDC（Denitrification-Decomposition，反硝化-分解模型）是目前国际上最为成功的模拟生物地球化学循环的模型之一，自开发以来，经过不断完善和改进，从模拟简单的农田生态系统发展成为可以模拟几乎所有陆地生态系统的动态模拟模型。

1.理解DNDC原理并能够应用DNDC模型进行碳排放模拟；2.熟练应用ArcGIS、ENVI等软件进行DNDC数据制备；3.掌握土地利用变化及未来气候变化下的DNDC模拟流程；4.结合实例，熟练应用DNDC进行温室气体时空动态模拟；5.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；

在“应用长期观测数据评价土壤有机质模型”国际高级学术讨论会上，DNDC被评为土壤碳库评估较好模型之一

了解陆表过程的主要研究内容以及陆面模型在生态水文研究中的地位和作用；熟悉模型的发展历程，常见模型及各自特点；理解Noah-MP模型的原理，掌握Noah-MP模型所需的系统环境与编译环境的搭建方法，熟悉linux系统操作环境；掌握单站和区域的模拟、模拟结果的输出和后续分析及可视化等方法

使用ContextCapture Center，可以快速创建精细的三维真实感模型，而不需要昂贵的特殊设备。在项目的整个生命周期中，这些模型还可以用于为设计、施工和运营决策提供准确的现实环境背景。

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。

本文从数据、方法、实践三方面对生态系统服务多情景预测进行讲解。内容涵盖多源数据的获取、选择与统一；ArcGIS空间数据处理、空间分析与制图；PLUS模型和InVEST模型的原理，参量提取与模型运行及结果分析；土地利用时空变化以及对生态系统服务的影响分析。

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。

WRF模式已经可以实现对气溶胶及化学过程（WRF-CHEM）、资料同化（WRF-DA）、水文过程（WRF-HYDRO）、城市化（URBAN）等过程的精细模拟，其应用范围及实际业务及科研应用也越来越多。

太阳辐射预报模式系统（WRF-SOLAR）是目前国际上最先进的针对太阳能资源评估和预报开发的中尺度专业气象模式。

退耕还林、气象站点分布、CMIP6数据处理、未来土地利用变化、土地利用遥感解译、DEM数据重采样、坡度划分、子流域划分、水文响应单元（HRU）

WRF模式、FLEXPART拉格朗日粒子扩散、Calpuff大气污染扩散、WRFDA资料同化、PMF源解析、MCM箱模型、EKMA曲线、WRF-Chem、CMAQ空气质量、SMOKE排放清单、WRF-Hydro、WRF-UCM、python-WRF融合技术、camx空气质量、CMIP6数据处理、人工智能气象等...

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。

退耕还林、气象站点分布、CMIP6数据处理、未来土地利用变化、土地利用遥感解译、DEM数据重采样、坡度划分、子流域划分、水文响应单元（HRU）

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。

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。

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。

ArcGIS、ENVI、InVEST、FRAGSTATS等多技术融合提升环境、生态、水文、土地、土壤、农业、大气等领域的数据分析

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。

CALMET模式中有1km的全球高程数据和土地利用数据，但土地数据为1992年制作的数据，制作时间比较老，可能不适合中国地区，同时在中国地区有大量的土地利用分类错误。为了能够更好的刻画地表真实的地貌特征，可以使用本地化的数据，如清华大学LUCC 30m数据替换CALMAET模式的原有模式的粗分辨率静态数据。基于上述优化，可以实现CALMET模式在任意地区进行模拟。

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。

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、

模型主要包括：地形、气象数据预处理模块，Calmet模块，Calpuff模块以及Calpost模块。目前，该模型已广泛应用于大气环境质量影响评价和科学研究中。

WRF在大气污染、水文、气象、未来气候变化、农业、等领域中的应用

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。

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。

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。

掌握CAMx模式的区域空气质量模拟案例配置技术方法；掌握SMOKE模型的CAMx模式大气排放清单输入准备方法；掌握CAMx模式污染来源解析工具（SA）案例配置技术方法；掌握CAMx-DDM敏感性分析方法；掌握CAMx-PA工具过程分析及运行方法；掌握python在CMAX模式后处理中的应用方法。

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。

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。

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。

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；

随着污染物在各种环境中的迁移和转化，多介质污染物模型日益受到关注。在各类多介质模型中，基于逸度概念的逸度模型由于运用范围广，建模数据要求较低而广受欢迎。

降水在水循环中发挥着重要作用，塑造了生态景观和生态系统。目前，有四种主要方式获取降水数据：1）雨量计观测，2）地基雷达遥感，3）卫星遥感，4）模式模拟。基于雨量计观测的降水，通常被认为是最准确和可靠的。