weixin_60784949的博客

标量输运，风浪、粒子漂移和溢油事故都是水动力模型中常见的模拟类型，虽然它们都是基于水动力的模拟结果之上，但是又与水动力模拟有着不同的理论和参数，这些因素使标量输运，波浪，拉格朗日和溢油的模拟更为困难。1.溢油模型与拉格朗日粒子模型的区别。5.水动力模型的边界条件设置。2.拉格朗日粒子法的适用情况。1.水动力与标量输运理论。2.应用QGIS处理边界。1.拉格朗日粒子模型理论。3.拉格朗日粒子法的参数。3.正交曲线网格的划分。3.波浪模型的参数选择。4.地形等要素的插值。2.溢油模型参数选择。

对国内外遥感技术的多平台、多传感器应用现状，以及涉及的核心技术具有很深的理解，精通ENVI、R语言、Mathlab和Unscrambler等分析工具，具有丰富的科研及水体叶绿素、悬浮物、泥沙和黄色物质的提取经验。7、掌握水环境遥感信息提取结果的可视化制图方法（R语言）4、掌握水深提取——多元回归分析方法（R语言+遥感）6、掌握水质提取——神经网络分析方法（R语言+遥感）5、掌握水温提取——支持向量机方法（R语言+遥感）3、掌握水线提取——水体指数与阈值混合法（遥感）2、掌握水环境遥感数据预处理方法。

随着计算机技术的高速发展、空气污染监测手段的提高和人们对大气物理化学过程认识的深入，开发并利用先进的大气化学模式进行我国空气质量的预测预报、对于减少大气污染灾害、提高人民生活质量都具有积极的意义。空气质量预报模式系统（WRF-CMAQ）和污染源处理技术是目前大范围灰霾天气预警及综合治理的重要手段，其在全国的推广应用将有利于提高实际的业务预报水平、增强防灾减灾能力、取得显著的社会经济效益。以CMAQ官网的Benchmark为例，详细讲解ICON、BCON、MCIP、CCTM各模块的操作流程和步骤。

大气污染是工农业生产、生活、交通、城市化等方面人为活动的综合结果，同时气象因素是控制大气污染的关键自然因素。大气污染问题既是局部、当地的，也是区域的，甚至是全球的。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。在过去的20年里，该模型也逐步应用于亚洲(包括中国)、欧洲、非洲、澳大利亚和美洲等多个国家和地区。4. 过程分析工具（PA：IPR/IRR和CPA）

课程旨在提升课程参与者在数据分析、趋势预测和资源评估等方面的能力，激发创新思维，并通过实践操作深化对AI在气象数据分析中应用的理解。4.2模型堆叠：使用mlxtend库或自定义方法实现模型堆叠，结合不同模型的预测结果作为新的特征，训练一个新的模型。2.4时间序列分割：对于时间序列数据，使用时间顺序分割数据，确保训练集中的数据点时间上早于测试集中的数据点。1.2数据探索：通过统计摘要、可视化方法（如直方图、箱线图）来理解数据的分布、异常值情况和变量之间的关系。

为了高效、精准地治理区域大气臭氧污染，需要了解臭氧生成的主要途径及其前体物。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。旨在帮助学员掌握大气臭氧生成的基础知识、MCM箱模型的建立以及对O3生成的控制前体物进行判断的技术。案例：通过EKMA曲线的绘制，判断O3的主要来源。案例：通过RIR的计算，判断O3的主要来源。1、大气中O3形成的原理知识讲解。

目前，大气臭氧污染成为我国“十四五”期间亟待解决的环境问题。臭氧污染不仅对气候有重要影响，而且对人体健康、植物生长均有严重损害。为了高效、精准地治理区域大气臭氧污染，首先需要了解导致臭氧生成的主要前体物。因此，EKMA曲线成为弄清大气臭氧生成主要控制前体物的关键技术。帮助广大科研人员更加系统地学习大气臭氧生成和EKMA曲线的基础理论知识及相应技术，帮助学员掌握大气臭氧生成的基础知识和通过EKMA曲线对其生成的控制前体物进行判断的技术。

气候是多个领域（生态、水资源、风资源及碳中和等问题）的主要驱动因素，合理认知气候变化有利于解释生态环境变化机理及过程，而了解现在、未来气候变化则是进行生态、环境及能源评估、碳政策规划的先决条件，而气候模拟是获取高精度气候信息的最主要手段，现代生态、水文、新能源及碳中和领域需要亚公里及更高分辨率的气象模拟，WRF模式是国内外应用最为广泛的气象模式，使用该模式进行高精度甚至几百米的模拟应用也越来越多。一、WRF模式能干什么？（气温、降水、风、压、能量、水分、植被模拟和预报）一、如何安装WRF模式所需要的平台？

而掌握模式还只是第一步，将数值模式的结果进一步加工成我们业务或科研需要的产品，也是一项重要工作，以当前的趋势而言，python语言当仁不让的成为首选。对大部分人而言，特别是新用户，WRF模式的安装繁琐且不必要，可以作为后续进阶掌握的技能，本此课程跳过繁琐的安装步骤，直接聚焦模式的运行部分，通过短平快的教学，快速掌握模式运行。掌握WRF模式+Python语言的结合应用，可在气象、海洋、地理、气候、水文和生态等地学领域的业务、科研和工程项目中得到实际有效的应用。6.3 python绘制WRF模拟区域和地形。

大气污染问题既是局部、当地的，也是区域的，甚至是全球的。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。1.WRF-Chem模式在大气环境（PM2.5、臭氧、能见度）、生态（污染物/元素成分的干湿沉降）等领域的应用个例介绍。4.WRF-Chem模式物理过程、排放（人为、生物、燃烧、自然等）处理过程、排放源数据的介绍。排放源数据准备（人为、生物等）

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、业务预报中的关键科学方法。应广大气象和大气环境等领域工作者的要求，本课程以WRF DA变分资料同化系统为核心，针对实际应用中的重点和难点问题，开展资料同化理论和方法的讲解，并结合实际天气个例，致力于培养和提高培训人员的理论水平和实际应用能力。1、结合实际的天气个例，重点掌握WRF DA和WRF ETKF-3DVAR混合同化系统的同化、预报的参数设置、新资料的同化方法和系统运行、结果分析，以及与其他模块的耦合等。

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。帮助广大科研人员更加系统地学习大气颗粒物源解析的基础理论知识及相应技术，掌握大气颗粒物理化性质等基础知识和通过PMF方法对其来源解析的技术。采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出地讲解大气颗粒物PMF源解析技术的基础知识及其在应用中需要掌握的经验和技巧。3.大气颗粒物的基础知识及各组分的主要来源。2.PMF源解析软件的基本运行。

为了弄清大气污染物排放后对周围环境的影响，需要了解污染物的扩散规律。Calpuff模型是一种三维非稳态拉格朗日扩散模型，可有效地处理非稳态（如，熏烟、环流、地形和海岸等）下污染物的长距离输送，对污染物浓度进行模拟预测，从而更好地判断受体点污染物的来源。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。帮助广大环境保护专业人员、科研人员系统地学习Calpuff模型的应用技术，掌握Calpuff建模、数据后处理以及模型在环境影响评价中的应用技术。

大气污染问题既是局部、当地的，也是区域的，甚至是全球的。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。大气污染物排放是空气污染的源头，气象因素是影响污染程度的重要因素，因此空气质量模式要求气象资料和污染物排放清单作为输入，其中由于大气污染源复杂性、数据滞后性、动态变化、规律性不明显等特点，使得大气污染源排放清单输入准备工作成为其中的重点和难点。

随着计算机技术的高速发展、空气污染监测手段的提高和人们对大气物理化学过程认识的深入，开发并利用先进的大气化学模式进行我国空气质量的预测预报、对于减少大气污染灾害、提高人民生活质量都具有积极的意义。空气质量预报模式系统（WRF-CMAQ）和污染源处理技术是目前大范围灰霾天气预警及综合治理的重要手段，其在全国的推广应用将有利于提高实际的业务预报水平、增强防灾减灾能力、取得显著的社会经济效益。2.介绍将低分辨率（如MEIC，MICS-Asia清单）处理成高分辨率排放清单的技术方法。

该模型采用FORTRAN90开发，‌具有良好的扩展性和支持大规模并行计算的与传统水文模型相比，WRF-Hydro模型具有以下显著优势：（1）更高的空间分辨率：能够更精细地刻画地形、土地利用等地理要素的变化，从而更准确地模拟水文过程在小尺度上的变化。4、工具2：WRF-Hydro GIS工具，主要讲解如何使用工具，生成运行WRF-Hydro模型的Domain文件，包括流域、地形、河网、湖泊等。5、工具3：气象驱动工具，主要讲解如何使用NCL工具，将主要的气象资料，包括预报、模拟等资料转换为模型的驱动文件等。

作为一种基于有限体积法的数值模型，以其精确的计算方法和强大的适应性，广泛应用于水环境、潮流、温盐、波浪、泥沙等多种过程的模拟。FVCOM在水环境领域的应用也十分广泛，涵盖了污染物迁移模拟、水质数值模拟、海洋生态系统模拟、水交换过程模拟以及极端天气对水环境的影响等众多方面。分为十四章，系统讲解FVCOM的基础理论、运行环境部署、三维水动力、温盐模拟、波浪模拟、泥沙模拟、示踪粒子模拟、染色剂交换模拟及水质数值模拟的全过程。6、实操练习：某海域FVCOM三维水质数值模拟结果可视化及初步率定。

此外，结合笔者多年使用经验，就TOUGH软件的建模技巧进行讨论，方便学员们解决诸如：复杂模型边界条件和初始化问题，复杂随机场的构建问题，复杂网格的可视化问题，多场耦合等问题。随着各项功能不断开发和完善，TOUGH表现出了强大的生命力。和传统地下水模拟软件Feflow和Modflow不同，TOUGH系列软件采用模块化设计和有限积分差网格剖分方法，通过配合不同状态方程（EOS模块），软件可以处理各种复杂地质条件下，诸如地热能开发，非饱和带水气运移、油气运移，深部碳存储，天然气水合物开发以及多种环境修复等问题。

洪水淹没危险性（各种年遇型洪水淹没）是洪水损失评估、风险评估及洪水应急和管理规划等工作的重要基础。本课程将瞄准我国山洪降水径流模拟和洪水淹没危险性评价现状，针对我国资料水文稀缺地区，介绍并提出洪水资料增补方法，介绍区域洪水频率分析方法，应用ArcGIS与Hec-RAS软件，并结合实例系统讲解资料稀缺地区的山洪径流过程及洪水危险性评价工作方法。通过本培训的学习，可掌握基于ArcGIS的数字流域分析、山洪降水径流建模、Hec-RAS建模及洪水危险性评价技能，并具备将其应用于解决实际问题的能力。

GIS技术具有强大的信息管理及空间分析功能，利用建立数据库可以有效地存储和管理地质灾害的信息，具备髙效性、准确性，已广泛应用于地质灾害调查、危险性评价、危险性区划、监测和预警预报、应急指挥中。地质灾害种类较多，泥石流、山体滑坡等是一类主要与降雨、生态、地形等有关的地质灾害，涉及因素多，分布广泛，容易链状成灾，结合RS和GIS技术，不但可以全面了解泥石流及滑坡灾害影响区域的地质、地貌、土地利用、人口、经济等情况，还可以进行泥石流、滑坡灾害的预警和风险评估。4.5 公里网制作及其它制图技巧。

荷兰Delft研究所开发的Delft3D模型是世界上最先进的水动力－富营养化模型之一，能够运用于河网、浅水湖泊、深水水库以及近岸海洋等多种水体的水动力和水环境问题的研究中；同时，Delft3D具备从网格构建、水动力计算、波浪模块、富营养化、沉积物污染、拉格朗日粒子以及后处理展示等完整的水环境模型构建方案，更为难得的是Delft3D的各模块已经开源，使用者不需要花费任何财力即可使用。有鉴于此，本单位邀请长期使用Delft3D富营养化模型的资深专家，讲解Delft3D水动力－富营养化模型的应用。

2.熟悉Delft3D网格生成模块RGFGRID，地形插值模块QUICKIN，水流和污染物对流扩散模块FLOW(内含对流扩散模块)、溢油模块PART，后处理模块GPP和QUICKPLOT，掌握DELFT3D在模拟地表水/海洋水体流动、污染物对流扩散、质点运移和溢油漂移模块的应用过程；通过强化地表水/海洋数值模拟技术的学习，学员能够更好地应对环境评价中的技术挑战，提升专业水平。1.掌握Delft3D的建模流程，包括基础数据的准备、计算网格的制作、模型的调试与率定、计算结果的处理等，熟悉软件的基本操作；

该模型采用FORTRAN90开发，‌具有良好的扩展性和支持大规模并行计算的与传统水文模型相比，WRF-Hydro模型具有以下显著优势：（1）更高的空间分辨率：能够更精细地刻画地形、土地利用等地理要素的变化，从而更准确地模拟水文过程在小尺度上的变化。4、工具2：WRF-Hydro GIS工具，主要讲解如何使用工具，生成运行WRF-Hydro模型的Domain文件，包括流域、地形、河网、湖泊等。5、工具3：气象驱动工具，主要讲解如何使用NCL工具，将主要的气象资料，包括预报、模拟等资料转换为模型的驱动文件等。

R语言是一种开源的统计计算和图形展示编程语言，专为数据分析、统计建模和数据可视化而设计，具有丰富的统计函数库、强大的绘图能力以及活跃的社区支持，广泛应用于学术研究、商业分析和数据科学领域。本教程专注于R语言在气象水文领域的应用，贯穿从数据获取到分析制图的全流程。我们将从多个角度深入讲解R语言在气象水文数据分析及图形绘制中的使用技巧，并通过大量实例展示典型R语言包的具体应用。通过本教程，学习者将深入了解R语言在数据分析和人工智能中的具体应用，为今后的科研工作、学习和进一步研究打下坚实的基础。

大气污染问题既是局部、当地的，也是区域的，甚至是全球的。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。1.WRF-Chem模式在大气环境（PM2.5、臭氧、能见度）、生态（污染物/元素成分的干湿沉降）等领域的应用个例介绍。4.WRF-Chem模式物理过程、排放（人为、生物、燃烧、自然等）处理过程、排放源数据的介绍。排放源数据准备（人为、生物等）

资料同化新方法的快速发展，气象常规资料、卫星遥感观测和大气环境等多种资料日益增加，为资料同化的有效应用奠定了坚实的科学基础，也导致许多新的复杂科学问题，增加了实际应用的难度。为有效提升广大科研、业务人员的资料同化理论基础和应用能力以及研究水平，提高我国气象、海洋和大气环境等领域的数值预报业务的质量和实际预报水平。1、结合实际的天气个例，重点掌握WRF DA和WRF ETKF-3DVAR混合同化系统的同化、预报的参数设置、新资料的同化方法和系统运行、结果分析，以及与其他模块的耦合等。

FVCOM在近岸水环境模拟方面具有一定优势，如采用非结构化三角形网格易于拟合岸线和局部加密，垂向σ坐标系易于拟合底边界地形，干湿判别法处理潮滩动边界，内外模分裂以节省计算时间等。本课程包括海洋数值模式基础理论讲解，Linux操作系统下FVCOM运行环境搭建，应用FVCOM进行流域、海洋水动力、温盐、水质的数值模拟，水动力、温盐、水质的数值模拟结果的率定、相关前沿问题的介绍等。本课程具有较强的应用价值，通过本课程使学员具备独立模拟流域、海洋水动力、水环境的能力，为更好地解决科研、工作中的实际问题提供基础。

当今从事气象及其周边相关领域的人员，常会涉及气象数值模式及其数据处理，无论是作为业务预报的手段、还是作为科研工具，掌握气象数值模式与高效前后处理语言是一件非常重要的技能。而掌握模式还只是第一步，将数值模式的结果进一步加工成我们业务或科研需要的产品，也是一项重要工作，以当前的趋势而言，python语言当仁不让的成为首选。对大部分人而言，特别是新用户，WRF模式的安装繁琐且不必要，可以作为后续进阶掌握的技能，本此课程跳过繁琐的安装步骤，直接聚焦模式的运行部分，通过短平快的教学，快速掌握模式运行。

当今从事气象及其周边相关领域的人员，常会涉及气象数值模式及其数据处理，无论是作为业务预报的手段、还是作为科研工具，掌握气象数值模式与高效前后处理语言是一件非常重要的技能。而掌握模式还只是第一步，将数值模式的结果进一步加工成我们业务或科研需要的产品，也是一项重要工作，以当前的趋势而言，python语言当仁不让的成为首选。对大部分人而言，特别是新用户，WRF模式的安装繁琐且不必要，可以作为后续进阶掌握的技能，本此课程跳过繁琐的安装步骤，直接聚焦模式的运行部分，通过短平快的教学，快速掌握模式运行。

深度学习基本理论知识讲解，深入了解机器学习的基础理论和工作原理，掌握如何构建和优化神经网络模型（如人工神经网络ANN，卷积神经网络CNN、循环神经网络RNN等），提高对现有深度学习算法和技术的理解和应用能力，更好地应对后续海洋气象相关领域的实际问题和应用。本专题，在详细讲解机器学习常用的两类集成学习算法，Bagging和Boosting，对两类算法及其常用代表模型深入讲解的基础上，结合三个学习个例，并串讲一些机器学习常用技巧，将理论与实践结合。（2）集成学习（Bagging和Boosting）

Python是功能强大、免费、开源，实现面向对象的编程语言，能够在不同操作系统和平台使用，简洁的语法和解释性语言使其成为理想的脚本语言。除了标准库，还有丰富的第三方库，Python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具备优异的性能。上述优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为气象、海洋和水文等地学领域的主流编程语言之一。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

本专题，在详细讲解机器学习常用的两类集成学习算法，Bagging和Boosting，对两类算法及其常用代表模型深入讲解的基础上，结合三个学习个例，并串讲一些机器学习常用技巧，将理论与实践结合。学习目前流行的深度学习框架pytorch，了解张量tensor、自动求导、梯度提升等，以BP神经网络学习sin函数为例，掌握如何搭建单层和多层神经网络，以及如何使用GPU进行模型运算。学习经典机器学习库sklearn的常用功能，如鸢尾花、手写字体等公开数据集的获取、划分训练集和测试集、模型搭建和模型验证等。

Python是功能强大、免费、开源，实现面向对象的编程语言，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具备优异的性能，这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。Python也是当前进行机器学习和深度学习应用的最热门语言。帮助气象和海洋等地学领域的从业人员更加系统地学习Python在人工智能领域的应用，帮助学员掌握Python实操基础和机器学习与深度学习的理论基础，并进一步实战学习机器学习和深度学习在气象领域的具体案例。

国家碳达峰碳中和（双碳）目标对未来大气污染控制提出了新的要求，也为未来气候变化背景下，大气环境演变趋势和空间格局的模拟和预估提出了不确定性和挑战。第六次国际耦合模式比较计划（CMIP6）基于不同的共享社会经济路径（SSP）及最新的人为排放趋势，预估了不同社会共享路径和温室气体排放情景下的未来气候变化趋势，这些结果为模拟预估未来气候变化背景下大气污染的演变趋势提供了可能。对模式比较计划的全球气候预估数据进行动力降尺度，结合预估的未来气候变化，运用区域气候模式和气候-化学耦合模式，实现对未来大气污染时空演变趋势

随着温室气体排放量的增大和温室效应的增强，全球气候变化问题受到日益的关注。我国政府庄严承诺在2030和2060年分别达到“碳达峰”和“碳中和”，因此气候变化和碳排放已经成为科研人员重点关心的问题之一。气候变化问题不仅仅是科学的问题，同时也是经济问题。为了综合评估气候变化及其带来的经济影响，很多经济－气候的综合模型被开发出来；其中2018年诺贝尔经济学奖得主W.D.Nordhaus开发的DICE型是运用最广泛的综合模型之一。DICE和RICE模型虽然代码量不多，但涉及经济学与气候变化，原理较为复杂。帮助气候、

国家碳达峰碳中和（双碳）目标对未来大气污染控制提出了新的要求，也为未来气候变化背景下，大气环境演变趋势和空间格局的模拟和预估提出了不确定性和挑战。第六次国际耦合模式比较计划（CMIP6）基于不同的共享社会经济路径（SSP）及最新的人为排放趋势，预估了不同社会共享路径和温室气体排放情景下的未来气候变化趋势，这些结果为模拟预估未来气候变化背景下大气污染的演变趋势提供了可能。对模式比较计划的全球气候预估数据进行动力降尺度，结合预估的未来气候变化，运用区域气候模式和气候-化学耦合模式，实现对未来大气污染时空演变趋势

在研究流场时，常用观测、模型风洞测试和数值模拟方法进行研究。但时常遇到研究区气象站点分布稀疏，不能代表周边复杂地形的风场。风洞模拟需要对地形进行实景的微缩，但实际过程中可能更关心近地表边界层的风场。风洞模拟一方面费用较高，另一方面风洞模拟近地表风场难度较大。因此，数值模式成为缺资料地区风场模拟的最佳手段。

1.不同生态气象要素文件的数据读写与批处理实现2.不同生态气象要素时序数据的质量控制与缺失插补3.不同生态气象要素时序数据的时间汇总与基本统计4.生态气象时序数据制图与多要素可视化分析5.编写函数文件实现其他生态气象要素的推算

霜冻是一种短历时的农业气象灾害，它是由于日最低气温下降，使植物茎、叶处温度下降到0℃以下，导致正在生长的植物受到冻伤的现象。霜冻出现的早晚会对农作物产量产生显著影响。

R 语言是一门由统计学家开发的用于统计计算和作图的语言（a Statistic Language developed for Statistic by Statistician），由 S 语言发展而来，以统计分析功能见长。R 软件是一款集成 了数据操作、统计和可视化功能的优秀的开源软件。来自世界各地开源社区的研究者为其提供了各种 丰富的工具包，目前在官方网站注册的 R 包已经多达 16066 个，覆盖了各种学科和各个行业。