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、水和氮通量的有效模型，其研究的空间尺度可以从点尺度扩展到陆地生态系统。

在Biome-BGC模型中，对于碳的生物量积累，采用光合酶促反应机理模型计算出每天的初级生产力(GPP)，将生长呼吸和维持呼吸减去后的产物分配给叶、枝条、干和根。生物体的碳每天都按一定比例以凋落方式进入凋落物碳库；对于水份输运过程，该模型模拟的水循环过程包括降雨、降雪、冠层截留、穿透降水、树干径流、 冠层蒸发、融雪、雪升华、冠层蒸腾、土壤蒸发、蒸散、地表径流和土壤水分变化以及植物对水分的利用；对于土壤过程，模型考虑了凋落物分解进入土壤有机碳库过程、土壤有机物矿化过程和基于木桶模型的水在土层间的输送关系；对于能量平衡，该模型还考虑了净辐射、感热通量和潜热通量等过程。

本内容将讲授利用中国区域地面气象要素驱动数据集（CMFD）和CN05.1气候数据格点化气象数据驱动Biome-BGC在区域上进行模拟。在模拟过程中，需要综合的使用Linux、Python等一些小工具，完成模式的前处理和后处理的工作。

【原文介绍】：【案例教程】Biome-BGC生态系统模型与Python融合技术实践应用https://mp.weixin.qq.com/s?__biz=MzU5NTkyMzcxNw==&mid=2247540179&idx=2&sn=ab7bec7f05aa95b2287406dd0967556b&chksm=fe689bb9c91f12afde1a181cfca70578d604bf4fba92c16a3a629cf3384e395468961df6ba45&token=17372598&lang=zh_CN#rd

【方式】：视频+永久回放+答疑群长期辅助+全套课件资料

【内容介绍】：

一、模式介绍

Biome-BGC介绍

二、夯实基础

1、Linux应用

• 实现批量创建文件、删除文件及文件夹
• 并行化执行程序 

2、CDO工具应用

• 使用cdo工具对netCDF文件进行合并
• 筛选时间和变量，裁剪为

3、Python应用

• Python的循环语句，逻辑语句，
• 创建Numpy数组，并统计计算；
• 使用Matplotlib制作散点图、等值线图；
• 利用零散数据Pandas创建数，制作时间
• 利用Xarray读取netCDF文件，写入netCDF文件；实现插值工作

三、数据处理实践

在linux 上综合使用cdo和xarray数据制备所需数据。 

1、静态数据制备：

• 地形数据：GTOPO30S 1km 
• 土地利用数据：GLCC 1km
• 土壤数据：FAO
• GPP数据：MODIS数据

2、驱动数据制备：

• CN05.1数据处理
• CMFD数据处理

3、生态数据 

MODIS GPP 

四、单点的模拟（原理+实践）

1、前处理

• 从空间数据（netCDF）插值
• 配置运行文件
• 制备气象数据

 2、运行BGC模型

3、调参

• 基于Python的并行化参数搜索 
• 调整生长季开始和结束

4、后处理 

• 结果统计计算
• 结果可视化

五、区域模拟-1 

区域模拟是将区域上每个格点分别进行计算进行的。

• 模拟前准备
• 分配数据
• 并行运行
• 合并结果

六、区域模拟-2

通过数据库的管理，可以减少单点模型空间化数据分发和管理复杂度。

• MySQL介绍
• 常见命令介绍
• 在Mysql中建立驱动数据、静态数据表和结果表
• 编写脚本自动化生成静态数据
• 并行运行模式
• 结果导入数据库
• 后处理案例数据

七、长时间序列模拟（案例实践）

使用ERA5作为观测数据的降尺度后的CMIP6未来气候变化降尺度数据。

• 对气象数据降尺度，获得气温、湿度、降水和向下短波辐射。
• 土壤数据、植被数据库查询
• 准备气象数据和静态数据
• 后处理模拟结果数据