【双碳系列】碳中和、碳排放、温室气体、弹手指、碳储量、碳循环及leap、cge、dice、openLCA模型

气候变化是当前人类生存和发展所面临的共同挑战，受到世界各国人民和政府的高度关注

①“双碳”目标下资源环境中的可计算一般均衡（CGE）模型实践技术应用

可计算一般均衡模型（CGE模型）由于其能够模拟宏观经济系统运行和价格调节机制，分析政策工具的影响和效应而备受“双碳”目标研究者的青睐。由于CGE模型基于严格的微观经济学基础，对非经济学领域的研究人员门槛很高；且受经济学研究传统的影响，CGE模型多半用GAMS等工程领域研究者不熟悉的软件建立。本文有利于生态及环境等领域研究者使用CGE模型，降低工程技术人员应用该模型的门槛

CGE模型的原理及经济学基础

均衡与一般均衡的定义，什么时候能达到一般均衡

瓦拉尔斯定理：相对价格

生产技术：Leontief, Cobb-Douglas, CES

效用偏好：Cobb-Douglass, CES

替代弹性

CGE模型的环境模型比拟

社会核算矩阵与一般均衡模型条件及数值计算方法

.投入产出表及其自动平衡

资源与环境的投入产出分析

社会核算矩阵

社会核算矩阵在CGE模型中的作用

一般均衡条件：零利润条件，市场出清，平衡条件

最优化与一阶条件:拉格朗日算子法

数值计算方法：差分方程的求解，迭代方法

静态CGE模型

Leontief技术模型

Cobb-Douglass技术模型

混合技术模型与嵌套模型

CGE模型的验证

动态CGE模型

.递推动态模型

跨期动态效用函数

跨期动态模型

CGE模型总结与复杂CGE模型

.国际贸易的政策分析

CGE模型的建模步骤

模型的闭合问题

CGE模型参数的估计

②基于R语言的DICE(Dynamic Integrated Model of Climate and Economy)模型实践

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。气候、环境及生态领域的学者使用DICE模型较为广泛

DICE模型的原理与推导

经济学相关概念的回顾

气候变化问题

DICE模型的经济学部分

DICE模型的气候相关部分

DICE模型的目标函数与经济约束

DICE模型使用的地球物理方程

碳循环与气候变化

能源市场上的均衡

生产函数及其校准

碳供给的影响

碳循环与其它辐射强迫

气候变化影响评估

政策评估

Baseline策略

2.最优政策

3.稳定全球排放情况下的影响

4.保持气候稳定允许的政策

不确定性分析与代码分析

模型方程总结与回顾

全局敏感性方法与敏感参数选择

参数不确定性的影响

DICE模型的求解方法

DICE模型R语言代码详解

③基于LEAP模型的能源环境发展、碳排放建模预测及不确定性分析实践

采用部门分析法建立的LEAP（Long Range Energy Alternatives Planning System/ Low emission analysis platform，长期能源可替代规划模型）是一种自下而上的能源-环境核算工具，由斯德哥尔摩环境研究所和美国波士顿大学联合研发。该模型与情景分析法紧密结合，可用于预测不同发展条件下中长期能源供应、能源供应转换、能源终端需求及污染气体排放（温室气体CO2等），综合考虑人口、经济发展、交通运输周转量、技术、价格等因素对能源-环境发展的影响。

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。

LEAP模型允许研究者根据研究目的、数据可获取度、研究对象特点等灵活构建模型结构，十分适用于能源数据不全面情况，现已广泛应用于国家、区域、部门、行业的能源战略研究中。掌握该模型不仅有助于高校及科研院所工作人员从事能源系统评价诊断、低碳节能发展技术研判等能源系统工程相关工作，也可为政府决策提供技术支持。特别是可应用于风光储、氢能一体化利用策略在全社会能源供应系统中的作用、电动汽车对终端能源需求及碳排放的影响等热点问题。

-掌握LEAP软件操作基础流程 -

掌握不同能源系统数据核算及能源现状评价 -

掌握应用多种数据处理方法以测算模型输入数据预测年内变化情况 -

掌握LEAP软件构建基本的能源需求及供应分析模型 -

掌握LEAP软件构建细化的能源需求情景分析模型

-掌握LEAP软件对情景进行成本效益分析、对非能源活动的温室气体排放进行分析 -

掌握LEAP软件构建交通部门减排模型 -

掌握LEAP软件预测结果不确定分析

模型理论及案例：

LEAP建模理论基础

1.1.1 能源系统工程基础理论及典型研究内容

1.1.2典型能源需求及碳排放预测方法和模型

1.1.3 LEAP模型计算原理

能源需求为活动水平和活动强度之积：

其中ED是总的能源需求量，AL是活动水平，EI是能源强度；i，j 和 k分别代表不同的部门、设备和燃料

温室气体排放量为活动水平和排放因子之积：

其中ET是总的温室气体排放量，AL是活动水平（能源消费量或者工业产出），EMI是排放因子；i，j 和 k分别代表不同的部门、设备和燃料

1.2 LEAP软件操作基础

1.2.1 LEAP软件安装与注册

1.2.2 LEAP软件设置、主要模块及基本操作

1.2.3 LEAP软件模型构建基本原理和数据结构

1.3 情景分析法

介绍情景分析法原理及其与LEAP模型的结合使用。

1.4 能源及碳排放数据获取方式

1.4.1 经济、人口、工业产品产量、交通运输周转量：统计年鉴;GDP的不变价、可比价换算；

1.4.2 能源：行业年鉴、统计年鉴能源篇、政府报告、电力消费、发展规划、标准规范等；能源平衡表读取分析、能源平衡流动图绘制；明确能源统计报表，了解我国能源统计制度；

1.4.3温室气体排放：历年温室气体排放清单、统计年鉴、技术标准、实验数据、文献报告等。

基于LEAP模型的能源需求预测模型构建

结合情景分析法的基本能源需求预测模型构建

2.1.1 需求模块主要功能和计算方法

2.1.2 案例描述及基本参数设置：标准单位（标吨煤、净现值）、基年、基期、参考情景等

2.1.3 需求侧模型构建

- 需求树形图绘制

- 基年账户数据录入：城镇居民及农村家庭能源消费数据（家庭数及各能源品种消费强度）

2.1.4 参考情景创建及结果分析

- 参考情景创建：预测年内人口结构及能源消费强度变化率

- 以图表方式查看结果

2.1.5 节能政策效果量化：高效照明及冰箱

- 创建节能情景，输入各节能措施下能源强度的预测年内变化率

- 查看结果并与参考情景结果比较

2.2 不同部门、情景下的细化需求侧模型构建

2.2.1 细化需求侧部门模型：工业、交通及商业建筑

2.2.2 工业

- 细化为能源密集型产业（钢铁和制浆造纸）和其他所有行业

- 基年账户数据录入：活动水平（产值或产量）、活动强度（过程热、电力、油气煤等化石能源消耗强度）

- 参考情景创建：使用Time Series Wizard设置各参数预测年变化情况

- 结果查看及分析

2.2.3 交通部门

- 细化为客运交通（小汽车、公共汽车及铁路）及货运交通（公路货运及铁路货运）

- 基年账户数据录入：活动水平（周转量、运输里程）、活动强度（单位里程耗油量、能源强度）

- 参考情景创建：周转量、轿车占比以及人均货运需求增长率、能源效率提高率

- 结果查看及分析

2.2.4 商业建筑

- 细化为多种燃料和技术下的采暖、制冷、供电等有效能源分析

- 基年账户数据录入：活动水平（建筑面积）、活动强度（终端能源消费等价热值、供热技术效率）、燃料消费比例等

- 参考情景创建：建筑面积、能源强度及供热技术效率变化率

- 结果查看及分析

2.2.5 总体能源需求分析

- 分部门、子部门、能源品种、年份、情景下能源需求预测

基于LEAP模型的能源供应预测模型构建

3.1 结合情景分析法的基本能源供应预测模型构建

3.1.1 能源供应转换模块主要功能及计算方法

3.1.2 基础供应侧模型构建及参数设置

-能源输入、转化模型框架图绘制

-基年账户数据录入：发电、输配电、天然气输配等模块设置

-电网供电稳定性、电力调度原则、电网负荷变化、不同发电技术特征等参数设置

3.1.3参考情景创建及结果分析

-参考情景创建：电厂建设、发电效率、能源运输效率等年度变化情况

-重点关注各发电形式间的调度原则

-查看各发电方式电力贡献率等结果

3.1.4 能源流动情况诊断

-基于能源流动图分析该案例能源供应及消费平衡情况

-研判参考情景下能源发展态势

3.1.5 能源供应侧节能措施效果量化

节能政策：输配电损失减少、电力系统负荷系数改进

不同能源品种、情景下的细化供应侧模型构建

3.2.1 细化能源转换模型：木炭生产、电力、炼油和煤炭开采

3.2.2 木炭生产

模拟单能源品种输入单能源品种产出的能源转换流程

-建立标准模块：木炭产量、不同技术转换效率（技术替代）

3.2.3 电力生产

模拟多能源品种输入单能源品种产出的能源转换流程

-调整发电系统容量以配合电量需求：水电、煤电、燃油发电

-新能源发电新增容量规划

3.2.4 炼油

模拟单能源品种输入多能源品种产出的能源转换流程

-炼油厂效率、产品种类及各产品产量

3.2.5 煤炭开采

模拟本地能源开采

-煤炭开采能力、煤矿厂效率

3.2.6 资源情况

模拟不同能源品种的本地生产、调入调出情况

-区分生产资源、进口资源

-区分化石燃料储备、可再生能源产量

3.2.7 逐年、逐情景能源系统图、能源平衡表分析比较

第四章基于LEAP模型的温室气体及其他空气污染物排放预测模型构建

4.1 结合情景分析法的基本排放预测模型构建

4.1.1 排放模块主要功能和计算方法

4.1.2 温室气体及其他空气污染物排放模型构建

-明确污染物类型和污染物来源：能源及非能源过程（工业过程、碳汇等）

-污染物排放因子录入及TED数据库使用及编辑

-基于能源供应及消费模块的构建，链接IPCC排放因子库或者自行添加排放因子，可采用多种方法定义排放因子

4.1.3 参考情景构建及结果分析

-查看参考情景下各大气污染物预测结果

4.1.4 节能政策情景构建

-查看节能政策对各大气污染物排放的影响

4.2 结合情景分析法的非能源来源排放预测模型构建

4.2.1 非能源来源排放类型

-工业流程和产品使用、农业林业其他土地使用、废弃物

4.2.2 案例整体描述及基础参数设置

4.2.3 模型构建及基年账户数据录入

-制冷空调行业排放HFC

-与EXCEL链接，直接输入排放因子逐年值

-粪便管理中产生的甲烷、一氧化二氮

-设定自定义变量，实现基于不同活动水平的排放因子

4.2.4 基础情景设置

-非能源来源排放活动水平及排放强度设置

-全球变暖潜力值等结果比较

4.2.5 沼气发电情景设置

-发电模块中设置沼气发电技术参数

非能源排放部门对应减排量设置

第五章基于LEAP模型的能源需求及碳排放预测实例示范

基于LEAP的典型能源输入型城市能源需求预测实例操作

5.1.1数据搜集及模型结构划分

-根据数据可获得性，基于经济和能源统计表将模型划分如下，综合考虑宏观经济社会发展、能源环境政策及能源技术水平的影响。

5.1.2 基年能流图绘制

5.1.3 情景设置

-结合平均增长率法、计量经济学模型（ARIMA模型等）、人口预测模型（Leslie模型）等方法，考虑不同政策设置多种情景：

-基础情景：能源需求在过去的基础上自然发展(BS)

-不同经济增速情景：高、低经济增长速度(HGDP、LGDP)

-不同产业结构情景：高、低第二产业占比(HIS、LIS)

-节能情景：技术进步及设备升级引起的能源强度降低(ES)

-综合情景：综合考察GDP增速、第二产业占比及能源强度变化(MBS、MSS)

5.1.4 结果对比

-定量分析GDP增速、产业结构及节能目标对该市能源需求的影响

-重点部门节能政策效果量化

-能源发展情况研判及政策建议

5.1.5 预测结果不确定性分析

-基于蒙特卡洛法，采用与EXCEL链接的水晶球软件，操作简单

-构建函数，确定估计变量和需求参数

-确定参数的概率分布，包括正态分布、对数正态分布等

分析指定情景、指定年份下的能源需求总量分布曲线及不确定性敏感性分析

5.2 基于GREAT模型的省市一级能源政策分析和排放评估示例

5.2.1 基于GREAT模型的能源需求模块构建

-生活用能：城市、农村；电力、天然气等；照明、家电用电

-商业用能

-交通用能

-工业用能：钢铁、水泥、铝工业、造纸业、玻璃工业等

-农业用能

5.2.2 基于GREAT模型的能源转换模块构建

-输配电

-热力生产和供应

-发电

-石油开采

-焦化

-天然气开采

-煤炭开采

5.2.3 控制变量设置

-生活电耗强度指数

-工业电耗强度指数

-农业燃料消耗强度指数等

5.2.4 基于GREAT模型的排放模块构建

-电力间接排放或直接排放计算等

5.2.5 情景设计及结果分析

5.3 LEAP用于碳达峰预测注意事项

5.3.1 省级温室气体排放编制指南解读

5.3.2 省级温室气体排放排放部门划分与能源消费统计的区别

5.3.3 排放因子和折标煤系数统一

5.3.4 碳排放强度、减排空间、非化石能源占比等指标设定

第六章LEAP模型成本效益分析专题

.1基于LEAP模型的成本效益分析简介

6.1.1 成本计算方法和分类

-预测年限内需求、转换、一次能源及输入能源、外部环境中所有成本

-能源需求的资本成本、运行和维护成本，能源节约的成本

-能源转换资本成本、固定成本、运行及维护成本

-本土资源的成本

-进、出口燃料的成本

-污染物排放的外部成本

-用户自定义成本等

6.1.2 成本计算系统边界和经济参数含义

-需求侧、部分能源系统和整体能源系统

-贴现率、燃料成本、设备投资成本、能源效率提升成本等经济参数

6.2 示例整体描述

6.2.1成本数据参数输入和模型设置

-技术渗透

-技术性能

-技术成本

6.2.3 政策情景创建

-高效照明

-节能冰箱

-压缩天然气公交车

-天然气和可再生能源

-工业效率提升

6.2.4 成本效益结果分析

-成本效益分析表

-不同情景下节能减排净现值

边际减排曲线

第七章 LEAP模型交通运输及碳排放专题

7.1 基于库存周转率法的交通部门建模

7.1.1 库存周转率法含义及使用

-销售量

-库存量

7.1.2 车辆性能随车龄分布曲线设定

-行驶里程数

-能源效率

-排放因子

7.2 示例整体描述

7.2.1 模型构建及基本设置

-模型架构设置

轿车、运动多功能车（SUV）数量（分为柴油车、汽油车、混合动力车及电动车）

7.2.2 基年账户车辆参数输入

-车辆年龄及库存销售量函数关系

-车辆耗油量及耗油量与车辆年龄关系

-车辆行驶里程数

7.2.3 基年账户排放因子录入

-二氧化碳、氮氧化物、一氧化碳及可吸入颗粒

-根据各车型输入其排放因子

7.2.4 参考情景设置（BAU）

-无新政策减少燃料使用及排放

-预测年内各参数变化率

7.2.5 政策情景设置

-燃油经济性提高（Improved fuel economy）

-混合动力电动汽车、电动汽车市场占有率提升(Hybrid)

-柴油轿车和柴油SUV车市场占有率提升（Diesel）

-新尾气排放标准（Tailpipe Emissions Standard）

-轿车推广力度高于SUV(Fewer SUVS)

-组合情景（Combined）

7.2.6 结果分析

第八章LEAP模型电力系统优化专题

8.1 LEAP优化模块基本原理

-优化方法的分类和简介

-NEMO和Julia平台的使用和介绍

8.2以发电成本最小化为目标的发电模块优化示例

-可用于新能源装机配置和电网调度研究

8.2.1多种发电技术特性数据

-成本

-装机容量

-系统负荷曲线

-规划储备余额

-效率

-各技术排放因子

8.2.2 导入小时负载数据建立载模型

-时间片段

-每小时的点子表格数据（EXCEL）

-年度变化

-系统能源负荷曲线

8.2.3 情景设置

-仅天然气发电

-仅核能发电

-仅水力发电

-仅风能发电

-仅光伏光热发电

-仅燃煤发电

8.2.4 单独发电模式情景结果查看

-社会成本

-规划装机容量

-温室气体排放量等外部价值

8.2.5 最小发电成本优化配置情景

-使用NEMO进行优化

-得到优化的发电技术组合和调度分配情况

-选择优化变量及优化情景

8.3 储能模块构建

-NEMO框架储能模块的使用

-优化储能模块大小及储放时间

8.4 约束条件下的最低发电成本优化模型

-建立排放约束

-建立最低可再生能源利用率约束

-寻找在约束条件下最低发电成本情景

④基于STELLA系统动态模拟技术及在农业、生态及环境等科学领域中的实践

第一章系统动态方法简介和STELLA软件

1、系统动态方法与动态思维

2、动态模拟的目的、构建过程及常见应用

3、STELLA软件概述（安装、界面及功能讲解等）

第二章应用STELLA软件建立系统动态模型的过程（上）

1、概念模型的构建

2、参数与公式的输入

3、模型的运行和预测

4、结果的显示、保存及输出

5、案例与实操练习

第三章应用STELLA软件建立系统动态模型的过程（下）

6、STELLA语言的使用规则

7、联络器与转换器的作用

8、常用的流动模式与应用

9、案例与实操练习

第四章 STELLA软件工具的使用及系统动态模型案例

1、图表式数据输入方法指导

2、反馈循环

3、STELLA软件的一些工具讲解

4、系统动态模拟应用的案例与实操练习

捕食者-猎物模型
马尔可夫模型
昆虫的阻尼振荡模型
人口与资源模型

其他案例……

第五章 STELLA软件工具的使用及系统动态模型的应用

1、农药在农业生态系统中的动态变化模拟

2、动物体内毒物动态变化评估

3、湖水污染物动态变化模拟

4、地下水硝态氮排泄模型

5、氮循环模拟模型

6、其他模型……

⑤基于GAMS的电力系统优化分析

主要针对电力系统领域中比较典型的优化问题、优化方法及其在GAMS中的实现进行分析。共分为五个部分，包括电力系统机组组合专题、最优潮流专题、水电优化运行专题、鲁棒优化和多能源互补优化专题、分布鲁棒优化专题等，从基本模型到复杂模型逐步深入。

旨在帮助电力领域研究人员掌握相关优化模型的建立和GAMS这一优化工具的使用，更好地解决专业问题。算例中涵盖了机组组合的一般模型和线性模型、常规鲁棒优化方法和近些年比较流行的分布鲁棒优化方法等，针对模型方法详细讲解并提供案例代码。因此内容适合电力领域从事优化研究的人员，有助于研究人员高效处理各类优化问题。

GAMS机组组合问题建模

机组组合问题的一般数学模型分析

机组组合问题一般数学模型的GAMS程序编写与调试

机组组合的混合整数线性规划模型分析

机组组合混合整数线性规划模型的GAMS程序编写与调试

机组组合问题Excel数据导入与导出

GAMS最优潮流问题建模

最优潮流数学模型分析

导纳矩阵在GAMS中的处理

最优潮流GAMS程序编写与调试

GAMS水电优化运行

流域梯级水电站优化调度数学模型分析

流域梯级水电站优化调度的GAMS程序编写与调试

最小弃水量目标下水电站的弃水优化模型分析

最小弃水量目标下水电站的弃水优化模型的GAMS程序编写与调试

GAMS鲁棒优化和多能源互补协同优化

水火联合优化调度问题

计及风电随机波动性的鲁棒调度模型

风-水-火联合优化调度问题

多能源互补协调优化调度模型

GAMS分布鲁棒优化建模

基于瓦瑟斯坦距离的机组组合分布鲁棒优化模型

基于风电概率密度估计的分布鲁棒机组组合模型

计及风电不确定性的电热综合系统分布鲁棒优化模型

⑥基于通用优化软件GAMS的数学建模和优化分析

优化分析是很多领域中都要面临的一个重要问题，求解优化问题的一般做法是：建立模型、编写算法、求解计算。常见的问题类型有线性规划、非线性规划、混合整数规划、混合整数非线性规划、二次规划等，优化算法包括人工智能算法和内点法等数学类优化方法。算法编写是一个较为复杂的过程，对于规模较大且复杂性较高的优化问题尤其如此，且同一种算法在处理不同问题时参数的设置、架构的改动相对不够便利。而GAMS作为一款功能强大的通用代数建模优化软件，能够化繁为简，避开复杂的算法编写，将使用者的目光更多地聚焦到模型上而非算法上，为各类优化问题的求解带来极大便利。为帮助各领域研究人员掌握GAMS这一强大优化工具的使用，更好地解决专业问题，课程内容包括典型优化模型和算法介绍、GAMS安装和介绍、GAMS程序编写、GAMS程序调试、实际应用算例演示与经验分享等五个章节，算例中除了一般案例展示还涵盖了基于GAMS的实际应用案例分析。GAMS是一个通用优化软件，因此内容适合各领域从事优化研究的工作者，有助于各领域研究人员高效处理该领域内各类复杂的优化问题。

典型优化模型、算法讲解和基于GAMS进行优化分析的优越性

典型优化模型（LP、NLP、MIP、MINLP、MIQCP等）

人工智能算法（遗传算法、蚁群算法、禁忌搜索等）

数学优化方法（分支定界法、动态规划法、拉格朗日松弛法、内点法、奔得斯分解法等）

基于GAMS进行数学建模和优化分析的优势

GAMS安装和界面

一、GAMS安装二、File功能三、Edit功能四、Search功能五、Windows功能

六、Model Libraries模型库 Help功能

GAMS程序编写

模型构成编程原则

建立集合Set 1.静态集合 2.多重集合 3.动态集合 4.有序集合（SOS1、SOS2）

录入参数Parameter 1.一般标量 2.索引参数 3.表格参数 4.数据导入（Excel表格数据） 5.参数赋值

设置变量Variable 1.一般标量 2.索引参数 3.表格参数 4.数据导入（Excel表格数据） 5.参数赋值

构建方程Equation 1.方程定义 2.方程关系符 3.函数和运算表达 4.标量方程 5.索引方程

6.条件方程（条件控制$）

计算模型Model solve 1.模型的分类和求解 2.计算参数设置（Options） 3.求解器(Solver)的比较分析与选择

展示结果Display 1.变量结果展示 2.参数展示一般算例演示

GAMS程序调试

查看计算日志分析求解报告程序调试方法

实际应用算例与经验分享

基于GAMS的优化实例分享常用表达式注意事项属性修改的其他方法其他软件调用GAMS

⑦环境影响与碳排放生命周期评估应用及案例分析

生命周期分析 (Life Cycle Analysis, LCA) 是评价一个产品系统生命周期整个阶段——从原材料的提取和加工，到产品生产、包装、市场营销、使用、再使用和产品维护，直至再循环和最终废物处置——的环境影响的工具。这种方法被认为是一种“从摇篮到坟墓”的方法。

生命周期分析是一种分析工具，它可帮助人们进行有关如何改变产品或如何设计替代产品方面的环境决策，即由更清洁的工艺制造更清洁的产品。例如，生命周期分析的结果表明，某种产品能耗低，寿命长，不含有毒化学物质，其包装及残余物体积小，从而占用较少的填埋场空间，这就成为我们进行产品选择的依据。此外，生命周期分析能够确定产品的哪些组成部分将造成不利的环境影响，提醒生产者改进。

生命周期评价的理论基础

1.1 生命周期评价的定义及发展历史

1.2 生命周期评价的原则框架与要求指南

1.2.1 目的与范围的确定，包括系统边界、功能单位等；

1.2.1 清单分析，包括数据收集（物质能量输入、输出）、数据库介绍等

1.3 生命周期分析的常用指标及分析方法

1.3.1 影响类型及分类，以及影响类型的计算（特征化）；

1.3.2 包括不同评估方法的对比；

1.3.3 归一化、分组和加权；

1.4 生命周期分 析结果的解释，包括重大问题识别、敏感性分析、结论建议等

OpenLCA的安装使用及生命周期评估模型构建

2.1 OpenLCA的简介、下载与安装

包括简介、下载地址、程序下载与安装方法

2.2 OpenLCA的基本操作

2.2.1 OpenLCA的界面介绍

2.2.2 数据库的下载与导入

2.2.3 创建用户自定义数据要素及相关的选项参数调整

2.2.4 结果计算

2.3 实践演练

2.3.1 不同材质矿泉水瓶的生命周期评估模型构建与分析

- 研究目标、系统边界、功能单元的确定

- 矿泉水瓶生产系统的模型构建与数据输入

- 模型计算以及不同参数结果的对比

- 矿泉水瓶废弃环境影响的评估

2.3.2 热电厂工艺改进及CCS对碳中和的贡献

- 热电厂生命周期评估模型的构建及碳排放分析

- 热电厂工艺改进后碳排放分析

- 引入CCS技术后的减排分析

2.3.3 生物质固体颗粒加工厂优化选址对碳排放和能源消耗的影响

- 固体颗粒生命周期评估模型的构建

- 固体颗粒加工厂厂址的优化

- 对比不同情景下固体颗粒生产的碳排放和能源消耗

GREET的介绍

3.1 GREET的由来与发展

对GREET的应用范围和发展历程进行简要介绍

应用范围：模拟多种交通工具与燃料燃烧的能源消耗和气体排放

3.2 下载与安装

介绍GREET的主要模块、下载方法及安装技巧

3.3 软件基本操作技巧

3.3.1 软件操作界面的介绍

3.3.2 软件基本操作

- 燃料生产和燃烧、交通工具气体排放的提取

- 数据输入、管理、编辑

- 生命周期评估模型的构建

3.4 实践演练

3.4.1 柳枝稷生产生物乙醇的温室气体排放

- 确定研究目标和系统边界

- 构建模型

- 调整参数

- 输出和整理结果

3.4.2 气候变化下柳枝稷产量变化对温室气体排放的影响

- 不通过气候变化情景下，柳枝稷产量的提取（GAEZ模型）

- 利用R语言处理NetCDF数据

- 修改GREET内的参数，获得评估结果

- 将评估结果绘制地图

生物质能源的碳排放

4.1 生物质碳排放的特殊性

- 生物质能源化利用的必要性

- 生物质源碳排放的特殊性

4.2 生物质碳排放的评估框架的构建

- 化石能源的GHG排放

- 生物质源CO2的温室效应

- 生物质再生长的抵消作用

- 利用与未利用的固碳差异

- 评估框架在R语言环境中的实现

4.3 评估框架的应用实践——以采伐剩余物为例

- 参数的设定

- 森林再生长和剩余物分解的模拟（YASSO模型）

- 调整R语言程序，运行获取结果

4.4评估框架的应用实践——以餐厨垃圾为例

- 参数的设定

- 餐厨垃圾分解的模拟（LandGEM模型）

- 调整R语言程序，运行获取结果

⑧建筑设计全过程碳排放计算与案例分析

建筑碳排放的基础理论知识及在建筑设计全过程对建筑碳排放进行计算分析碳排放核算与生命周期评价方法，可行性研究报告、建设方案、初步设计、施工图设计的建筑碳排放计算与分析方法。

气候变化与建筑碳排放

全球与中国气候变化趋势与危害

CO2浓度与气候变化

为什么设定温度升高1.5℃的目标？

碳达峰与碳中和

全球与中国的建筑碳排放现状与趋势

建筑实现碳中和的四大途径

碳核算与建筑生命周期碳排放的计算

碳核算的定义、对象与方法

生命周期评价的原理与方法

建筑生命周期碳排放的计算

可研与建设方案阶段的碳排放计算方法

可行性研究阶段建筑碳排放计算方法（一）

可行性研究阶段建筑碳排放计算方法（二）

可行性研究阶段建筑碳排放计算案例分享

建设方案阶段的建筑运行碳排放的计算方法

建设方案阶段的建筑隐含碳排放的计算方法

建设方案阶段建筑碳排放计算案例分享

初步设计与施工图阶段的碳排放计算方法

初步设计阶段的建筑运行碳排放的计算方法

初步设计阶段的建筑隐含碳排放的计算方法

初步设计阶段建筑碳排放计算案例分享

施工图阶段的建筑运行碳排放的计算方法

施工图阶段的建筑隐含碳排放的计算方法

施工图阶段建筑碳排放计算案例分享

⑨基于“遥感+”蓝碳储量估算、红树林信息提取实践技术应用与科研论文写作

大气温室气体浓度不断增加，导致气候变暖加剧，随之会引发一系列气象、生态和环境灾害。如何降低温室气体浓度和应对气候变化已成为全球关注的焦点。海洋是地球上最大的“碳库”,“蓝碳”即海洋活动以及海洋生物（特别是红树林、盐沼和海草）能够吸收大气中的二氧化碳，并将其固定、储存在海洋中的过程、活动和机制。而维持与提升我国海岸带蓝碳潜力是缓解气候变化的低成本、高效益的方案，有利于充分发挥我国海洋和海岸带生态系统在缓解全球气候变化中的重要作用。红树林作为最主要的蓝碳植被，对其的监测与保护成为近年来的研究热点。从全球范围来看，红树林主要分布在热带与亚热带地区海岸带沿线，生境碎片化且分布不均匀，具有高度的空间异质性。

光谱和图像是人们观察世界的两种方式，高光谱遥感通过“图谱合一”的技术创新将两者结合起来，大大提高了人们对客观世界的认知能力，本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。以高光谱遥感为核心，构建大范围、快速、远程、定量探测技术，已在农业、林业、地质、生态、水质监测等领域取得了突出成果，而在药品、食物、环境等领域也显示了不可估量的应用潜力。

遥感云计算技术的发展和平台的出现为遥感大数据处理和分析提供了前所未有的机遇，表现在：（1）云端有海量数据资源，无需下载到本地处理，（2）云端提供批量和交互式的大数据计算服务，（3）云端提供应用程序接口API（Application Programming Interface），无需在本地安装软件，才可以进行处理分析。这彻底改变了传统遥感数据本地下载，处理和分析的模式，进一步降低了遥感数据使用的准入门槛，极大提高了运算效率，加速了算法测试的迭代过程，使得原本在台式机或服务器上难以实现的全球尺度地球系统科学快速分析和应用成为可能

本文将聚焦目前遥感应用领域-碳储量估算，重点结合典型应用案例综合展示如何基于云计算与多源遥感技术，通过高光谱遥感对研究区域福建沿海的蓝碳植被进行精准探测，结合多光谱遥感技术监测并分析海岸带蓝碳植被的长时序分布变化与健康状态。将结合ENVI和PIE Hyp讲述高光谱遥感信息处理技术，包括光谱恢复、光谱库建立、光谱特征提取、混合像元分解、图像分类及精度检验等内容；同时以JavaScript版本GEE为主进行讲解长时序多尺度的遥感信息提取技术，包括GEE基本知识，遥感影像数据处理的关键知识，及海岸带应用典型案例。

“遥感+”助推蓝碳生态系统碳储量调查简介

蓝碳生态系统碳储量研究背景

红树林、海草床和盐沼是海岸带最具固碳效率的三大生态系统，统称为“蓝色碳汇”。虽然这三类生态系统的覆盖面积不到海床的0.5%，植物生物量只占陆地植物生物量的0.05%，但其碳储量却高达海洋碳储量的50%以上，甚至可能高达71%。尽管红树林面积有限，仅占陆地表面的0.1%，但它比陆地生态系统具有更高的碳储存和碳捕获的能力。作为蓝碳的重要组成部分，由于周期性的潮汐淹没、土壤厌氧和独特的复杂根系，红树林能有效捕获悬浮物质，埋藏有机物，并降低有机质分解速率进而达到固碳的效果。

蓝碳生态系统碳储量研究方法

传统的碳库调查方式成本高、效率低，制约了长时间、大尺度区域开展红树林碳库分布的估算和监测，建立大尺度区域及时准确估算红树林碳储量的方法至关重要。从全球范围来看，红树林主要分布在热带与亚热带地区海岸带沿线，生境碎片化且分布不均匀，具有高度的空间异质性。

遥感技术在蓝碳生态系统研究中的优势

结合高光谱遥感技术图谱合一的特点，利用高光谱遥感技术分析红树林光谱数据，实现物种进行精准识别或分类。针对桌面端软件处理遥感影像时效性低的问题，我们将结合遥感云计算平台实现对长时间、不同尺度区域的红树林碳库分布的估算和监测。

高光谱遥感数据介绍及预处理

高光谱遥感数据的认识

高光谱分辨率遥感是用很窄而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米数量级。高光谱图像数据可以被看作是由无数波段组合得到的一个立方体图像数据，并且具有光谱覆盖范围广，图谱合一、数据量大，光谱连续的特征。每一条光谱曲线都分别对应与代表着一个光谱像元。对地物特性而言，同一种地物应该存在相同的光谱曲线特征，因此在判断像元分类时往往依靠光谱特征属性来确定是否属于同一种地物。

示例：GF-5卫星是中国高分重大专项中唯一一颗高光谱卫星，其空间分辨率为30 m，幅宽为 60 km，共有330个波段（400-2500 nm），其中可见光和短波红外部分的光谱分辨率分别为5nm和10nm。

高光谱数据预处理

高光谱图像预处理包括坏波段剔除、辐射定标和大气校正以及图像裁剪。

坏波段剔除

由于大气散射、水汽吸收、成像系统、传感器等因素的影响，高光谱影像中有部分波段影像质量较差，需要将这些波段剔除。

辐射定标

通过辐射定对数据采集和传输系统引起的系统、随机辐射失真或畸变进行的校正，去除或纠正因辐射误差而引起影像失真的过程。

大气校正

原理：大气反射、吸收、散射、折射和投射会不同程度的影响传感器记录地物反射的电磁波辐射，大气校正即消除大气影响所造成的误差，反演地物真实反射率的过程。

方法：目前遥感图像的大气校正方法主要有统计特征学模型、地面线性回归经验模型、大气辐射传输理论模型三类。

示例：6S辐射传输模型原理及实现。

光谱特征分析与参量提取

光谱特征分析

红树林植被在可见光和近红外波段表现出典型绿色植物的主要光谱响应特征。在可见光波段，植物光谱主要受叶绿素含量的影响，470nm蓝光波段和670nm红光波段附近叶绿素吸收辐射能形成吸收谷，在550nm绿光波段附近吸收相对减少，形成绿色反射峰。受叶片内部细胞组织对近红外波段强反射的影响，670～780nm之间“红边”反射迅速增高。近红外波段受叶片内部的细胞结构和叶冠结构对光强烈反射的影响，780～950nm近红外波段内表现出高反射率特征。

光谱特征变换分析

光谱二值编码，光谱微分，连续统去除

示例：连续统去除法

连续统去除法也叫包络线去除法。包络线去除法是一种有效增强吸收特征的光谱分析方法，经过包络线去除后，地物的光谱曲线的吸收特征更加明显，反射率归一化为0 ~ 1之间，有利于光谱吸收特征分析和光谱特征波段选择。并且，包络线去除法能够有效解决高光谱数据冗余的问题。

光谱吸收特征参量计算

光谱吸收特征参量包括：吸收位置（absorption position，AP）、吸收深度（absorption depth，AD）、吸收宽度（absorption width，AW）、光谱吸收对称性（absorption asymmetry，AA）和光谱吸收指数（spectral absorption index，SAI）。

植被指数提取

（1）计算NDVI（归一化植被指数）

NDVI=(NIR-RED)/(NIR+RED)

（2）计算EMVI（增强型红树林指数）

EMVI=（GREEN-SWIR2）/(SWIR1-GREEN)

红树林信息提取

结合矢量数据与影像计算的结果提取口红树林分布区域；

结合目视解译结果提取红树林信息。

高光谱遥感数据分类与制图

混合像元分解

遥感图像中混合像元的存在，是像元级遥感分类和要素反演精度难以达到使用要求的主要原因。为了提高遥感应用的精度，必须解决混合像元分解的问题，使遥感应用由像元级达到亚像元级。进入像元内部，将混合像元分解为不同的“基本组分单元”，或称“端元”，并求得这些基本组分所占的比例（即地物丰度），对混合像元对应地物的真实组成情况进行还原，即所谓的“光谱解混”过程。

混合像元分解包括端元数目估计、端元提取和丰度反演三部分。

端元数目估计

HySime算法估计信号和噪声的相关系数矩阵后，在信号特征向量构成的空间中选择使得投影前后具有最小均方差的子空间，构成该子空间的特征向量个数即为端元估计数目。该

端元提取

端元波谱作为高光谱分类、地物识别和混合像元分解等过程中的参考波谱，直接影响波谱识别与混合像元分解结果的精度。端元提取的作用是从高光谱图像中提取“纯”地物，即端元的光谱。

端元提取包括顶点成分分析法、正交子空间投影、内部最大体积法（N-FINDR）。

丰度反演

丰度反演主要是用来求混合像元中不同成分所占的比例

丰度反演主要有三种方式，分别是最小二乘法、单形体体积和超平面距离。

高光谱遥感影像分类

高光谱遥感影像分类方法

光谱角填图

光谱相似度

光谱特征匹配

光谱信息散度

ISODATA分类

K-Means分类

模糊C 均值分类

MPC分类

RFCM分类

示例：基于光谱角填图的分类

波谱角分类（SAM）是一个基于自身的波谱分类，它是在n维空间将像元与参照波谱进行匹配。这一算法是通过计算波谱间的角度（将它们作为具有维数等于波段数特征的空间矢量进行处理），判定两个波谱间的相似度。较小的角度代表像元与参照波谱匹配紧密。大于指定的最大弧度阈值的像元不被分入该类。然后生成分类后的图像。

分类后处理

对分类后的图像进行分类统计、类别合并以及过滤，得到更加精确的分类结果。

精度评价

精度评价是用来计算分类后图像数据与真实地面数据的偏差。

使用地面实测红树林分布数据对红树林分类结果进行精度评价

GEE数据处理介绍

国外Earth Engine（GEE）平台简介

GEE(Google Earth Engine)是由谷歌、卡内基梅隆大学、美国地质调查局(USGS)共同开发的用以处理卫星遥感影像数据和其他地球观测数据的云端运算平台。GEE平台融合了谷歌服务器提供的强大计算能力或者以及大范围的云计算资源，平台数据集提供了对地观测卫星大量完整的影像数据如Sentinel， MODIS，Landsat等，也提供了植被、地表温度和社会经济等数据集，并能做到数据库每天更新。下图是GEE提供的Landsat Collection2数据：

GEE提供了Python和JavaScript版的API，使用基于Web的代码编辑器（IDE）进行快速、交互式算法开发。用于地球引擎JavaScript API的IDE具有如下图的元素：

GEE主要数据类型与对象等

几何图形ee.Geometry()

GEE在Geometry下提供了一系列方法，如：LineString（线段）、

Point（点）、MultiPoint(复合点)、Polygon(多边形)等。在Geometry的创建，最快捷的方式是通过用户的点击创建所需的几何图形，如下图所示。在创建完成后会在代码编辑器中自动生成代码。

矢量数据ee.Feature()

在GEE中，Feature()类型的矢量数据是一种中间类型的数据，相比于Geometry多了一些需要存储的属性信息，类似于本地矢量数据的属性表。

矢量数据集合ee.FeatureCollection()

矢量数据集是GEE中常用的数据格式，在GEE中，矢量数据的操作大多数基于矢量数据集进行。

影像数据

Image的创建主要有GEE自带的数据集，用户上传和ee.image()/constant()及ee.Image.pixelLonLat()方法。

影像集合

影像集合与矢量集合数据处理方法类似，常用的有过滤方法、循环遍历方法等。

4.3 影像预处理

GEE上提供各种影像数据，大气、地形和几何校正的预处理工作已经完成。但在使用之前，需要对影像进行去云处理。以Landsat8数据为例，基本思路为获取数据的QA波段，设置QA波段的cloudShadowBitMask（云影位）和cloudsBitMaks（云位）均为0，再更新数据的该波段，即可得到去云后的影像。具体代码如下：

影像去云前后对比：

影像去云处理后，可直接利用ee.ImageCollection()下的filterBounds()、clip()方法和上传至平台的矢量数据，将影像裁剪至研究区范围，提高计算效率。

机器学习分类提取红树林

GEE提供了多种监督分类和非监督分类算法，本例展示使用随机森林法提取2020年漳江口自然保护区红树林分布。

首先需将样本点上上传，划分训练样本和验证样本后构建分类器，最后运用分类器得到结果，部分代码如下图所示：

下图为随机森林法提取到的漳江口2020年红树林分布：

红树林植被指数计算及提取

为提高效率，使用植被指数阈值法进行红树林的提取。主要使用两种植被指数：增强型红树林植被指数EMVI和红树林植被指数MVI。

增强型红树林植被指数EMVI

增强型红树林植被指数EMVI是Yang Gang等根据红树林与其他植被在绿光波段和中红外波段的光谱特征差异（如下图所示）构建的。

其计算公式为：

EMVI=(GREEN-SIWR2)\(SWIR1-GREEN)

利用该指数提取2020年漳江口国家级自然保护区红树林分布结果如下：

红树林植被指数MVI

红树林植被指数MVI是Alvin B.Baloloy等基于红树林与其他植被在绿光波段、近红外波段和中红外波段的差异构建的（如下图）：

其计算公式为：

MVI=|(NIR-GREEN)|\|(SWIR1-GREEN)|

利用该指数提取2020年漳江口国家级自然保护区红树林分布结果如下图所示：

指数和阈值的选择

两种用于提取红树林的指数均有较好的效果（红树林纹理特征较明显，可目视解译判断提取效果）。指数及阈值的选择要根据影像数据源、研究区的时空条件而变化。

红树林分布时序分析

利用植被指数阈值法提取红树林的优势在于无需选择样本点，结合GEE的云计算服务，可以高效实现红树林分布的时序分析。

2000年

2005年

2010年

2015年

2020年

结果统计分析与绘图

计算像素面积

通过pixelArea()和Reducer.sum()等方法，计算提取到的红树林的面积，并转化为公顷单位。

计算2000-2020年红树林面积，结果显示在右侧【Console】栏中，2000、2005、2010、2015、2020年漳江口自然保护区红树林面积分别为21.70、38.56、46.00、56.33、75.27公顷。

生成图表

利用图表可以更直观地展现红树林面积变化的趋势情况。GEE提供了多种图表形式，用户可根据自己的需求进行个性化设计。

数据导出

GEE在Expot()下提供了导出影像到云盘的功能，用户设置需要导出的影像、影像描述、比例、区域以及最大像元数，运行后即可在右侧【Task】栏中运行任务，将影像导出，导出结果为Tiff格式。

导出2020年漳江口自然保护区红树林提取结果，在ArcGIS中打开，如下图所示：

碳储量时空变化与预测

基于InVEST模型的碳储量估算

基于高光谱影像提取后的红树林以及红树林地上、地下碳密度，依据InVEST

基于InVEST模型的蓝碳储量估算

碳储存估算

碳积累估算
碳损失估算

净碳固定估算

基于PLUS模型的碳储量的时空变化分析与预测

实现思路
PLUS模型数据准备

数据类型

数据格式转换

驱动因素选择和处理

驱动因子选择驱动因子数据制备

驱动因子数据格式转换

土地扩张分析策略（LEAS）模块原理与实现

土地扩张分析策略（LEAS）模块原理介绍

用地扩张提取

RF算法提取土地利用类型的发展潜力

多类随机斑块种子的CA模型（CARS）模块原理与实现

（CARS）模块原理介绍

模块运行数据制备

Markov土地利用预测

未来土地利用分布模拟

模拟精度验证

场景多样性分析

碳储量的时空变化分析与预测

驱动因素影响分析

科技论文写作与制图

科技论文结构分析
科技论文图表规范
图表优化技巧
论文投稿技巧分析
SCI论文案例分析

⑩长时间序列遥感数据处理及在全球变化、物候提取、植被变绿与固碳分析、生物量估算与趋势分析等领域中的应用

植被是陆地生态系统中最重要的组分之一，也是对气候变化最敏感的组分，其在全球变化过程中起着重要作用，能够指示自然环境中的大气、水、土壤等成分的变化，其年际和季节性变化可以作为地球气候变化的重要指标。此外，由于生态工程保护建设和植被自然生长等因素，中国陆地生态系统发挥了重要的碳汇作用。因此，定量评估植被时空动态变化是制定生态系统可持续发展目标和衡量生态系统固碳潜力的重要前提，卫星遥感数据衍生的生态参量产品为研究长时间序列全球及区域植被时空变化提供了重要数据源。目前已经从卫星获取的遥感数据反演了许多长时序生物物理参量产品，如GIMMS3g NDVI/LAI/FAPAR、MODIS NDVI/LAI/FAPAR/ GPP、GLASS LAI/FVC/GPP等，并且已经广泛应用于全球或区域尺度植被变化趋势及格局分析。

长时序遥感产品在全球变化/植被变绿/植被物候等方面的应用

Science/Nature/PNAS等相关文章

长时序遥感数据产品介绍

长时序遥感数据产品分析方法

长时序遥感数据产品质量评价

MODIS遥感数据产品预处理

基于MODIS TOOL的HDF影像拼接/子区截取/格式转换

基于MODIS TOOL的长时序海量遥感数据的自动批处理程序

基于MATLAB的遥感产品数值读取

基于MATLAB的产品质量控制(QC)图层读取及含义解读

经QC后的产品最大值/均值/中值等合成

长时序MODIS遥感数据产品时间序列重构

遥感数据异常值/离群值outliers检测方法

年内时间序列遥感数据重构以去除噪声点(滤波、多项式拟合、…)

长时序逐年份遥感产品年均/最大值、月均/最大值、季节均/最大值批处理运算

距平anomaly及变异系数coefficient of variation计算

不良天气(如云)对长时序遥感数据分析的影响

基于GIMMS 3g和MODIS NDVI构建更长时序遥感数据

GIMMS 3g和MODIS NDVI产品相关性分析

重叠时间段内GIMMS 3g和MODIS NDVI产品融合

基于GIMMS 3g和MODIS NDVI产品的更长时间序列产品生成

植被物候提取与分析实践应用

年内时间序列遥感数据重构方法

多种植被物候提取方法实现：threshold/logistic/derivative/…

生长季开始/长度/结束日期提取

区域植被SOS/LOS/EOS制图

年际间植被物候变化趋势分析

植被变绿趋势分析实践应用

长时序年际间植被变化趋势分析方法

植被变绿/变黄趋势判断准则

基于一元线性回归的植被变化趋势判断

基于Manner-Kendall(M-K)的植被变化检验

基于变异系数法(CV)的植被变化稳定性分析

区域结果成图显示与空间格局分析

植被变绿与生态系统固碳一致性分析

植被变绿意味着生态系统固碳增强吗？-来自长时序遥感产品的启示

长时序NDVI变化趋势分析

长时序LAI变化趋势分析

长时序GPP变化趋势分析

长时序NDVI/LAI/GPP变化趋势综合研判

草地生长关键参数/生物量遥感估算及趋势分析

草地LAI/覆盖度/生物量遥感估算原理

PROSAIL辐射传输模型应用

PROSAIL模型参数敏感性分析

基于PROSAIL模型草地关键参数遥感反演

长时序草地生长变化趋势分析

⑪CMIP6数据处理方法与典型案例分析实践技术应用

全球气候模型（Global Climate Model, GCM），亦称全球环流模型或全球大气模型，是一种数值模型，被广泛用于模拟地球的气候系统。GCM利用一系列的数学公式来描绘气候系统的各个主要组成部分，包括大气、海洋、冻土以及地表和海洋表面的生物地理过程。GCM的空间和时间精度可以根据需要进行调整。这些模型为我们提供了理解气候系统运行机制的途径，为预测气候变化趋势、评估气候变化对人类社会和生态系统的影响以及制定应对气候变化的策略提供了关键工具。

为了进一步理解气候变化，世界气候研究计划（World Climate Research Programme, WCRP）发起了气候模型比较计划（Climate Model Intercomparison Project，CMIP）。CMIP的主要目标是收集和比较各种全球气候模型的模拟结果，以理解和预测过去、现在和未来的气候变化。

CMIP6数据被广泛应用于全球和地区的气候变化研究、极端天气和气候事件研究、气候变化影响和风险评估、气候变化的不确定性研究、气候反馈和敏感性研究以及气候政策和决策支持等多个领域。这些数据为我们理解和预测气候变化，评估气候变化的影响和风险，以及制定有效的气候政策和决策提供了关键的信息和工具。

专题一 CMIP6中的模式比较计划

1.1 GCM介绍全球气候模型（Global Climate Model, GCM），也被称为全球环流模型或全球大气模型，是一种用于模拟地球的气候系统的数值模型。这种模型使用一系列的数学公式来描述气候系统的主要组成部分，包括大气、海洋、冰冻土壤以及地表和海洋表面的生物地理过程。

GCM在空间和时间上的精度可以根据需求进行调整，通常的分辨率可以从几百公里到几公里，时间步长可以从几分钟到几小时。

1.2 CMIP介绍

CMIP，全称为气候模型比较计划（Climate Model Intercomparison Project），是由世界气候研究计划（World Climate Research Programme，WCRP）发起的一个国际合作项目。其目的是通过收集和比较各种全球气候模型（GCMs）的模拟结果，以理解过去的、现在的和未来的气候变化。

1.3相关比较计划介绍

专题二数据下载

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

QGIS中的操作

裁剪效果

2.5 处理日期非365天的GCM以BCC为例处理

专题三基础知识

3.1 Python基础

Python 是一种高级的、解释型的编程语言，其语法简洁明了，适合快速开发。在大气科学中，Python 以其丰富的科学计算和数据分析库备受青睐。这些库如 Numpy，Scipy，Pandas 和 Xarray 等，为处理大气科学数据提供了强大的支持。

●Numpy：Numpy 是 Python 中用于科学计算的核心库，提供了高性能的多维数组对象及相关工具。对于大气科学数据的处理，例如温度、压力、风速等通常都会使用到多维数组。Numpy 提供了丰富的函数库来处理这些数组，包括数学运算、逻辑运算、形状操作、排序、选择等操作。

●Scipy：Scipy 是基于 Python 的开源软件，用于科学计算中的数值积分和微分方程数值求解，线性代数，优化，信号处理等。在大气科学中，例如对气温、气压等数据进行傅立叶分析，求解大气动力学中的偏微分方程等，都可以使用 Scipy 来实现。

●Pandas：Pandas 是基于 Numpy 构建的，使数据清洗和分析工作变得更快更简单。Pandas 是专门为处理表格和混杂数据设计的，而 Numpy 更适合处理统一的数值数组数据。在大气科学中，例如对气象站的观测数据进行时间序列分析，处理混合类型的气象数据，以及对数据进行清洗、筛选和统计等操作，Pandas 都是非常有用的工具。

3.2 CDO基本操作

CDO（Climate Data Operator）是大气科学领域常用的一款气候和气象数据处理工具。它是一个功能强大的命令行工具，可以处理和分析格网和无格网数据，支持多种数据格式，包括netCDF、GRIB、SERVICE, EXTRA和IEG。CDO提供了一套丰富的函数库，可以用来进行各种常见的数据操作，

包括：●基础操作：如选择、提取和修改变量、维度、属性等。

●数值操作：如四则运算、统计运算、函数运算等。例如，可以计算数据的平均值、最大值、最小值、标准差等。●空间操作：如重新格网、插值、汇总、选择和提取地理区域等。

●时间操作：如选择和提取时间周期、计算时间平均或累积等。

3.3 Xarray的基本操作

Xarray 是一个用于处理多维数组数据的 Python 库，它在 numpy 的基础上提供了一系列用于数据操作和分析的高级接口，并能很好地支持 netCDF 这类基于网络的自描述数据格式，因此在大气科学和气候科学中被广泛使用。

Xarray 的主要特点包括：

●基于标签的数据操作：Xarray 使用维度名称而不是轴编号进行数据选择和操作，极大地增强了代码的可读性和可维护性。

●自动对齐数据：在进行运算时，Xarray 可以自动对齐不同数据集的变量（variables）和坐标（coordinates）。●分组运算和数据透视：Xarray 支持类似于 pandas 的分组运算（group-by）和数据透视（pivot）功能。

●l/O操作：Xarray 对多种数据格式提供了非常好的支持，尤其是对 netCDF 数据的读取和写入。

专题四 单点降尺度

4.1 Delta方法

Delta方法（Delta Change Method），也称为增量方法或差值方法，是气候模型降尺度的一种简单而常用的方法。该方法假设气候变化的幅度在未来相对于历史期间将保持恒定。因此，对于某一具体的未来时段，可以通过计算过去和现在气候的差值（即 delta），并将其应用到未来的气候预测上，来预估未来的气候状态。该方法可以应用于温度和降水等气候变量的预测。

4.2统计订正

概率分布函数（Probability Density Function, PDF）的订正。

这种方法的基本思想是：通过修改大尺度模型输出的PDF，使其更符合观测数据的PDF，从而获得更准确的小尺度气候变量。

4.3机器学习方法

降尺度是将粗尺度的全球气候模型（GCM）输出数据转换为地面更精细尺度的过程。机器学习方法因其在处理复杂模式识别和高维数据问题的强大能力，已经被成功应用于降尺度技术。在气候学领域，机器学习已被成功用于将粗尺度的气候模型输出（例如，温度和降水）与其他环境变量（例如，地形和土壤类型）关联，以获得更高分辨率的气候预测。

实现步骤

●建立特征

● 建立模型

●模型评估

4.4多算法集成方法

多算法的集成

贝叶斯模型平均 (Bayesian Model Averaging, BMA)

贝叶斯模型平均是一种统计方法，用于根据观察数据确定各种模型的后验概率。与选择一个最好的模型相反，贝叶斯模型平均考虑了所有可能的模型，然后根据每个模型的后验概率进行加权平均。

Python+pymc3实现

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

专题六基于WRF模式的动力降尺度

动态降尺度通常使用更高分辨率的区域气候模型（RCM），这些模型在更大尺度的全球气候模型驱动下运行。其中，WRF（Weather Research and Forecasting）模型是目前使用最广泛的区域气候模型之一。 WRF模型是一个灵活的、大气环流模型，适合用于各种尺度的气候和气象研究。它的主要特点是具有高分辨率（可达到几公里），并且可以考虑到许多重要的地球物理过程，如云的形成、降水、陆面过程、海洋过程、边界层过程、辐射、化学过程等。

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

专题七典型应用案例-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

专题八典型应用案例-气候变化2ECA极端气候指数计算

ECA (European Climate Assessment) 是欧洲的一个气候评估项目，其在全球范围内发布了一系列的极端气候事件指数。这些指数被广泛用于气候变化研究，特别是在研究极端天气和气候事件方面。

ECA 的极端气候指数主要包括以下几类：

温度指数：这些指数主要用于度量温度的极端情况，例如热日数（TX90p，年中最高气温超过90百分位数的天数）、冷日数（TN10p，年中最低气温低于10百分位数的天数）、热夜数（TN90p，年中最低气温超过90百分位数的天数）、冷夜数（TN10p，年中最低气温低于10百分位数的天数）等。

降水指数：这些指数主要用于度量降水的极端情况，例如最大连续5日降水量（RX5day）、大于或等于10mm的降水日数（R10mm）、大于或等于20mm的降水日数（R20mm）、降水强度（SDII）等。这些指数对于理解和预测极端气候事件的影响非常重要，因为极端气候事件（如热浪、干旱、洪水等）往往比平均气候变化带来更大的影响。因此，对这些指数的研究有助于我们更好地理解和适应气候变化。

lConsecutive dry days index

lConsecutive frost days index per time period

lConsecutive summer days index per time period

lConsecutive wet days index per time period

专题九典型应用案例-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

专题十典型应用案例-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。

⑫基于全球模式比较计划CMIP6与区域气候-化学耦合模式 WRF-Chem 的未来大气污染变化模拟

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的预估模拟。

该模式比较计划涉及数据的格式转换和降尺度处理、区域模式涉及复杂的动力和化学过程，在数据运用和模式运行方面难度较大

CMIP6数据及运行平台建设

1.CMIP模式比较计划介绍：背景、意义、情景讲解。

2.CMIP数据下载方法

3.数据格式讲解与实践（NETCDF）

4.数据转换工具讲解与实践（CDO/NCO）

5、虚拟机及相关软件库的安装

CMIP6数据驱动WRF和WRF-Chem模式

1、WRF数据格式讲解

2.CMIP6情景数据用于提供WRF-Chem模式的气象驱动场代码解译

3.未来情景排放清单（SSP、DPEC）

4.数据处理实践操作

WRF-Chem的未来情景模拟

1.基于CMIP6和未来情景排放清单，驱动WRF-Chem模式

2.初边界条件

3.模拟实验思路讲解：

1）气候变化和排放变化对未来大气污染的影响趋势

2）污染-气象相互作用

答疑

数据获取和处理

2.模式设置

3.其它问题

⑬双碳目标下农田温室气体排放估算与模拟

当前全球温室气体大幅升高，过去170年CO2浓度上升47%，这种极速变化使得物种和生态系统的适应时间大大缩短，进而造成全球气候变暖、海平面上升、作物产量降低、人类心血管和呼吸道疾病加剧等种种危害。生态与农业是甲烷（CH4）、氧化亚氮（N2O）和二氧化碳（CO2）等温室气体的主要排放源，占全产业排放的13.5%。农田温室气体又以施肥产生的N2O和稻田生产产生的CH4为主，如何对农田温室气体进行有效模拟，不确定性较大。本文将从碳库模拟、机器学习方法、生命周期评价法（LCA）、经验模型和过程模型多个维度详细进行生态与农田温室气体排放的模拟

温室气体排放模拟研究

1. 农田温室气体的前沿应用

农田温室气体排放的经典实验设计

农田温室气体排放的全球数据整合

农田温室气体排放的模拟研究

农田CH4和N2O排放模拟

1. 农田CH4排放的模拟研究

甲烷（CH4）排放的过程

CH4排放的模拟研究

CH4排放的经验算法和过程算法

CH4排放程序的编写

2. 农田N2O排放的模拟研究

氧化亚氮（N2O）排放的过程（氮素的硝化作用与反硝化作用）

N2O的模拟的主流方法和模型

N2O排放的模拟练习

农田碳库模型和土壤呼吸

1 农田主流碳库分解模型

碳库的概念

一级动力学碳库方程

主流碳库模型及其算法

两三库模型的编写和呼吸CO2的模拟

基于生命周期评价法的农田温室气体排放估算

1 生命周期评价法

生命周期评价法介绍

生命周期排放清单数据库

2 自下而上的农田碳排放估算

生命周期边界的设定

不同农业活动情景下农田温室气体排放估算

基于过程模型的温室气体排放模拟

1. DSSAT模型土壤养分动态过程及温室气体排放的模拟

DSSAT模型的CH4模拟

DSSAT模型的N2O模拟

DSSAT模型的CO2模拟

DSSAT模型的总温室气体和作物生产模拟

2. DSSAT模型温室气体模拟的实操练习

3. 不同农田管理情景下温室气体的模拟

⑭生态系统碳循环模型CENTURY建模方法与实例

CENTURY模型，主要基于过程的陆地生态系统生物地球化学循环模型。主要用于模拟不同土壤

-植被系统间C、N、P和S的长期动态。根据土壤有机质的分解速率，CENTURY模型将土壤总有机

碳（TOC）分成了三个碳库，即活性、慢性和惰性有机碳库。

通过完整的案例分析，加深在实际项目中的理解应用。由于“碳中和”备受关注，案例的选择上，重点在内容上围绕碳方面展开，更符合研究热点的需求

CENTURY模型介绍与安装

关系模型的构建与应用 CENTURY模型原理 CENTURY模型的结构 模型的安装及注意事项

介绍关系模型的特点、优势、构建过程、以及应用时的注意事项；

CENTURY模型的开发及原理；

CENTURY模型各个模块的结构，并根据结构解释内涵。

下载并安装CENTURY模型软件，进入安装目录；

CENTURY模型文件系统及运行

模型的文件系统 模型的运行 实践演练

CENTURY模型安装目录下的文件系统；

进入模型操作界面，熟悉操作命令，运行模型；

设定特定生态系统的土地变化历史，使用CENTURY模型进行模拟实践。

CENTURY模型的参数系统

输入数据 参数设定 输出数据 情景演练

对模型的输入数据进行详细讲解，掌握如何按照要求的格式准备输入数据；

如何根据待模拟生态系统的土地利用和管理历史，设定参数，进行模拟；

模型的输出数据，并掌握输出结果提取方法

依据不同土地利用情景，调整参数，进行模拟实践。

CENTURY模型应用实例

Switchgrass生物量的模拟 柠条灌木林生产力的模拟

CENTURY模型应用实践——以柠条灌木林生产力模拟为例

相关文献中对Switchgrass生物量的模拟过程；

文献中对柠条生产力的模拟过程；

熟悉CENTURY模型使用的全过程，包括数据整理、模型校正验证、模型预测：通过使用柠条生物量的数据，通过参数校正和验证，获得适合模拟柠条生产力的参数系统，并对柠条的生长进行预测。

⑮双碳目标下基于遥感技术的碳库、碳平衡、温室气体、碳循环等多领域监测与模拟

随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。

卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成为监测全球碳盘查不可或缺的技术手段，卫星遥感也正在成为新一代、国际认可的全球碳核查方法。本此课程的目的就是梳理碳中和与碳达峰对卫星遥感的现实需求，系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展，以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题

以全球变暖为主要特征的气候变化已成为全球性环境问题，对全球可持续发展带来严峻挑战。2015年多国在《巴黎协定》上明确提出缔约方应尽快实现碳达峰和碳中和目标。2019年第49届 IPCC全会明确增加了基于卫星遥感的排放清单校验方法。随着碳中和目标以及全球碳盘点的现实压力，基于遥感技术的碳监测成为了领域热点。

卫星遥感具有客观、连续、稳定、大范围、重复观测的优点，已成为监测全球碳盘查不可或缺的技术手段，卫星遥感也正在成为新一代、国际认可的全球碳核查方法。本此目的就是梳理碳中和与碳达峰对卫星遥感的现实需求，系统总结遥感技术在生态系统碳储量、碳收支、碳循环以及人为源排放反演等领域的技术发展，以实践的角度切实解决遥感技术在生态、能源、大气等领域的碳排放监测及模拟问题

双碳视角下遥感技术的研究方向

双碳背景及遥感的现实需求

全球碳库、碳收支及碳循环现状

碳储量、碳收支与碳循环中的遥感技术

ENVI及ArcGIS软件一体化集成技术

专题二:生态系统碳库的遥感估算—以森林碳储量为例

碳储量（碳库）估算的方法与原理讲解

遥感数据资源及下载

遥感数据的处理与特征参量的提取

特征参量重要性与敏感性分析

遥感回归模型的构建与碳储量估算

生态系统碳收支的遥感模拟—以京津冀地区为例

碳源/汇（碳平衡/碳收支）遥感指标(NEP，NPP等)基本概念

碳收支估算模拟的方法和原理讲解

遥感及辅助数据的获取与处理

基于CASA模型的NEP时空分布提取

区域能源消耗碳排放空间格局模拟—基于夜间灯光数据

能源消耗碳排放核查的原理与方法讲解

夜间灯光数据发展现状与获取

辅助数据的获取与处理

夜间灯光数据的处理

基于夜间灯光数据碳排放模型的构建与修正

土地利用变化碳排放效应的遥感监测—以城市扩张为例

土地利用变化碳排放估算的原理

大尺度土地利用变化数据的获取

高精度土地利用数据的制作

年际土地利用变化矩阵的制作

基于FLUS模型的多情景土地利用变化模拟

城市扩张碳排放效应的监测与制图

基于InVEST模型的土地利用碳储量分析

农田生态系统碳循环模型的遥感应用—农田及土壤碳核算

主流生态过程模型原理与优缺点

DNDC模型的下载与安装

驱动数据的获取

模型驱动与参量调整

DNDC碳循环模拟结果分析

农田土壤有机碳核算

陆地生态系统碳循环模型的遥感应用—流域生态系统为例

流域SWAT模型简介

SWAT-DAYCENT模型简介

驱动数据的获取

流域尺度碳循环模拟

流域土壤有机碳核算

大气温室气体卫星反演数据分析—以甲烷卫星数据为例

温室气体监测技术的发展

可用温室气体卫星反演数据获取

甲烷卫星反演数据读取

甲烷卫星反演数据的分析

⑯双碳目标下DNDC模型建模方法及在土壤碳储量、温室气体排放、农田减排、土地变化、气候变化中的实践

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

DNDC模型介绍

1.1 碳循环模型简介

1.2 DNDC模型原理

1.3 DNDC下载与安装

1.4 DNDC注意事项

DNDC初步操作

2.1 DNDC界面介绍

2.2 DNDC数据及格式

2.3 DNDC点尺度模拟

2.4 DNDC区域尺度模拟

2.5 DNDC结果查看

遥感和GIS基础

3.1 DNDC中的遥感和GIS技术

3.2 ArcGIS软件界面

3.3 坐标系与坐标变换

3.4 区域地块的数字化

3.5 ArcGIS数据处理

DNDC气象数据

4.1 DNDC气象数据调用

4.2气象数据资源与下载

4.3 DNDC气象数据制备

4.4 太阳辐射数据的计算

4.5 GLDAS数据显示与读取

4.6 气象站点泰森多边形分析

DNDC土地数据

5.1 遥感技术简介

5.2 ENVI软件界面

5.3 遥感图像获取与显示

5.4 遥感图像处理

5.5土地利用遥感解译

5.6 遥感影像地块数字化

5.7 定量遥感与土地类型提取

5.8 土地利用遥感产品下载与处理

DNDC土壤数据

6.1 土壤数据原理

6.2 SPAW软件土壤质地制备

6.3 土壤类型数据处理

6.4 土壤粒径组成与参数库查询

6.5 SPAW软件土壤参数计算

6.6 HWSD土壤数据处理

DNDC结果分析

7.1 DNDC单点结果统计

7.2 DNDC区域结果统计

7.3 DNDC区域结果的地块显示

7.4 DNDC区域结果的空间插值

7.5 DNDC区域结果地图制作

DNDC率定验证

8.1 率定验证原理

8.2 参数率定实现

8.3 率定验证的判断

8.4 参数敏感性分析析

土壤碳储量与作物产量

9.1 土壤碳储量分析

9.2 土壤含水量分析

9.3 土壤温度分析

9.4 作物产量分析

温室气体排放分析

10.1 二氧化碳分析

10.2 甲烷分析

10.3 氧化亚氮分析

农田减排潜力分析

11.1 双碳目标与碳减排措施

11.2 DNDC减排潜力模拟

土地变化下的DNDC模拟

12.1 土地利用变化与碳排放

12.2 土地利用变化的转移矩阵分析

12.3 土地利用变化情景分析

12.4 未来土地利用预测

12.5 土地利用变化下的DNDC模拟

气候变化下的DNDC模拟

13.1 CMIP6数据简介

13.2 CMIP6数据下载

13.3 CMIP6数据显示

13.4 CMIP6数据转DNDC气象数据

13.5 未来气候变化下的DNDC模拟

⑰InVEST实践与进阶及在生态系统服务供需、固碳、城市热岛、论文写作

1)采用InVEST模型，掌握产水（包括水源涵养）、碳存储（包括固碳）、土壤保持、水质（氮磷）、生境质量和热岛缓解等生态系统服务评估方法，开展人类活动影响、重大工程实施的生态成效评估；

2)原理深入浅出的讲解，包括参数的设置、数据的获取和处理，模型结果的深度解析；

3)技巧方法讲解，使用经验心得分享，提供所有案例数据及代码；

4)与项目案例相结合讲解实现方法，对接实际工作应用；

5)跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；

6)和科研论文写作结合，详细讲解论文写作技巧和写作思路及数据图表的制作；

1.生态系统服务理论联系实践案例

2.InVEST模型的开发历程、不同版本的差异及对数据需求的讲解

3.InVEST所需数据的要求（分辨率、格式、投影系统等）、获取及标准化预处理讲解

4.InVEST运行常见问题及处理解决方法讲解

5.ArcGIS工具支撑InVEST模型讲解

ØArcGIS数据形式与数据格式、数据格式之间的相互转换；

投影/坐标系统基础；

Ø各种格式空间数据的剪裁、拼接及提取；

Ø矢量数据、删格数据的符号化；

Ø图层运算与叠加分析方法；

Ø缓冲区分析技术；

Ø插值技术；

Ø水文分析：提取流域、子流域和水系图

u数据需求、数据获取与标准化预处理

u模型的验证方法 u模型运行结果的解读、呈现和数据提取

u模型的拓展，如价值化等方面 u模型实践操作：以全国产水服务为例

u数据需求、数据获取与标准化预处理

u模型的验证方法 u模型运行结果的解读、呈现和数据提取

u模型的拓展，如价值化等方面

u模型实践操作：以全国产水服务为例

数据需求：土壤的最大根系埋藏深度，年降水量，植物可利用水量，年平均潜在蒸散发，土地利用/覆被，流域，次流域，生物物理系数表等。

1.土壤保持模型操作与应用

1. 1. 原理与方法
  2. 数据需求、数据获取与标准化预处理
  3. 模型的验证方法
  4. 模型运行结果的解读、呈现和数据提取
  5. 模型的拓展，如价值化等方面
  6. 模型实践操作：以全国土壤保持服务为例

氮磷输出模型操作与应用

1. 1. 原理与方法
  2. 数据需求、数据获取与标准化预处理
  3. 模型的验证方法
  4. 模型运行结果的解读、呈现和数据提取
  5. 模型的拓展，如价值化等方面
  6. 模型实践操作：以全国氮磷输出为例

3.碳存储模型操作与应用

1. 1. 原理与方法
  2. 数据需求、数据获取与标准化预处理
  3. 模型的验证方法
  4. 模型运行结果的解读、呈现和数据提取
  5. 模型的拓展，如价值化等方面

模型实践操作：以全国碳存储服务为例

1.生物多样性模型操作与应用

1. 1. 原理与方法
  2. 数据需求、数据获取与标准化预处理
  3. 模型的验证方法
  4. 模型运行结果的解读、呈现和数据提取
  5. 模型的拓展，如价值化等方面

模型实践操作：以全国生物多样性维持服务为例

2. 城市热岛缓解（降温）模型操作与应用

1. 1. 原理与方法
  2. 数据需求、数据获取与标准化预处理
  3. 模型的验证方法
  4. 模型运行结果的解读、呈现和数据提取
  5. 模型的拓展，如价值化等方面
  6. 模型实践操作

3.InVEST模型在人类活动、重大生态工程、生态保护与修复效益评估项目中的应用及论文写作

重大生态保护与修复工程、保护与开发项目等生态政策的制定，如退耕还林政策、生态保护政策、自然保护区调整等，均需要提前对项目实施后的生态效益进行预测。通过情景构建的方法，对不同保护对策或建设路径的生态系统服务成效进行评估与权衡，从而得出最优化的保护与开发对策。

4.InVEST模型在生态保护政策及保护优先区甄选项目中的应用及论文写作生态保护红线政策、保护优先区甄选、自然保护区调整及其他相关项目，均需要在对区域的生态系统服务进行评估的基础上，进一步分析各生态系统服务指标的空间分布与数量特征，揭示各指标的权衡与协同关系；甄选其热点分布区域，将各指标的热点区域进行空间叠加分析，最终得出项目区域的优先保护与管理对策。

5.InVEST模型在生态系统服务供需、碳中和等领域和政策上的具体应用

生态系统服务供需关系是优化国土空间格局的重要举措，是实践“绿水青山就是金山银山”的重要抓手。优化国土空间格局，即是通过优化生态系统布局，提高生态系统服务供给，协调供给与需求之间的矛盾，在适当的尺度上实现供需平衡。此外，绿水青山转化为金山银山的重要前提，是要弄清绿山青山的供给者（供给区域）、消耗者（消耗区域）及其相互关系。揭示生态系统服务的供需耦合特征，是实践“绿水青山就是金山银山”的重要突破口。尤其是当前亟待解决的“碳中和”目标，更需要对生态系统固碳服务的供给和需求进行正确的量化与空间化。

特点及要求： 1.与实例项目相结合 2.进行经典论文重现 3.指导讲授论文写作方法 4.自备电脑

⑱DSSAT作物模型建模方法及实践

Decision Support Systems for Agrotechnology Transfer (简称DSSAT)模型是世界知名的作物生长模拟模型之一。现有版本V4.7能模拟27种主要农作物的生长发育和产量形成过程，被广泛应用于精细农业、水肥管理、气候变化、粮食安全、土壤碳周转、环境影响、农业可持续性、农业生态等诸多与农业生产和科研有关的领域。

DSSAT模型与高级应用

作物生长模型的概念

作物生长模型的发展现状

DSSAT模型的开发历程

DSSAT模型的模块及模拟流程

作物生长模型的前沿应用

作物生长模型的算法改进

作物生长模型站点尺度和栅格尺度的模拟

作物生长模型与机器学习的集成

作物生长模型与遥感、表型数据的同化

DSSAT模型安装与编译

DSSAT模型操作

DSSAT的安装

DSSAT模型操作界面讲解

2 DSSAT模型源码操作与编译

DSSAT模型源码安装

DSSAT源码的介绍与修改

DSSAT源码的编译

DSSAT气象文件准备

DSSAT自带的气象数据的准备

DSSAT气象文件的介绍

日照转辐射算法

DSSAT气象文件转化

DSSAT模型的物候发育模块

DSSAT生育期算法

DSSAT模型的生育期尺度

DSSAT模型的积温计算

DSSAT模型的生育期算法

DSSAT模型的生育期影响因子及算法

DSSAT土壤文件准备

DSSAT模型的土壤输入参数

DSSAT模型土壤参数在数据缺失情况下的近似估算

DSSAT模型土壤输入文件准备

DSSAT土壤水-碳-氮模块

DSSAT模型的土壤模块

DSSAT模型土壤水分模块的主要算法

DSSAT模型土壤养分动态过程模拟及N2O排放的模拟

氮素的矿化和固定过程

氮素的硝化作用与反硝化作用

土壤N2O的模拟

土壤磷动态与模拟

DSSAT模型土壤碳库模型及土壤有机碳SOC的模拟

土壤碳库模型的发展历程

土壤碳的周转模型

土壤CO2排放和土壤有机碳的模拟

DSSAT管理文件准备

DSSAT模型的农田管理措施的准备

DSSAT模型播期和播种密度设置

DSSAT模型施肥设置（化肥+有机肥）

DSSAT模型的灌溉设置

DSSAT模型秸秆还田设置

2 DSSAT模型的作物生长模拟

光温潜在产量的模拟

不同管理措施下作物生长的模拟

DSSAT作物生长模拟算法

1 DSSAT模型光合生产和物质分配算法

2 DSSAT模型产量形成算法

3 DSSAT模型养分吸收、分配和养分效应算法

4 DSSAT水分效应算法

DSSAT作物参数设置和优化

1 DSSAT模型的主要遗传参数，包括物种参数、生态型参数、品种参数

2 DSSAT软件自带的参数优化方法

DSSAT软件自带的参数敏感性分析方法

DSSAT模型结果分析与模型评价

1 对DSSAT模拟的模拟结果进行分

2 对模拟结果的进行模型评价

3 对模型的结果进行做图

⑲生态碳汇涡度相关监测与通量数据分析

1、以涡度通量塔的高频观测数据为例，基于MATLAB开展上机操作：

2、涡度通量观测基本概况：观测技术方法、数据获取与预处理等

3、涡度通量数据质量控制：通量数据异常值识别与剔除等

4、涡度通量数据缺失插补：结合气象数据进行通量数据缺失插补等

5、涡度通量数据组分拆分：计算生态系统呼吸和总初级生产力等

6、涡度通量数据可视化分析：绘制不同通量组分数据的时间变化等

7、涡度通量与气象数据相关性：时间序列相关分析、回归分析等

8、涡度通量光敏感性分析：利用白天通量与辐射数据计算光响应曲线参数等

9、涡度通量温度敏感性分析：利用夜间通量与温度数据计算温度敏感性参数等

10、涡度通量数据风浪区分析：涡度通量Footprint时空动态分析等析等

⑳生态系统NPP及碳源、碳汇模拟实践

由于全球变暖、大气中温室气体浓度逐年增加等问题的出现，“双碳”行动特别是碳中和已经在世界范围形成广泛影响。碳中和可以从碳排放（碳源）和碳固定（碳汇）这两个侧面来理解。陆地生态系统在全球碳循环过程中有着重要作用，准确地评估陆地生态系统碳汇及碳源变化对于研究碳循环过程、预测气候变化及制定合理政策具有重要意义。

模型简介

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

NPP模拟的子模型

CASA模型(Potter et al，1993)中植被净初级生产力主要由植被所吸收的光合有效辐射(APAR)与光能转化率两个变量来确定。

NPP(x, t) = APAR(x, t)×ε(x,t)

式中t表示时间x表示空间位置

模型包括土壤有机物、微量气体通量、养分利用率、土壤水分、温度、土壤结构和微生物循环。模型以月为时间分辨率来模拟碳吸收、营养物分配、残落物凋落、土壤营养物矿化和二氧化碳释放的季节变化。Potter和Klooster考虑了人为活动导致的土地覆盖变化，对CASA模型以及某些参数做了一些调整，来改善与植物吸收需求有关的土壤碳循环和总生态系统可获得氮量的计算

模型案例

CASA模型介绍

1.1 碳循环模型简介

1.2 CASA模型原理

1.3 CASA下载与安装

1.4 CASA注意事项