基于全球气候模式驱动碳循环机理模型的碳吸收预估方法技术

基于全球气候模式驱动碳循环机理模型的碳吸收预估方法，为了解决不同排放情景下未来陆地生态系统高分辨率的碳吸收数据难以获取的问题。本发明专利技术首先收集目的地历史时段数据以及CMIP6模拟数据，分为历史时段模拟数据和未来时段模拟数据，并对CMIP6中的多种模式数据进行尺度统一处理；基于目的地历史时段数据，对CMIP6中多种模式历史时段模拟效果进行综合评估，筛选每个数据种类各自对应的最优的模式并进行等权重集合；基于同一时间阶段的目的地历史时段数据与CMIP6历史时段集合模拟数据，构建模拟数据订正模型，然后基于未来集合模拟值订正后的数据，利用BEPS模型预估未来碳吸收指标。指标。指标。

【技术实现步骤摘要】
基于全球气候模式驱动碳循环机理模型的碳吸收预估方法


[0001]本专利技术属于碳循环模拟
，涉及一种碳吸收预估方法。

技术介绍

[0002]为了更好地实现双碳战略目标，维持全球碳平衡，减缓气候变化的多方面影响，在实行生态系统保护修复和节能减排政策的同时，更应针对碳循环分布格局、增汇潜力等方面展开更加全面系统的研究。科学地评估生态系统碳收支时空分布特征和生态系统服务功能，是其潜力评估，以及适应和减缓气候变化的关键。目前也有很多专家对碳吸收估计和预估展开了研究，但是利用CMIP6模型数据驱动BEPS碳循环模型，对于不同陆地生态系统碳循环规律进行研究的案例较少。基于CMIP6全球气候模式不同碳排放路径情景下，开展碳吸收定量预估，可以为生态系统保护和修复、服务双碳目标生态气象服务提供技术支撑。

技术实现思路

[0003]本专利技术为了解决不同排放情景下，未来陆地生态系统高分辨率的碳吸收数据难以获取的问题。
[0004]基于全球气候模式驱动碳循环机理模型的碳吸收预估方法，包括以下步骤：
[0005]S1、利用CMIP本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于全球气候模式驱动碳循环机理模型的碳吸收预估方法，其特征在于，包括以下步骤：S1、利用CMIP6模型预测未来驱动数据变化特征：步骤1.1、收集目的地历史时段数据：目的地历史时段数据中的数据种类包括降水量、太阳辐射量、最高温度、最低温度、相对湿度、二氧化碳浓度、叶面积指数，以及氮沉降、地表覆盖、30年平均温度、土壤质地、聚集度指数、经纬度数据；步骤1.2、获取CMIP6模拟数据，CMIP6模拟数据包括多种模式数据，CMIP6模拟数据中分为历史时段模拟数据和未来时段模拟数据；CMIP6模拟数据中的数据种类包括降水量、太阳辐射量、最高温度、最低温度、相对湿度、二氧化碳浓度、叶面积指数；将降水量、太阳辐射量、最高温度、最低温度、相对湿度记为气候要素数据；步骤1.3、对CMIP6中的多种模式数据进行尺度统一处理；步骤1.4、基于目的地历史时段数据，对CMIP6中多种模式历史时段模拟效果进行综合评估，筛选每个数据种类各自对应的最优的3个模式；步骤1.5、针对每个数据种类的数据，分别将各自对应的3个模式的模拟值进行等权重集合：即(模式1+模式2+模式3)/3，得到每个数据种类对应模拟值；将CMIP6中历史时段模拟数据和未来时段模拟数据对应的等权重集合后的每个数据种类模拟值分别记为CMIP6历史时段集合模拟数据和CMIP6未来时段集合模拟数据；步骤1.6、基于同一时间阶段的目的地历史时段数据与CMIP6历史时段集合模拟数据，构建模拟数据订正模型：R
future
(i，j，k)＝R
CMIP6future
(i，j，k)
‑
error(i，j)其中，是CMIP6历史时段集合模拟数据平均值，其中降水量、太阳辐射量、最高温度、最低温度、相对湿度、叶面积指数为逐日平均格点值，CO2为逐日平均值；是目的地历史时段数据的平均值，降水量、太阳辐射量、最高温度、最低温度、相对湿度、叶面积指数为逐日平均格点值，CO2为逐月平均值；error是二者的偏差；R
future
(i，j，k)是未来集合模拟值订正后的结果，R
CMIP6future
(i，j，k)是CMIP6未来时段集合模拟数据；S2、基于未来集合模拟值订正后的降水量、太阳辐射量、最高温度、最低温度、相对湿度、二氧化碳浓度、叶面积指数数据，利用BEPS模型预估未来碳吸收指标，所述碳吸收指标包括总初级生产力GPP，和/或净初级生产力NPP，和/或净生态系统生产力NEP，和/或土壤水分含量SW，和/或蒸散发ET，和/或释氧量，和/或碳储量。2.根据权利要求1基于全球气候模式驱动碳循环机理模型的碳吸收预估方法，其特征在于，S2中基于未来集合模拟值订正后的降水量、太阳辐射量、最高温度、最低温度、相对湿度、二氧化碳浓度、叶面积指数数据，利用BEPS模型预估未来碳吸收指标之前，需要对BEPS模型进行模型预热，即：
输入目的地的历史数据，进行历史碳吸收指标模拟；所述目的地的历史数据，为时间尺度范围更大的目的地的历史时段数据，即目的地的历史数据的数据类型与目的地的历史时段数据完全相同，时间尺度大于历史时段的时间尺度。3.根据权利要求2基于全球气候模式驱动碳循环机理模型的碳吸收预估方法，其特征在于，在进行模型预热时对碳循环机理模型参数进行调整与架构优化，具体包括以下步骤：修改代码及配置文件，包括：预热和正式计算的起止年份，模型的运行场景。4.根据权利要求1、2或3基于全球气候模式驱动碳循环机理模型的碳吸收预估方法，其特征在于，利用BEPS模型预估未来碳吸收指标之后，对碳吸收指标进行时空分布特征评估，具体包括以下步骤：将碳吸收指标记为Θ，Θ为GPP、NPP、NEP、SW、ET、释氧量或碳储量；按照每k
’
...

【专利技术属性】
技术研发人员：于敏，贾小龙，程春香，薄宇，阮多，徐作敏，于大江，张作君，
申请(专利权)人：黑龙江省生态气象中心，
类型：发明
国别省市：