博文
全部博文|气象人必备模型|
无人机农林|
DNDC模型|
地质类软件|
SolVES 模型生态系统服务功能社会价值评估|
（SEM）结构方程、混合效应模型|
LEAP模型/CGE/生命周期/GAMS电力/建筑碳排放|
陆地生态系统碳汇及碳源变化模型|
机器学习、深度学习、网络爬虫、数据挖掘|
CMIP6数据处理方法与典型案例分析实践技术应用|
经济学论文教程|
生态 遥感|
SWAT-MODFLOW|
新-水土保持|
水文 水资源模型|
SWMM 内涝 海绵城市 专栏|
GPT4|
- 【DNDC模型】在土地利用变化、未来气候变化下的建模方法及温室气体时空动态模拟
- 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。 【原文链接】： 最新DNDC模型在土地利用变化、未来气候变化下的建模方法及温室气体 ...
- 【案例教程】无人机遥感在农业林信息提取中的实现方法与GIS融合制图技术
- 遥感技术作为一种空间大数据手段，能够从多时、多维、多地等角度，获取大量的农情数据。数据具有面状、实时、非接触、无伤检测等显著优势，是智慧农业必须采用的重要技术之一。本课程梳理了我国目前无人机遥感在智慧农业信息提取的综合态势，对无人机平台的性能、机载传感器指标、地面传感器应用、农林遥感光谱指数、农林 ...
- 基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用
- 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、 ...
- 基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践技术
- 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 ...
- CMIP6数据处理方法与典型案例分析
- 国际耦合模式比较计划进入新的阶段——第六阶段（CMIP6），这将为气候变化研究领域提供更丰富的全球气候模式数据。相比于 CMIP5，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。 ...
- Noah-MP陆面过程模型建模
- 【 原文链接 】： Noah-MP陆面过程模型建模方法与站点、区域模拟实践技术 【 目标 】： 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 ...
- 最新CAMx-Python融合技术应用与大气污染来源解析方法案例
- 大气污染问题既是局部、当地的，也是区域的，甚至是全球的。本地的污染物排放除了对当地造成严重影响外，同时还会在动力输送作用下，极大地影响下风向地区的大气环境状况。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 ...
- 基于SMOKE多模式排放清单处理技术及EDGAR/MEIC清单制作与VOCs排放量核算
- 大气污染问题既是局部、当地的，也是区域的，甚至是全球的。本地的污染物排放除了对当地造成严重影响外，同时还会在动力输送作用下，极大地影响下风向地区的大气环境状况。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 ...
- MCM箱模型实践技术应用与O3形成途径、生成潜势、敏感性 分析
- 前言： 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。 MCM (Master Chemical Mechanism) ...
- CMIP6：WRF模式动力降尺度、单点降尺度、统计方法区域降尺度
- 国际耦合模式比较计划进入新的阶段——第六阶段（CMIP6），这将为气候变化研究领域提供更 丰富的全球气候模式数据。相比于 CMIP5，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 25k ...
