Forcings ：

current climate

1 ：ftp传输西部数据中心《中国区域高时空分辨率地面气象要素驱动数据》，1979-2015/365天/ 7要素；
2 ：Matlab解译.nc文件，解译前处理：使用查找”.“，找到子文件夹下所有.nc文件，将其移到一个文件夹下。

clc;
clear;
datadir = 'E:\day_0.1_forcing\';         %位置
filelist = dir([datadir,'*.nc']);       %查找文件夹内所有符合格式的文化
% a = filelist(1).name;                 %展示
% b = filelist(2).name;
k=length(filelist);

for i = 1:k   
     %% 批量读取NC文件
    ncFilePath = ['E:\day_0.1_forcing\',filelist(i).name]; %设定nc路径
    num = filelist(i).name(1:53);   %读取数据编号，以便于保存时以此编号储存tif   
    %% 读取变量值
    lon=ncread(ncFilePath,'lon'); %读取经度
    lat=ncread(ncFilePath,'lat'); %读取维度
    time=ncread(ncFilePath,'time');%读取时间序列
    prec=ncread(ncFilePath,'precipitation');%获取降雨变量数据，在读取文件夹中需逐个更改变量名
    % sum_pre=sum(pre,3); %此处我是为了求月总降水，所以他人可以不管
    
   %% 展示数据
    % pcolor(lat,lon,sum_pre);
    % shading flat;  %移除网格线，否则图上一片黑什么都没有
    % [x,y]=meshgrid(lon,lat);%根据经纬度信息产生格网，3600列（经度），1800列（纬度）
    % phandle=pcolor(x,y,sum_pre');%显示一个矩阵，其中x,y,sum_pre的行列数必须一致
    % shading flat;
    % colorbar
    % imwrite(sum_pre','...................................','tif')

 %% 存为tif格式 
        datee = fliplr(temp); %左右镜像旋转

    data = rot90(datee);  %逆时针90° ，for 带有镜像
    %很重要，这是镜像反转，否则最后的图像的南北朝向是错的 一定先查看nc格式的反转问题！！！

    R = georasterref('RasterSize', size(data),'Latlim', [double(min(lat)) double(max(lat))], 'Lonlim', [double(min(lon)) double(max(lon))]); 
    geotiffwrite(['E:\day_0.1_forcing\',num,'.tif'],data,R);
    disp([num,'done'])
    
end
disp('finish!')

3 ：解译的tif文件为包含某一属性的一年的全国图，首先将其重采样至0.1°（源文件精确的0.1°），其次掩膜（用大范围shp文件）提取出研究区；
4 ：提取365层波段属性信息（注意：多波段的tiff文件双击即可选择全部的band提取，否则之提取单一波段值）至矢量点文件属性表中；

Arcgis打开矢量文件，文件输出属性表为.TXT格式（原因是DBF文件只能展示255列）

（！！！新方法：使用arcgis_FME工具，
quick export可以导出为xlsx格式，且直接批量输出）

5 : 使用Excel打开txt文件，不同气象要素计算/更改为目的格式！后处理所有气象要素为下图：

6 ：Excel合并所有sheet：
新建一个总表，准备汇总Alt+F11，

在弹出的新界面中，左键双击坐标的名为”总表“的工作表，使后续的代码是复制到这个工作表中。

在右边的空白区域，复制下面的代码：

Sub main()
For Each sh In Sheets
If sh.Name <> "总表" Then
i = sh.Range("ALG65536").End(3).Row
k = Range("A65536").End(3).Row
sh.Range("A1:ALG" & i).Copy Range("A" & k + 1)
End If
Next
End Sub

代码详解：
a.Sub main()——其中Sub 跟括号是固定的，main是宏名，可以随便更改（其实完全没有必要多此一举，这里可以不做任何修改）
b.For Each sh In Sheets——这是遍历全部的工作表，这里就要注意，如果你的工作表中包含一些，不需要汇总数据的工作表，那么就需要将源数据表备份一份，然后将不需要汇总数据的工作表都删除掉，只剩下总表以及需要汇总数据的工作表（当然，还有其他办法，这里只讲解最简单地做法）
c.If sh.Name < >’‘总表’’ Then——这里是判断工作表的名字是不是”总表“，如果是总表，就不汇总数据，本例中总表的名字就是”总表“，如果你的工作表中，总表名字是其他的，就将这里的”总表“改为你的工作总表明细；
d.i = sh.Range(’‘D65536’’).End(3).Row——这里要注意(’‘D65536’’)，是为了获得最后一个不为空的行的行号，这里用了D列，因为本例中的D列是有数据的，在实际的使用过程中，一定要选择一个最后一列有数据的列，65536代表excel最大值。否则不能获得最大行号（假如只有2列，那么这里的D可以改为B或者A）
e.k = Range(’‘A65536’’).End(3).Row——这里是获得总表的最大行号，以便复制的数据，能够依次往下粘贴；（这里的A65536跟上面提到的是一个道理，总表中的A列最后一行不是空的）f.sh.Range(’‘A2:D’’&i).Copy Range(’‘A’’ & k + 1)——这里要注意’‘A2:D’’&i是要复制的区域，因为本例中只有A-D列，而且数据是从第2行开始的，所以这里是A2:D，那假如是从E列第10行开始，到Z列结束的区域，就应该改为E10：Z；
Range(’‘A’’ & k + 1)——这里是从总表的A列开始粘贴，假如是从D列开始，那么这里的A改为D即可
g.End If
Next
End Sub——这些是结束判断、继续循环和程序结束，都不需要更改。保存执行代码

7 : 上述只能将每个单元格网下方排列，需要手动剪切–粘贴，然后排序——按行排列（目的使一个网格的所有气象要素紧挨在一起。

8. excel气象文件循环输出为每一cell的文件（R）

climate <- read.csv("1990climate.csv", header = TRUE)

lonlat <- read.csv("long_lat.csv", header = T)

head(lonlat)
ne <- lonlat [,-1]
head(ne)


for (i in 1:994){
  
  liu <- climate[,(7 * i - 5 ):(1 + 7 * i)]
  
  name <- paste("full_data", "_", ne[i,1], "_", ne[i,2], "0",".txt", sep="")
  
  write.table(liu, name, quote=F,col.names=F,row.names=F,sep='\t')
  
} 
#paste粘连函数

future climate

国际耦合模式比较计划(CMIP),其基础和雏形为大气模式比较计划(AMIP)(1989—1994年),由世界气候研究计划(WCRP)耦合模拟工作组(WGCM)于1995年发起和组织,其最初目的是对当时数量有限的全球耦合气候模式的性能进行比较。但此后,全球海气耦合模式进入了快速发展阶段,全球各大气候模拟中心相继发布大量的大气和海洋模拟数据,科学界迫切需要有专门的组织来对这些模拟结果进行系统的分析。为适应这一需求,CMIP逐渐发展成为以“推动模式发展和增进对地球气候系统的科学理解”为目标的庞大计划。为了实现其宏伟目标,CMIP在设计气候模式试验标准、制定共享数据格式、制定向全球科学界共享气候模拟数据的机制等方面开展了卓有成效的工作。迄今为止,WGCM先后组织了6次模式比较计划(CMIP1—6)。

为了更好地衡量不同的社会经济发展模式与气候变化风险的关系,IPCC先后发展了1990年第一次评估报告(FAR)的Scenario A情景(SA90)、1992年第三次评估报告(TAR)的IS92情景、TAR关于排放情景特别报告和第四次评估报告(AR4)的SRES情景及第五次评估报告的典型浓度路径(RCP)情景。

CMIP最为核心的试验DECK 试验是CMIP计划的“准入证”，任何气候模式只要完成DECK试验并把数据国际共享，即可称参加了CMIP计划。第二级试验是历史气候模拟试验 （Historical)，它是 CMIP6 的“准入证”，任何气候模式只要完成了该试验并把数据国际共享，即 可称参加了 CMIP6 计划。）

DECK包含了4 组基准试验，分别是AMIP试验、工业革命前参照试验（piControl)、4倍CO2突增试验（abrupt-4xCO2)、CO2浓度每年增加1%的强迫试验（1pctCO2）。

Historical试验从piControl 试验的某个时间点启动，在基于观测的、随时间变化的各种外强迫驱动下进行1850年以来的历史气候模拟。

除了基本的要求模拟外，有23个子模拟计划：

利用6个综合评估模型(IAM)、基于不同的共享社会经济路径(SSP)及最新的人为排放趋势,第六次国际耦合模式比较计划(CMIP6)提出了新的预估情景,并将其列入CMIP6模式比较子计划,称之为情景模式比较计划(ScenarioMIP)。这6个IAM分别是AIM,GCAM,IMAGE,MESSAGE-GLOBIOM
,REMIND-MAgPIE和WITCH-GLOBIOM。根据CMIP6网站提供的模式参与信息,全球共有来自14个国家近50个模式将参与该模式比较计划。

简单而言,ScenarioMIP的气候预估情景是不同SSP与辐射强迫的矩形组合（与CMIP5区别，5好像只考虑辐射强迫）。

SSP描述了在没有气候变化或者气候政策影响下,未来社会的可能发展,SSP1、SSP2、SSP3、SSP4和SSP5分别代表了可持续发展、中度发展、局部发展、不均衡发展和常规发展5种路径。ScenarioMIP基于不同SSP可能发生的能源结构所产生的人为排放及土地利用变化,采用IAM生成定量的温室气体排放、大气成分和土地利用变化,即生成基于SSP的预估情景。

ScenarioMIP排放路径的设计分为两步:第一步确定未来全球平均的辐射强迫水平;第二步选择每种辐射强迫水平对应的社会经济情景。较之CMIP5 RCP情景试验,ScenarioMIP采用了多个综合评估模型（IAM）,在未来可能发生的各种社会经济发展情景基础上，生成相应的土地利用和排放路径变化,更加强调未来辐射强迫情景与共享社会经济情景的一致性。
最新研究发现,较小的全球平均辐射强迫差异对局地气候可能产生较大影响,因此ScenarioMIP不仅保留了CMIP5的4类典型排放路径,还新增了3种新的排放路径,以弥补CMIP5典型路径之间的空白,同时可以满足对某些特定科学和政策战略问题(如全球2℃或1.5℃增温的影响)研究的需求,这3种新加的排放情景分别是RCP7.0、3.4和低于2.6的排放路径。

CMIP5的RCP情景仅考虑了未来百年达到稳定CO2浓度和相应辐射强迫的目标,并不针对特定的社会经济发展路径,因此评估减缓行动的成本和收益非常困难。而ScenarioMIP直接采用了设计好的共享社会经济情景,其中包含了具体的人口、经济和技术等社会发展指标的变化,可以更加容易地评估减缓行动的成本和收益。

ScenarioMIP的设计特点便于进行综合研究,也就是不仅能用于更好地理解不同情景下自然气候系统的变化,也能帮助理解气候变化对人类社会的影响。这有利于气候科学领域、综合影响模拟领域以及气候影响、适应和脆弱性领域联合开展研究,这对制订有效的减缓和适应政策至关重要。2015年的《巴黎协定》确定了2℃的温控目标,并鼓励实现1.5℃目标。基于CMIP5 RCP情景的研究表明,1.5℃目标与2℃相比可显著减少气候变化对人类社会的影响,但RCP情景并非专门为温控目标的研究而设计的。ScenarioMIP的SSP情景包含针对21世纪末不同温控目标的经济社会发展路径(如SSP1-1.9和SSP1-2.6),可以更加合理地评估1.5℃和2℃温升的气候变化后果以及减缓和适应的成本,有助于实现巴黎协定的政治目标。