网络气候预测及其在农业评估中的应用

SoftwareX 7（2018）15原始软件出版物基于网络的未来气候预测的访问、汇总和可视化，重点是农业评估纳尔逊湾，澳-地Villoriaa，*，Joshua Elliottb，Christoph Müllerc，Jaewoo Shind，Lan Zhaoe，卡罗尔·宋a堪萨斯州立大学农业经济系，331 i Waters Hall，Manhattan，KS，66506，USAb芝加哥大学和ANL计算研究所气候和能源政策稳健决策中心（RDCEP）5735 S。埃利斯大街， 芝加哥，IL 60637，USAc波茨坦气候影响研究所，Telegraphenberg A 31 14473，波茨坦，德国D 计算机科学系，普渡大学，西拉斐特，IN 47907，美国e 罗森高级计算中心，普渡大学，西拉法叶，IN 47907，美国ar t i cl e i nf o文章历史记录：2016年9月26日收到收到修订版，2017年10月27日接受，2017年保留字：气候平均数据CMIP5气候模式HUBzero生长季节温度生长季节降水气候变化和农业a b st ra ct非专业人员获取气候和空间数据集受到硬件、软件和数据格式方面的技术障碍的限制我们讨论了一个开放源代码的在线工具，方便下载的气候数据从全球环流模型所使用的跨部门影响模型比较项目。该工具还提供时间和空间汇总能力，以便在空间汇总很重要的应用中纳入未来气候情景我们希望，简化这些数据的访问有助于分析与气候相关的问题，同时考虑到未来气候预测和时间汇总选择带来的不确定性©2017作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本1.0.1指向用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-16-00082GNU通用公共许可证（GPL）使用LZ的代码版本控制系统使用Java、R和Python、iData、Globus Online的编译要求、操作环境依赖性最佳Debian GNU/Linux 7 with JDK 1.6，R 3.1.1 and Python 2.7.3需要安装Hubsubmit如果可用，链接到开发人员文档/手册https://mygeohub.org/resources/1247/download/ClimateScenarioAggregator_UserManual.pdf问题支持电子邮件内置HUBzero票证支持系统1. 动机和意义关于气候变化对农业影响的研究通常涉及利用观测数据确定将气候变量与农业生产力联系起来的参数，然后利用全球环流模型对未来气候的预测通讯作者。电子邮件地址：nvillori@ksu.edu（N.B. Villoria）。https://doi.org/10.1016/j.softx.2017.11.004（GCM）评估未来潜在的影响或替代政策的影响（例如，[1]）。考虑到未来气候预测的不确定性，最佳做法是使用几个GCM的输出，以获得一系列潜在的结果[2]。通过耦合模式相互比较项目第五阶段（CMIP 5），气候模拟小组之间的协调以及它们与政府间气候变化专门委员会的合作，大大增加了气候数据的可用性然而，非专业人员的准入受到技术壁垒的阻碍。这些2352-7110/©2017作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx*16N.B. Villoria等人/SoftwareX 7（2018）15障碍包括软件、硬件以及对处理非标准格式的专门技能的需求[3]。除了访问数据之外，空间处理也不是小事，因为它需要地理信息系统（GIS）方法的专业知识来处理气候数据和辅助数据集[4]。2. 科学依据本文讨论的工具旨在减少获取气候模型输出的技术障碍。为此，我们建立了一个基于网络的工具，便于下载和汇总全球网格（0.5度）的偏差校正，历史和未来的月平均温度和降水量从五个大气环流模型（GCM）使用的部门间影响模型相互比较项目（ISI-MIP）[5，6]。（包含的型号见表1该工具有助于解决的科学问题是如何在空间聚合很重要的应用中促进对未来气候情景的分析这包括广泛的经济分析，重点是影响评估[7获取大气环流模型产生的数据绝非易事。例如，从地球系统网格联合会（CMIP 5的开放数据存储库）进行批量下载需要使用Linux来运行系统提供的bash脚本此外，气候数据的带宽和存储容量往往是限制因素，这既是因为气候数据集的规模，也是因为现有模型和排放情景的数量。此外，气候数据时空网格的操作在使用GIS软件方面需要相当的灵活性当数据需要与其他数据集合并以随时间和/或空间进行聚合时，情况更是现有GIS软件的用户友好的点击界面中执行的程序处理空间数据的最佳实践涉及使用处理脚本，这需要了解一些更通用的编程语言。根据我们的经验，对于接受过气候学或计算机科学高级培训的用户来说，这些障碍都不一定是重要问题。然而，对于跨学科工作而言，缺乏获取和处理气候数据的技能可能是一个主要障碍。在一个广泛阅读的专门研究环境与社会之间相互作用的博客中，Auffhammer [16]解决了经济学家在试图从CMIP 5档案中获取气候数据时所面临的困难。Hertel等人[17]查明获取地理参照数据的障碍是妨碍更好地了解全球环境变化如何影响全球粮食系统可持续性的主要因素。为促进多学科工作，已确认在线工具是有效的[18]。这些工具具有许多优势，包括降低软件和硬件成本[19]，通过Web服务利用共享的网络基础设施[20]，以及将不同研究中的各种工作流程要素结合起来[21]。3. 目标用户该工具主要针对但不限于对气候变化对农业影响感兴趣的研究人员，但他们缺乏获得气候数据预测的培训和/或资源。气候情景聚合器（CSA）的目标用户是在一项多年试点工作中确定的，该试点工作源于英国气候变化计划的要求，旨在审查全球数据库基础设施是否足以分析与农业和环境有关的问题[17]。需要在线工具来提供大型和复杂的地理参考数据集1 https://cds.nccs.nasa.gov/tools-services/esgf/网站。通过对地理空间数据的可用性进行深入诊断，分析全球环境变化的影响[21]。此外，通过与发达国家和发展中国家研究气候变化问题的研究人员和政策分析人员举办的三次国际研讨会2，我们还利用我们培训农业经济学和计算机科学研究生的经验，在气候变化和全球粮食安全相关问题的多学科团队中工作在最一般的层面上，CSA工具可以用作ISI-MIP档案中原始GCM数据的下载平台此功能的目标用户应熟练掌握NetCDF格式，拥有相对强大的计算机（带宽合理），并熟悉操纵和处理空间显式数据所需的脚本和/或编程语言第二个目标用户可能需要对数据的基本预处理（如时间和空间聚合）有一定的支持。该用户将受益于聚合程序以及用于时间聚合（作物日历）和空间聚合（例如，从网格单元到国家。）最后，第三目标用户可能对工具的下载和聚合能力感兴趣，同时采用替代的空间聚合方案（例如，人口统计）。CSA工具与其他工具相关，这些工具力求简化气候数据的获取（和空间分布），同时利用共享的资源和专门知识。例如，Wang等人[3]开发了用户友好的软件应用程序，用于缩小生态建模应用程序的生态数据。与此同时，Vil- loria等人[22]建立了一个汇总工具，便于访问农业模型相互比较和改进项目（Ag-MIP）[23]产生的产量变化网格预测。如使用日志和3篇同行评审的已发表文章中所述，该工具正在被广泛使用10、24]。本文中记录的CSA已被研究社区迅速吸收，其应用范围比AgMIP工具更广泛，因此我们预计它会产生更大的影响。4. 软件描述可在GEOSHARE网站5上获得CSA工具，并可使用任何标准的互联网浏览器访问该工具允许用户使用[25]中的全球作物日历计算每个半度土地像素的特定作物生长季节的温度和降水平均值（作物覆盖率见表1该工具还允许使用[26]中的作物收获面积和产量将像素聚合为大型地理单元所有的源代码用户文档和支持包括用户2 2011 年 5 月 23 日 （ https://mygeohub.org/groups/geoshare/workshop2011 ） 和2014年9月10日在印第安纳州西拉斐特的普渡大学举行了两次研讨会[21]。第三次研讨会于2013年3月11日至15日在埃塞俄比亚亚的斯亚贝巴的国际牲畜研究所举行//www.cgiar-csi.org/meetings/africa-agriculture-gis-week-2013网站。3 该工具可在https://mygeohub.org/tools/agmip上获得。截至2017年7月6日，该工具拥有139名注册用户，他们已经进行了超过2万次数据下载。4 该工具自2015年8月以来一直在线截至2017年7月6日，共有30个已下载343次数据的注册用户。这些统计数据不包括开发团队。更新使用日志可在https://mygeohub.org/resources/climatetool/usage上获得。5 https://mygeohub.org/tools/climatetool网站。N.B. Villoria等人/SoftwareX 7（2018）1517表1气候情景聚合工具的覆盖范围。气候模型HadGEM2-ES [11]，IPSL-CMSA-LR [12]，MIROC-EXM-CHEM [13]、GFDL-ESM 2M [14]、NorESM 1-M[15]历史、RCP 8.5、RCP6.0、RCP 4.5、RCP 2.6大麦（冬，春），木薯，棉花，花生，玉米，小米，燕麦（冬季，春季），土豆，豆类，油菜籽冬季，水稻，黑麦冬季，高粱，大豆，甜菜，向日葵，甘薯，小麦（冬季，春季），和山药4.1. 关于HUBzeroGEOSHARE网站是基于HUBzero [20]开发的，HUBzero是一个开源软件平台，专门通过万维网传播科学数据和模拟工具。起源于纳米技术社区，6HUBzero已经发展成为一个灵活的在线协作、教育和推广环境。HUBzero为科学合作带来了独特而重要的例如，非专家用户、领域科学家和学生可以快速开发在线应用程序和工具，发布并与其他可以访问这些工具的人共享，并在其Web浏览器中启动国家网络基础设施（如XSEDE和开放科学网格）上的计算，而无需下载和安装任何软件。 HUBzero还捆绑了专门支持科学合作的社交网络功能（标记，评论，引用，&问答，论坛，项目组等）。HUBzero有一组预定义的步骤来指导工具开发-开发和贡献在线工具首先填写一份包含基本工具信息的在线表格然后它通知中心管理员为工具创建一个新的项目区域之后，de-builder使用hub的工作区和Subversion源代码存储库开发和测试代码当代码开发完成后，集线器管理员安装工具，然后开发团队可以使用该工具进行测试。经批准后，该工具将正式发布，并提供给中心的其他用户。集线器工具是在远程虚拟容器中安全执行的桌面工具。用户在其Web浏览器中与该工具的图形用户界面进行交互最终用户使用Java Applet或基于HTML5的客户端连接到因此，除了Web浏览器之外，用户不需要在本地下载或安装任何软件。VNC技术在用户与工具交互时压缩并传输远程服务器和最终用户之间共享的屏幕由于该工具HUBzero提供了RAPPTURE Toolkit来帮助快速开发工具。7RAPPTURE本质上使桌面应用程序无需Web编程，因此允许科学家（主要是非专业Web开发人员）将图形用户界面放入他们的科学应用程序中，并使其在Web上可访问，加速新工具的部署最近在开发地理空间数据管理和处理的软件构件方面的努力产生了新的绘图库和中心工具开发能力以及一系列用户社区和共享工具。86 https://nanohub.org网站。7 http://rappture.org网站。8 https://mygeohub.org/网站。4.2. 软件设计如图 CSA工具由四个主要软件组件组成：图形用户界面、文件浏览器、数据处理模块和Globus Online数据传输库。GUI主要使用Java编程语言开发它与Python中实现的通用文件浏览器集成，允许用户在工具的在线存储和本地桌面之间移动数据它还允许用户将结果发布到名为iData的中心数据管理系统，并自动关联元数据。ISI-MIP档案通过Globus Online访问[27，28]，这是一种促进大型数据集传输的服务。为了在CSA工具和远程ISI-MIP数据存档之间实现大量数据传输，在集线器服务器上创建了Globus端点此外，Globus客户端命令的服务包装器（称为isimiptransfer）是在Python中创建的，可以使用Hub的提交库执行，用于通过GlobusOnline协议从远程数据存储库查询和获取数据。最后，在后端运行一组R脚本，这些脚本支持基于用户在用户界面上的选择的数据处理功能4.3. 软件功能CSA工具有四个主要功能：数据下载、数据汇总、输出和元数据以及可视化（该工具的工作流程示意图见图2）。下载、聚合和可视化被实现为图1和图2所示的图形用户界面中的选项卡。3和4气候数据存储在NetCDF文件中。每个文件由一个文件名标识，文件名中包含七个指定变量的组件：温度（最小值，最大值，平均值）或降水量;气候模型：HadGEM 2-ES [11]，IPSL-CM 5A-LR[12]，MIROC-ESM-CHEM [13]，GFDL-ESM 2 M [14]和NorESM 1-M [15];代表性浓度途径[29]：历史、RCP 2.6、RCP 4.5、RCP 6.0和RCP 8.5;以及1960年至2099年的时间段。举例来说：tas_bced_1960_1999_noresm1-m_rcp2p6_2006-2010.mm.nctas_bced_1960_1999_noresm1-m_rcp2p6_2011-2020.mm.nc...tas_bced_1960_1999_noresm1-m_rcp2p6_2091-2099.mm.nc是根据代表性浓度路径RCP2.6 [ 29 ]，由NorESM 1-M [ 15 ]预测的月空气表面温度平均值的全球网格（2006-2099年期间每年一个网格为了检索数据，用户选择一个独特的变量组合，气候模型和情景，这都是在工具的用户前端（图）。3）。用户的选择创建了一个字符串，该字符串与存储在ISI- MIP存档中的文件名相此字符串用于检索所有可用的年份一旦进入GEOSHARE在每次数据请求之前，该工具都会检查数据是否已经18N.B. Villoria等人/SoftwareX 7（2018）15Fig. 1. 气候情景聚合工具的系统图。图二. 气候情景聚合工具工作流程。下载，并且如果是，则向用户指示这一点此功能可避免多次下载相同的数据。此时，用户可以下载原始NetCDF文件，以便在桌面上进行自定义处理，或者通过图1中的GUI实现继续聚合数据。四、聚合由三个R函数执行第一个函数使用R NetCDF包[30]读取数据。第二个函数估计所选气候变量的像素和作物特定生长季节的平均值。[25]每个月的种植和收获都来自[25]。在许多情况下，收获月份与种植月份在不同的年份例如，阿根廷大部分地区的玉米种植在10月，作物在次年4月收获与此同时，美国的玉米为了避免歧义，我们分配变量的平均值（例如，温度）在生长季节的收获发生的月份。所以，平均值2000年的生长季节温度对应于阿根廷2000年4月的收获期和美国2000年9月的收获期（见图1）。 5）。第三个R函数执行从网格单元到更大地理单元的聚合。用户有机会选择不同的聚合方案或上传自己的方案。例如，从网格单元到国家级别的聚合需要将每个纬度和经度对与唯一的国家名称相关联的映射。映射方案是简单的逗号分隔值文件。默认情况下，我们包含了从网格单元到国家、国家-AEZ区域和全球的区域映射用户手册中提供了准备这些数据文件的简单指南此外，该工具允许加权和非加权聚合。文件是根据Monfreda等人的网格化作物收获面积和产量统计数据，使用收获面积和产量进行加权汇总后提供的。[26]第10段。N.B. Villoria等人/SoftwareX 7（2018）1519图三. 气候情景聚合工具下载选项卡。数据选择和检索接口，包括气候模式、变量和RCP。CSA工具还保存用户选择的记录，生成一个文本文件，指示GCM，RCP和变量的选择组合，可以通过点击下载选项卡中的“数据配置”获得（图10）。 3）。 对于在Aggregation选项卡中执行聚合的用户，文档包括聚合选项以及聚合权重的来源（参见图10）。 4.）5. 说明性实例图6显示了四个图，说明了该工具在GCM输出的空间和时间聚合方面的多功能性。图图6 A比较了美国堪萨斯州曼哈顿附近单个网格单元中小麦生长季节的温度。图6 B显示了美国玉米生长季节的历史和平均温度，使用了ISI-MIP档案中包含的五个GCM的RCP 2.6预测。在这种情况下，各个网格单元格已使用生产权重通过其对美国玉米总产量的图6B的一个下面的两个图C和D显示了使用三种不同的聚合方式从单个网格单元聚合到全球水平的温度和降水量：使用收获面积权重的加权平均值，使用生产权重的加权平均值这两个数字见图4。气候情景聚合工具可视化、自我记录和元数据。图五. 生长季节的平均温度/降水量被分配到收获季节发生的日历年。在该示例中，对于阿根廷，日历年1的平均温度/降水量是在10月0日至4月1日期间取得的，而在美国，平均气温（中西部地区）是5月1日至9月1日。每个国家的种植和收获日期来自[25]。该工具在评价不同空间尺度上的不同经验性汇总选择方面的有用性6. 影响我们的软件有三个贡献。首先，它提供了直接访问CMIP5档案中广泛使用的偏差校正模型气候预测集。其次，它为数据汇总提供了重要的GIS功能。最后，所有的下载和处理都在远程服务器上。这些贡献可能对不同的人有不同程度的吸引力20N.B. Villoria等人/SoftwareX 7（2018）15见图6。A：在来自HadGEM 2-ES的RCP 2.6和8.5下在96.25W-39.75N（靠近美国堪萨斯州曼哈顿）的小麦生长季节期间的平均温度; RCP 2.6用于五种现有气候模式; C：全球加权（使用收获面积D：玉米生长季节的全球加权（使用收获面积和生产权重）和未加权平均降水量。尽管如此，通过扩大使用范围和降低使用门槛，我们预计这一工具将在多个地理尺度上推进气候变化对世界农业影响从简化的气候数据访问中受益的潜在研究问题包括未来气候模式的统计分析，气候变化对人类和生态影响的建模，以及适应和缓解政策的评估该工具还有助于简化对不同空间尺度气候模式的描述，并探索不同聚合机制的影响。7. 限制需要记住的一个重要考虑因素是，这些模型是为CMIP 5数据存档做出贡献的大约36个模型的子集。之所以选择这5个模型，是因为它们是第一个提供满足ISI-MIP项目最低数据要求的数据的模型。221]。同样重要的是要记住，对于许多地区，这些模型可能低估了未来气候预测的不确定性[31]。特别是，这些作者发现，N.B. Villoria等人/SoftwareX 7（2018）1521ISI-MIP子集在不同地区和季节捕获的未来预测对温度的影响从0.5到0.9不等（中位数为0.75），对降水量的影响从0.3到0.8不等（中位数为0.55）这是气候情景选择中的一个普遍问题即使可以为特定区域特别选择干、湿、凉或热的气候预测，包括全球聚合，这些特征也不一定适用于其他区域。因此，与一个区域中的其他预测相比特别干燥和炎热的气候McSweeney和Jones [31]发现，至少需要13个气候模型预测才能涵盖所有地区的大范围不确定性该工具不能轻易扩展到CMIP 5档案中的所有气候预测，因为这些预测没有像[5]那样以偏差校正的形式提供，但我们鼓励用户注意在解释其应用时情景选择的有限代表性。8. 结论非专业人员获取气候和空间数据集受到软件和数据格式方面的技术困难以及需要强大的互联网带宽和存储能力的阻碍。本文讨论了一个GEOSHARE HUBzero工具，该工具将AgMIP全球网格作物模型相互比较（GGCMI）项目的气候数据扩展到更广泛的科学界，这些科学界可以从这些数据中受益，但可能缺乏获得这些数据的资源。我们希望这个软件工具能够使面临技术限制的研究人员克服这些障碍。致谢我们感谢波茨坦气候影响研究所（德国波茨坦）的ISI-MIP协调小组提供本文讨论的气候数据，作为ISI-MIP快速通道项目的一部分。这些模式的输出结果也可供公众查阅，这要归功于各气候模拟小组通过世界气候研究计划的耦合模拟工作组所作的努力和协调该项目由美国农业部经济研究服务局通过协议58-3000-1-0058，美国农业部国家食品和农业研究所农业和食品研究计划竞争性资助号2015-67023-25258以及国家科学基金会竞争性资助号1261727支持我们还要感谢Bowen Chen在开发和测试此工具期间提供的研究协助。附录A.补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.softx.2017.11.004上找到。引用[1] 杨文辉，李文辉，李文辉.在气候变化的经济分析中使用天气数据和气候模式输出。RevEnvironEconPolicy2013;7（2）：181-98.http://dx.doi.org/10.1093/reep/ret016网站。[2] [10] Burke M，Dykema J，Lobell DB，Miguel E，Satyanath S.将气候变化影响 的 不 确 定 性 纳 入 估 计 。 Rev Econ Stat 2015;97 （ 2 ） ： 461-71 。http://dx.doi.org/10.1162/RESTwww.example.com[3] 放大图片作者：Wang T，Hamann A，Spittlehouse D，Carroll C.北美历史和未 来 时 期 的 局 部 缩 小 尺 度 和 PLOS ONE 2016;11 （ 6 ） ： e0156720.http://dx.doi.org/10.1371/journal.pone的网站。0156720。[4] 王S，刘Y，Padmanabhan A.大数据时代地理空间研究和教育的开放式网络地理信息系统软件。SoftwareX2015.http://dx.doi.org/10.1016/j.softx.2015.10.003。[5] [10]杨文辉，张文辉.趋势保持偏倚校正-Earth Syst Dynam 2013;4（2）：219//dx.doi.org/10.5194/esd-4-219-2013网站。http://www.earth-syst-dynam.net/4/219/2013/.[6] Warszawski L，Frieler K，Huber V，Piontek F，Serdeczny O，Schewe J.部门间影响模型相互比较项目：项目框架。Proc Natl Acad Sci 2014;111（9）：3228-32. http://dx.doi.org/10.1073/pnas.1312330110。PMID：24344316。[7] 洛贝尔D菲尔德C 全球尺度气候-作物产量关系和近期变暖的影响。《环境研究快 报 》 ， 2007 年 ;2 （ 1 ） ： http://dx.doi 的 网 站 。 org/10.1088/1748-9326/2/1/014002。[8] Lobell DB，Schlenker W，Costa-Roberts J.自1980年以来的气候趋势和全球作物生产。Science 2011;1-5. http://dx.doi.org/10.1126/science. 1204531。[9] Schlenker W，Lobell DB.气候变化对非洲农业的巨大负面影响环境研究快报 2010;5 （ 1 ） ： 014010 。 http://dx.doi 的 网 站 。 org/10.1088/1748-9326/5/1/014010。[10] Baldos ULC，Hertel TW.国际贸易在管理气候变化造成的粮食安全风险方面的作用。Food Secur 2015;1-16. http://dx.doi.org/10.1007/s12571-015-0435-z。[11] Collins WJ，Bellouin N，Doutriaux-Boucher M，Gedney N，Halloran P，Hinton T，Hughes J，Jones CD，Joshi M，Liddicoat S，Martin G，地球系统 模 式 HadGEM2 的 开 发 和 Geosci Model Dev 2011;4 （ 4 ） ： 1051-75.http://dx.doi.org/10.5194/gmd-4-1051-2011网站。[12] Dufresne J，Foujols M，Denvil S，Caubel A，Marti O，Aumont O，MendanskiY ， Bekki S ， Bellenger H ， Benshila R ， Bony S ， Bopp L ， Braconnot P ，Brockmann P，Cadule P，Cheruy F，Codron F，Cozic A，Cugnet D，NobletNd，Duvel J，Ethé C，Fairhead L，Fichefet T，Flavoni S，Friedlingstein P，Grandpeix J，Guez L，Guiyardi E，Hauglustaine D，Hourdin F，Idelkadi A，Ghattas J，Joussaños S，KageyamaM，Krinner G，Labetoulle S，LahellecA，Lefebvre M，Lefevre F，Levy C，Li ZX，Lloyd J，Lott F，Madec G，Mancip M，Marchand M，Masson S，Meurdesoif Y ，Mignot J，Musat I，Parouty S，Polcher J，Rio C，Schulz M，Swingedouw D，Szopa S，TalandierC，Terray P，Viovy N，Vuichard N.使用IPSL-CM 5地球系统模式的气候变化预测 ： 从 CMIP 3 到 CMIP 5 。 Clim Dynam 2013; 40 （ 9-10 ） ： 2123-65 。http://dx.doi.org/10.1007/s00382-012-1636-1网站。[13] Watanabe S， Hajima T ，Sudo K， Nagashima T， Takemura T， OkajimaH，Nozawa T，Kawase H，Abe M，Yokohata T，Ise T，Sato H，Kato E，Takata K，EmoriS，Kawamiya M. MIROC-ESM 2010：CMIP 5 - 20 c3 m实验的模型描述和基本结果。Geosci Model Dev 2011;4（4）：845-72. 得双曲正切值. doi.org/10.5194/gmd-4-845-2011网站。[14] Dunne JP，John JG，Adcroft AJ，Griffies SM，Hallberg RW，ShevliakovaE ， Stouffer RJ ， Cooke W ， Dunne KA ， Harrison MJ ， Krasting JP ，Malyshev SL，Milly PCD，Phillips PJ，Sentman LT，Samuels BL，SpelmanMJ，Winton M，Wittenberg AT，Zadeh N.GFDL的ESM 2全球耦合气候-碳地球系统模型。第一部分：物理配方和基线模拟特性。J Clim 2012;25（19）：6646-65. http://dx.doi.org/10.1175/JCLI-D-11-00560.1网站。[15] Bentsen M ， Bethke I， Debernard JB， Iversen T， Kirkevåg A， Seland ，DrangeH，Roelandt C，Seierstad IA，Hoose C，Kristjánsson JE.挪威地球系统模式，NorESM 1-M -第1部分：物理气候的描述和基本评价。GeosciModel Dev 2013;6 （ 3 ） ： 687-720. http://dx.doi.org/10 啊 5194/gmd-6-687-2013。[16] 奥夫哈默湾致气候人的一封公开信，G-FEED，2014年。网址：//www.g-feed.com/2014/09/an-open-letter-to-you-climate-people.html网站。[17] Hertel TW，Britz W，Diffenbaugh NS，Ramankutty N，Villoria N.农业、林业和环境分析的全球、空间明确、开放源数据库：提案和体制考虑。农业经济系，普渡大学;2010。 https://mygeohub.org/resources/729.[18] Craglia M，de Bie K，Jackson D，Pesaresi M，Remetey-Fülöpp G，WangC ， Annoni A ， Bian L ， Campbell F ， Ehlers M ， van Genderen J ，Goodchild M，Guo H，Lewis A，Simpson R，Skidmore A，Woodgate P.数字 地 球 2020 ： 迈 向 下一 个 十 年 的愿 景 Int J Digit Earth 2011;5 （ 1） ： 4-21.http://dx.doi.org/10www.example.com.1080/17538947.2011.638500.[19] 基尔 角分 布式 地理 数据 的业 务逻 辑。 Comput Geosci 2006;32（ 10 ） ：1746http://dx.doi.org/10.1016/j.cageo.200http://www.sciencedirect.com/science/article/pii/S0098300406000756网站。[20] McLennan M，Kennell R.HUBzero：计算科学与工程领域的传播与协作平台ComputSciEng2010;12（2）：48http://dx.doi.org/10.1109/MCSE.2010.41网站。[21] Hertel TW，Villoria N.GEOSHARE：地理空间开放源码托管农业，资源和环境 数 据 的 发 现 和 决 策 ， GPRI ， 数 字 图 书 馆 ， 2014 年 ，https://mygeohub.org/resources/977/download/GEOSHARE_Prophylus-Final.pdf。[22] 2009年10月20日，中国人民解放军总参谋长办公室，中国人民解放军总参谋长办公室，中国人民解放军总参谋长办公室。快速汇总全球网格作物模型输出，以促进气候变化对农业影响Environ Model Softw 2016;75：193http：//dx.doi.org/10.1016/j.envsoft.2015.10.016。[23] Rosenzweig C，Elliott J，Deryng D，Ruane AC，Müller C，Arneth A，BooteKJ，Folberth C，Glotter M，Khabarov N，Neumann K，Piontek F，PughTAM，Schmid22N.B. Villoria等人/SoftwareX 7（2018）15E，Stehfest E，Yang H，Jones JW.在全球网格化作物模式相互比较中评估21世纪 气 候 变 化 的 农 业 风 险 。 Proc Natl Acad Sci 2014;111 （ 9 ） ： 3268-73.http://dx.doi.org/10.1073/pnas.1222463110天啊PMID：24344314。[24] Jakob M，Steckel JC.减缓气候变化对可持续发展的影响。环境研究快报2016;11 （ 10 ） ： 104010http://dx.doi.org/10.1088/1748-9326/11/10/104010.http://stacks.iop.org/1748-9326/11/i=10/a=104010.[25] Sacks WJ，Deryng D，Foley JA，Ramankutty N.作物种植日期：全球模式分析。GlobalEcolBiogeogr2010;19（5）：607-20.http://dx.doi.org/10.1111/j.1466-8238.2010.00551.x。[26] Monfreda C，Ramankutty N，Foley JA.地球的农业：2。2000年作物面积、产量、生理类型和净初级生产力的地理分布。全球生物地球化学循环2008;1：19。http://dx.doi.org/10.1029/2007GB002947.[27] 福斯特岛 Globus在线：通过基于云的服务加速和民主化科学。IEEE InternetComput 2011;15（3）：70-3. http://dx.doi.org/10。1109/MIC.2011.64。[28] Chard K ， Pruyne J ， Blaiszik B ， Ananthakrishnan R ， Tuecke S ， FosterI.Globus数据发布即服务：降低可复制科学的障碍。2015年IEEE第11届电子科学 国际 会 议 。2015.第 401-410页 。得 双曲 余 切 值.doi.org/10.1109/eScience.2015.68网站。[29] Moss RH ， Edmonds JA ， Hibbard KA ， Manning MR ， Rose SK ， vanVuuren DP ， Carter TR ， Emori S ， Kainuma M ， Kram T ， Meehl GA ，Mitchell JFB，Nakicenovic N，Riahi K，Smith SJ，Stouffer RJ，ThomsonAM，Weyant JP，Wilbanks TJ.气候变化研究和评估的下一代情景。Nature2010;463（7282）：747-56. http://dx.doi.org/10.1038/nature08823网站。[30] 皮尔斯·Dncdf4：Unidata netCDF（版本4或更早）格式数据文件的接口，2015，https://cran.r-project.org/web/packages/ncdf4/index.html。[31] McSweeney CF，Jones RG. ISI-MIP中使用的5个CMIP 5 GCM的气候预测分布的代表性如何Clim Serv 2016;1：24/dx.doi.org