WRF模式、FLEXPART拉格朗日粒子扩散、Calpuff大气污染扩散、WRFDA资料同化、PMF源解析、MCM箱模型、EKMA曲线、WRF-Chem、CMAQ空气质量、SMOKE排放清单、WRF-Hydro、WRF-UCM、python-WRF融合技术、camx空气质量、CMIP6数据处理、人工智能气象等...

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。

会QGIS\PostgreSQL\ARCGIS\MAXENT\R语言环境的配置及基本方法，利用各种平台的优势拓展分析生态系统服务社会价值问题：如基于不同环境变量得到相应的社会价值分布图，并分析社会价值在空间上的分布特征；研究环境变量共线性问题；研究环境变量对社会价值在空间分布上的影响，并深入分析各环境变量分别与不同类型的社会价值之间的关系；研究各环境变量对社会价值的贡献情况，从而进一步确定哪些环境

气象和海洋领域拥有海量的模式和观测数据，是大数据和人工智能应用的天然场景。Python也是当前进行机器学习和深度学习应用的最热门语言。对于的气象海洋领域的专业人员，Python是进行机器学习和深度学习工作的首选。

掌握深度学习的基础知识，与经典机器学习算法的区别与联系，以及最新的迁移学习、循环神经网络、长短时记忆神经网络、时间卷积网络、对抗生成网络、Yolo目标检测算法、自编码器等算法的原理及其Pytorch编程实现方法。

ArcGIS、ENVI、InVEST、FRAGSTATS等多技术融合提升环境、生态、水文、农业、大气等领域数据分析

APSIM模型内核算法是基于Fortran语言开发的，软件界面是基于C#进行开发，组件式驱动，各个模块可以自由组合。了解和熟悉APSIM模型的关键算法和软件的操作是学习APSIM模型的基础。

气象和海洋领域拥有海量的模式和观测数据，是大数据和人工智能应用的天然场景。Python也是当前进行机器学习和深度学习应用的最热门语言。对于的气象海洋领域的专业人员，Python是进行机器学习和深度学习工作的首选。

Python在科学和工程领域地位日益重要，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的优异性能使得Python在地球科学中地理、气象、气候变化、水文、生态、传感器等领域的学术研究和工程项目中得到广泛应用并高效解决各种数据分析问题，可以预见未来Python将成为科学和工程领域的主流程序设计语言。

在研究中可以使用中尺度数值模式提供CALMET的大气驱动数据。