您现在的位置是:首页 >其他 >区域气候模拟、气象绘图、大气污染物计算、CMIP6数据处理,哪款模型更适合?WRF? CAMx ? WRF模式+Python?网站首页其他
区域气候模拟、气象绘图、大气污染物计算、CMIP6数据处理,哪款模型更适合?WRF? CAMx ? WRF模式+Python?
文章目录
CAMX模型
CAMx模型是一个基于大气化学,针对臭氧、颗粒物和雾霾天气过程的大气污染物计算模型。该模型由安博(Ramboll)技术团队在美国国家环保局和许多州立环保部门的支持下不断开发和完善。美国国家环保局利用CAMx来评估国家减排计划带来的臭氧和PM浓度降低效果,很多州则使用CAMx来制定当地的减排计划。在过去的20年里,该模型也逐步应用于亚洲(包括中国)、欧洲、非洲、澳大利亚和美洲等多个国家和地区。
一、CAMx模式框架、应用案例分析及本地案例配置说明:
1.CAMx模式框架
2.CAMx应用案例分析
3. 多重嵌套模拟区域配置说明及方法
4. 基于SMOKE模型的CAMx污染源输入文件制作技术
二、Linux基本操作命讲解与CAMx模式编译技术及空气质量模拟案例分析及运行
1.Linux基本操作命令讲解与依赖库安装
2.CAMx模式编译安装及测试案例运行
3.CAMx输入预处理工具编译技术
4.CAMx输入文件制备
5.空气质量模拟案例运行讲解与分析
三、CAMx扩展和探测工具功能及在模式调试和案例分析中的用法
各工具功能,依据在模式调试和案例分析中的用法
1.CAMx扩展和探测工具(Probing Tools)
2. 臭氧/颗粒物来源解析工具(SA)
3.敏感性分析工具:DDM/HDDM
4. 过程分析工具(PA:IPR/IRR和CPA)
5. 反应示踪物(RTRAC)
四、大气污染来源解析案例操作(臭氧/颗粒物来源解析工具(SA))
臭氧/颗粒物来源解析工具(SA)
1.CAMx-SA工具编译
2.CAMx-SA工具输入文件准备(1)area map
3.CAMx-SA工具输入文件准备(2)emission groups
4.CAMx-SA案例配置及运行
5.模拟结果后处理与结果解读
五、敏感性分析及工具运行与模拟结果后处理技术及结果解读
敏感性分析工具(DDM/HDDM)
1.CAMx-DDM工具编译方法
2.CAMx-DDM工具输入文件制备
3.CAMx-DDM案例配置及运行方法
4.模拟结果后处理技术与结果解读
六、过程分析工具运行和结果解读
敏感性分析工具(PA)
1.CAMx-PA工具编译方法
2.CAMx-PA工具输入文件制备
3.CAMx-PA案例配置(IPR和CPA)流程及运行方法
4.模拟结果后处理技术与结果解读
七、基于Python的CAMx数据后处理(1)
1.Python简介
2.Python编程基础
操作:
1.Python环境安装
2.数据提取方法和脚本
3.模式模拟结果评估
4.污染物浓度监测值与模拟值时间序列分析
八、基于Python的CAMx数据后处理(2)
1.浓度分布图绘制
2.敏感性分析结果图形绘制
3.过程分析结果图形绘制
WRF模式
气候是多个领域(生态、水资源、风资源及碳中和等问题)的主要驱动因素,合理认知气候变化有利于解释生态环境变化机理及过程,而了解现在、未来气候变化则是进行生态、环境及能源评估、碳政策规划的先决条件,而气候模拟是获取高精度气候信息的最主要手段,现代生态、水文、新能源及碳中和领域需要亚公里及更高分辨率的气象模拟,WRF模式是国内外应用最为广泛的气象模式,使用该模式进行高精度甚至几百米的模拟应用也越来越多。另一方面,该模式不断扩展模式模块,现在已经可以实现对气溶胶及化学过程(WRF-CHEM)、资料同化(WRF-DA)、水文过程(WRF-HYDRO)、城市化(URBAN)等过程的精细模拟,其应用范围及实际业务及科研应用也越来越多。
一、区域气候模式理论知识梳理
1、WRF模式能干什么?(气温、降水、风、压、能量、水分、植被模拟和预报)
2、WRF模式框架和流程
3、WRF使用什么样的计算平台?计算系统?Linux,非windows
二、Linux操作系统、WRF模式系统实际操作
1、如何安装WRF模式所需要的平台?(vmware,linux)
2、如何从零开始搭建WRF编译所需的系统?(RockyLinue)
3、安装软件(OneAPI)
4、WRF模式结果文件格式?(NetCDF)
三、模式调试及运行
WRF如何获取模拟区域的DEM、LUCC、植被、反照率等多种信息
1.1WPS如何定义模拟区域?如何准备地形土地利用等资料(geogrid.exe)
1.2 WPS如何准备气象资料?(温度、气压、风场、湿度等等)
1.3 WPS如何水平插值?(软件如何匹配不同的空间分辨率资料,如何从百公里到几百米降尺度)
WRF模式如何积分解算气象变量和能量水分传输
2.1 WRF如何完成等压层向地形追随坐标系的转变
2.2 WRF模式如何精确计算气象和相关过程
四、模式操作及案例实践
案例操作1:软件基本运行流程
案列操作2:研究区设置技巧
案例操作3:软件如何进行天气预报
案例操作4:软件模拟月或年尺度气象
案例操作5:如何模拟分析观测气温
案例操作6:如何模拟分析降水
案例操作7:如何模拟分析水汽和湿度
案例操作8:如何模拟分析土地利用变化的影响
案例操作9:如何模拟分析土壤及近地层能量水分通量
案例操作10:如何模拟分析风场
案例操作11:如何模拟分析其他变量,包括土壤、水体、植被等相关气象变量
五、实际应用及案例分析
1、WRF模拟结果如何分析?(NCL)
2、WRF结果如何展示?(Vapor)
3、WRF结果如何展示?(Python)
WRF模式与Python融合
当今从事气象及其周边相关领域的人员,常会涉及气象数值模式及其数据处理,无论是作为业务预报的手段、还是作为科研工具,掌握气象数值模式与高效前后处理语言是一件非常重要的技能。WRF作为中尺度气象数值模式的佼佼者,模式功能齐全,是大部分人的第一选择。而掌握模式还只是第一步,将数值模式的结果进一步加工成我们业务或科研需要的产品,也是一项重要工作,以当前的趋势而言,python语言当仁不让的成为首选。
掌握WRF模式+Python语言的结合应用,可在气象、海洋、地理、气候、水文和生态等地学领域的业务、科研和工程项目中得到实际有效的应用。
一、WRF基础与Linux基础
1.1 WRF模式的理论知识与应用前景
WRF动力理论简介
WRF模式代码框架
WRF模式应用前景
1.2 Linux知识与基本操作
Linux基本命令
设置定时任务
超算提交任务
1.3 WRF模式安装
基础库安装(GNU编译器、zlib、libpng、jasper、hdf5、netcdf4、mpich2)
WRF/WPS安装
二、WRF模式运行
2.1 WRFDomainWizard 设置模拟区域
2.2 WPS(geogrid, ungrib, metgrid) 前处理
GFS/FNL/ERA5资料驱动、嵌套模拟
2.3 WRF(real.exe, wrf.exe) 积分运行
参数化方案设置
常用参数的使用经验
2.4 Restart断点续跑
2.5 如何得到更好的WRF模拟结果(WRF运行经验和注意事项)
三、Python基础
3.1 python安装和基础语法
3.2 python常用的气象数据处理库
numpy, datetime, pandas, scipy, netcdf-python
3.3 python气象绘图基础
1)折线图绘制
2)填色及等值线+地图
3)流场矢量+地图
4)地图绘制(cartopy)
四、WRF应用案例介绍
4.1西北太平洋台风模拟
4.2 强天气过程—冰雹个例模拟
4.3 WRF-solar模拟太阳辐射
五、python助力WRF自动化运行
5.1 python自动运行WRF历史个例
5.2搭建自动化的WRF业务化预报系统
1)python自动下载GFS实时预报资料
2)python自动运行WRF预报系统
3)python自动发送邮件提示WRF运行结果
六、WRF模式前后处理
6.1 WRF后处理简介
6.2 wrf-python库介绍
6.3 python绘制WRF模拟区域和地形
6.4 python提取站点预报要素并绘图
6.5 python绘制500hPa高空形式场
6.6 python绘制雷达反射率DBZ垂直剖面
6.7 python绘制700hPa水汽场
6.8 python绘制地面降雨场
CMIP6数据处理
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。除此,CMIP5 的 RCP 情景只考虑了未来100年达到稳定CO2浓度以及相应辐射强迫的目标,并没有针对特定的社会发展路径,而CMIP6中的新的共享社会经济路径充分考虑了这一点,提供了更加多样化的排放情景,可以对减缓适应研究以及区域气候预估提供更加合理的模拟结果,因此在很大程度上弥补了CMIP5中RCP情景的不足。
在国际耦合模式比较计划中,GCM 为构建气候变化提供了全球大尺度的信息,但是在针对区域尺度开展气候研究时,相对较低的分辨率信息对区域气候变化预估产生较大偏差.降尺度方法在将大尺度信息转化为区域尺度上发挥着重要作用,包括动力降尺度、统计降尺度以及二者相结合的方法等。
一、CMIP6中的模式比较计划
1.1 GCM介绍
1.2 相关比较计划介绍
二、数据下载
2.1方法一:手动人工
利用官方网站
2.2方法二:自动
利用Python的命令行工具
2.3方法三:半自动购物车
利用官方网站
2.4 裁剪netCDF文件
基于QGIS和CDO实现对netCDF格式裁剪
QGIS中的操作
裁剪效果
2.5 处理日期非365天的gcm
以BCC为例
三、基础知识
3.1 Python基础
Numpy基础
Scipy基础
Pandas基础
3.2 CDO基本操作
CDO(Climate Data Operator)是大气科学中常用的处理工具。
文件操作
重采样
统计计算
3.3 Xarray的基本操作
Xarray是基于Python体系的针对netCDF常用的工具,可以方便实现处理、可视化等操作。
Netcdf文件的读写
统计计算
可视化
四、单点降尺度
4.1 Delta方法
4.2统计订正
4.3 机器学习方法
建立特征
建立模型
模型评估
4.4 多算法集成方法
五、统计方法的区域降尺度
5.1 Delta方法
5.2 基于概率订正方法的
六、基于WRF模式的动力降尺度
6.1制备CMIP6的WRF驱动数据
利用cdo工具对gcm的输出文件进行重新编码制备wrf的驱动数据
6.1.1针对压力坐标系的数据制备
6.1.2针对sigma坐标系GCM数据制备
6.1.3 WPS处理
6.2 WRF模式运行
6.3 模式的后处理
提取变量
变量的统计
变量的可视化
七、典型应用案例-气候变化
7.1针对风速进行降尺度
7.2针对短波辐射降尺度
八、典型应用案例-气候变化2
ECA极端气候指数计算
Consecutive dry days index
Consecutive frost days index per time period
Consecutive summer days index per time period
Consecutive wet days index per time period
九、典型应用案例-生态领域
预估生长季开始和结束时间
1、建立气象数据与VIPPHEN遥感物候数据中生长季开始和结束
2、在未来气候情景下预估生长季长季开始、结束和长度
十、典型应用案例-水文、生态模式数据
SWAT数据制备
Biome-BGC数据
Biome-BGC是利用站点描述数据、气象数据和植被生理生态参数,模拟日尺度碳、水和氮通量的模型,其研究的空间尺度可以从点尺度扩展到陆地生态系统。案例中以单点模拟方式制备CMIP6的气象数据。