陆面、生态、水文模拟与多源遥感数据同化

news2024/11/23 0:08:40

原文链接:陆面、生态、水文模拟与多源遥感数据同化icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247601198&idx=6&sn=51b9b26b75c9df1f11dcb9a187878261&chksm=fa820dc9cdf584df9ac3b997c767d63fef263d79d30238a6523db94f68aec621e1f91df85f69&token=1430696232&lang=zh_CN#rd

陆面过程的主要研究内容(陆表能量平衡、水循环、碳循环等),陆面过程研究的重要性。

图片

图 1 陆面过程主要研究内容

陆面过程模型的发展历程、基本原理、常用陆面过程模型等。

图片

图 2 陆面过程模型

1.1 Noah-MP模型

Noah-MP模型的发展历史、模型结构及主要模块。

1.2 模型运行环境配置、下载与安装

模型需要在Linux下运行,需提前预装Linux系统(推荐使用CentOS系统,下载地址为:https://www.centos.org/download/,安装教程可参考:

https://www.runoob.com/w3cnote/vmware-install-centos7.html。

运行模型需要提前确定模型运行环境,如系统使用的fortran及C编译器类型等,为之后运行解压缩包下的./configure及Makefile做准备。

模型下载地址:https://github.com/NCAR/hrldas/tree/master/hrldas。

图片

图 3 下载界面

模型以及配套软件的安装

从虚拟机出发,逐步讲解Noah-MP模型运行所需的linux环境的搭建、intel编译器的安装与配置、必要软件的下载与安装、模型构建与编译等内容,细化步骤、逐指令。

跟,完成相关软件和linux系统的配置,逐行运行指令,直至hrldas模型搭建编译完成。熟悉linux系统环境,掌握终端(指令行)下进行文件操作的技能,为后续运行模型打下基础。

1.1 Noah-MP模型单站运行

1.1.1 数据准备

Ø 大气驱动数据的准备

驱动数据主要包括站点的风速、气温、相对湿度、气压、长波辐射、短波辐射以及降水数据。对于Noah-MP模型而言,原始驱动数据需制作成模型可识别的标准格式,才能够进行下一步的驱动数据编译,将编译结果带入模型进行运算(python脚本)。

图片

图 4 大气驱动数据的准备与格式转换

Ø 数据时间格式转换

完成驱动数据在世界时和当地时之间的转换。

根据示例数据中的站点原始数据,基于python脚本,进行数据的提取合并以及时间转换,生成站点模拟所需的.dat格式文件。

Ø 准备静态数据

完成驱动数据的制作后,还需在生成的.dat文件中添加静态数据。此部分数据主要包括站点属性以及模型信息,如站点的海拔,经纬度,土壤类型,初始状态变量的设定和转换系数等。

图片

图 5 站点信息

图片

图 6 初始状态变量

Ø 驱动数据的编译运行

基于以上数据,生成指定时间步长的一系列.LDASIN_DOMAIN1文件,同时生成hrldas_setup_file.nc文件。

1.1.1 运行模型

根据研究区实际情况与模拟需求修改namelist.hrldas文件,./hrldas.exe即可启动模型,结果将以netCDF格式输出至指定文件夹内。

图片

图 7 修改namelist文件

1.1.1 模型运行结果的可视化与分析

借助python netCDF(https://github.com/Unidata/netcdf4-python)或xarray(http://xarray.pydata.org/en/stable)等工具对模拟结果(netCDF格式)进行变量提取与可视化,以用于进一步分析。

图片

图 8 模拟结果的提取与可视化

基于示例代码中数据可视化部分的python脚本,对叶面积指数、感热通量以及潜热通量等模拟结果进行提取可视化,在熟悉代码结构的基础上,也可对其他变量进行筛选和提取。

Ø 单站模拟1

基于完整的单站模拟流程,选择课程示例站点之外的一个站点,完成数据下载、变量提取、格式转换、数据编译、模型参数设定、模型运行、结果提取与导出、结果可视化等操作。巩固学习成果,对疏漏点和易错点进行交流,老师全程答疑解惑。

Ø 单站模拟2

选择不同的模型参数化方案,分别运行模型并对结果进行提取与可视化,对比与其他参数化方案所得结果的差异。

Noah-MP模型区域运行与数据同化的原理

1.1 Noah-MP模型区域运行

根据驱动数据的不同,模型区域运行共包含三个模块,分别是基于GLDAS驱动数据的模拟、基于NLDAS驱动数据的模拟和基于CLDAS驱动数据的模拟。三个模块的应用范围和数据处理细节有所不同,但整体流程相近,以GLDAS为例简要介绍模拟流程:

2.1.1 准备大气驱动数据

Noah-MP模型的运行需要格式正确的驱动数据(气温、降水、气压、风速、辐射等)。因此用户需提前下载并处理好相关数据,以下为数据准备的简要步骤。

Ø 下载大气驱动数据-以GLDAS为例

区域驱动数据主要包括研究区的风速、气温、相对湿度、气压、长波辐射、短波辐射以及降水等。可从GLDAS官网下载相关数据:

https://disc.gsfc.nasa.gov/datasets/GLDAS_NOAH025_3H_2.1/summary?keywords=GLDAS。

图片

图 9 下载区域大气驱动数据

两种区域数据的获取方法,一种是基于downthemall的批量下载方法,操作简便;另一种是基于python脚本的数据抓取方式,自由化更高;学员可尝试不同的数据下载方法,获取区域驱动数据的源数据。

Ø 相关变量的提取与时间转换

对模型模拟所需变量进行提取,同时完成世界时和当地时之间的转换。

图片

Ø 初始状态变量的提取

图片

图 11 初始状态变量提取代码(部分)

Ø 风速的分解、降水数据的整合

图片

图 12 风速分解代码(部分)

图片

图 13 降水数据的提取整合(部分)

基于下载的netCDF4格式的源数据,分别编辑并运行以上python及perl脚本,生成变量分解后的一系列netCDF4格式文件,用于编译生成驱动数据。

2.1.2准备研究区静态数据

Ø 制作geo_em_d0x.nc数据

基于WPS制作区域静态数据(包括研究区范围、研究区土地利用情况、植被覆盖度等信息)。此部分需安装WRF及WPS,并下载WPS_GEOG数据。详细流程可参考:

https://www2.mmm.ucar.edu/wrf/OnLineTutorial/compilation_tutorial.php。

图片

Ø 准备数字高程数据

hrldas (Noah-MP)自带的高程文件-GLDASGLDASp4_elevation_025d.nc4。一般情况下,将此文件作为模型的高程输入数据即可。

2.1.3编译与运行-生成模型驱动数据

区域原始的气象驱动数据和静态数据准备完毕后,需编译运行生成符合模型要求的驱动数据-*.LDASIN_DOMAIN1。

图片

图 14 设置namelist.input文件

图片

图 15 驱动数据制作结果

修改好相关目录的目录结构,在指定目录下,准备好必须的程序与文件,编译运行生成.LDASIN_DOMAIN1格式的驱动数据。

2.1.4单站点运行hrldas (Noah-MP)模型

根据研究区特点及用户模拟需求,修改namelist.hrldas文件,Namelist.hrldas文件编辑完成后,即可运行可执行程序/hrldas.exe。模型模拟结果将输出至指定文件夹下,若运行成功,在输出目录下应包含指定模拟时间段内的指定时间步长的模拟结果-*.LDASOUT_DOMAIN1。

图片

图 16 输出结果文件

2.1.5数据的分析与可视化

区域模拟结果亦为netCDF格式文件,可通过ncview软件初步查看模拟结果,后续还需借助xarray,pandas等工具进一步进行变量提取、可视化等工作。

图片

图 17 模拟结果

基于提供的python脚本,提取模拟结果中的相关变量并可视化,熟悉xarray的使用方法。

Ø 区域模拟作业1

基于完整的区域模拟流程,选择课程示例区域之外的一个区域,完成数据下载、变量提取、格式转换、数据编译、模型参数设定、模型运行、结果提取与导出、结果可视化等操作。巩固学习成果,对疏漏点和易错点进行交流,老师全程答疑解惑。

Ø 区域模拟作业2

选择不同的模型参数化方案,分别运行模型并对结果进行提取与可视化,对比与其他参数化方案所得结果的差异。

2.1 数据同化系统的构建

2.2.1数据同化的原理与发展历史

图片

图 18 数据同化原理示意图
2.2.2数据同化方法

图片

图 19 数据同化方法的类型
2.2.3集合卡尔曼滤波数据同化算法原理介绍

图片

同化系统的构建与应用

3.1 多源遥感数据同化系统的构建实例(以单站运行为例)
3.1.1多源遥感数据同化框架的构建

图片


3.1.2多源观测数据预处理

下载Fluxnet(https://ameriflux.lbl.gov/)的站点观测数据,将其作为观测量,经数据格式转换(.xls -> .dat)后(python脚本),输入模型。3.1.3数据同化结果可视化与数据分析

基于同化模型输出的结果文件,借助相关python函数包(xarray等),对目标变量进行提取与可视化,对比其与open-loop(未同化)模型输出的差异。

图片

图 22 结果提取与可视化

3.1 多源遥感数据同化系统的区域应用

3.2.1 Noah-MP区域同化的设计思路

从模型源码出发,讲解模型区域模拟的原理,进一步加深对区域模拟的底层实现方法的理解。并在此基础上,构建区域数据同化的框架,讲解参数和状态变量的优化过程。

3.2.2 区域叶面积指数数据的下载、处理、尺度转换

由于下载的各卫星产品时间、空间分辨率不尽相同,因此需进行时间、空间尺度转换等操作,获取时空连续,分辨率一致的数据用于同化。基于代码演示和操作,熟悉相关处理流程。

图片

图 23不同空间分辨率多源遥感数据与模型网格之间的尺度转换

3.2.3 区域多源遥感数据同化模型的运行案例分析

结合模型区域模拟和集合卡尔曼滤波原理,介绍多通道同化系统在区域的构建思路,结合卫星产品的下载处理结果,进行实例演示。

3.2.4 区域数据同化结果的可视化与分析

模型同化结果的导出与展示,熟悉与数据后处理相关函数包的调用、变量提取可视化、图像整饬等操作,主要以python和R作为可视化工具。

图片

图 24区域多源遥感数据同化结果的展示

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1589314.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

VMware 安装配置 Ubuntu(最新版、超详细)

1. 下载安装 VMware ➡️➡️➡️来源:VMware Docs VMware Workstation Pro™ 使专业技术人员能够在同一台 PC 上同时运行多个基于 x86 的 Windows、Linux 和其他操作系统,从而开发、测试、演示和部署软件。 [Step 1]: 点击 VMware Workstati…

【Java探索之旅】从输入输出到猜数字游戏

🎥 屿小夏 : 个人主页 🔥个人专栏 : Java编程秘籍 🌄 莫道桑榆晚,为霞尚满天! 文章目录 📑前言一、输入输出1.1 输出到控制台1.2 从键盘输入 二、猜数字游戏2.1 所需知识&#xff1a…

【TI毫米波雷达】I2C初始化配置和主机数据收发,用SDA来模拟UART数据输出,可直接连接IWR6843AOP开发板引脚

【TI毫米波雷达】I2C初始化配置和主机数据收发,用SDA来模拟UART数据输出,可直接连接IWR6843AOP开发板引脚 文章目录 导入库引脚复用初始化I2C配置数据发送用SDA来模拟UART数据输出附录:结构框架雷达基本原理叙述雷达天线排列位置芯片框架Demo…

数据结构-----枚举、泛型进阶(通配符?)

文章目录 枚举1 背景及定义2 使用3 枚举优点缺点4 枚举和反射4.1 枚举是否可以通过反射,拿到实例对象呢? 5 总结 泛型进阶1 通配符 ?1.1 通配符解决什么问题1.2 通配符上界1.3 通配符下界 枚举 1 背景及定义 枚举是在JDK1.5以后引入的。主要用途是&am…

【Linux】进程通信之匿名管道通信

一、进程间进行通信的目的 我们往往需要多个进程协同,共同完成一些事情。 数据传输:一个进程需要将它的数据发送给另一个进程资源共享:多个进程之间共享同样的资源。通知事件:一个进程需要向另一个或一组进程发送消息&#xff0c…

Netty NioEventLoop详解

文章目录 前言类图主要功能NioEventLoop如何实现事件循环NioEventLoop如何处理多路复用Netty如何管理Channel和Selector管理Channel管理Selector注意事项 前言 Netty通过事件循环机制(EventLoop)处理IO事件和异步任务,简单来说,就是通过一个死循环&…

23年坚守,只为打造高品质立秀膨体,索康让品质为中国说话

2024年3月23日,第二十三届上海国际整形美容外科大会(以下简称“大会”)在上海召开,本次大会由张涤生整形外科发展基金会主办,上海交通大学附属第九人民医院整复外科、Chinese Journal of Plastic and Reconstructive S…

性能优化 - 你知道CSS有哪些优化方案吗

难度级别:中高级及以上 提问概率:70% CSS是前端开发工作中必不可少的技能之一,同时也是网页开发中必不可少的重要元素之一。但很多人所开发的项目本身对性能要求并不高,再加上项目周期紧张,久而久之,也就容易养成不考虑细节的习惯,觉得C…

NzN的数据结构--二叉树part2

上一章我们介绍了二叉树入门的一些内容,本章我们就要正式开始学习二叉树的实现方法,先三连后看是好习惯!!! 目录 一、二叉树的顺序结构及实现 1. 二叉树的顺序结构 2. 堆的概念及结构 3. 堆的实现 3.1 堆的创建 …

04-12 周五基于VS code + Python实现CSDN发布文章的自动生成

简介 之前曾经说过,在撰写文章之后,需要,同样需要将外链的图像转换为的形式,因此,可以参考 04-12 周五 基于VS Code Python 实现单词的自动提取 配置步骤 配置task 在vscode的命令面板configure task。配置如下的任…

python知识点汇总(十一)

python知识点总结 1、当Python退出时,是否会清除所有分配的内存?2、Python的优势有哪些?3、什么是元组的解封装4、Python中如何动态获取和设置对象的属性?5、创建删除操作系统上的文件6、主动抛出异常7、help() 函数和 dir() 函数…

人工智能基础部分26-基于知识推理引擎KIE算法的原理介绍与实际应用

大家好,我是微学AI,今天给大家介绍一下人工智能基础部分26-基于知识推理引擎KIE算法的原理介绍与实际应用。知识推理引擎(Knowledge Inference Engine, KIE)是一种人工智能技术,其核心原理是基于规则和逻辑的方法来处理复杂的问题。它构建在业…

从前端角度防范XSS攻击的策略与实践

XSS(Cross-Site Scripting,跨站脚本攻击)是一种常见的网络安全威胁,它允许攻击者将恶意脚本注入到正常的网页中,从而在其他用户的浏览器上执行这些脚本。这可能导致数据泄露、会话劫持、甚至是对受害者计算机的完全控制…

探新路建“枢纽” 湖南深耕中非经贸合作“试验田”

湖南作为中国与非洲经贸合作的重要窗口,积极推动中非经贸关系的发展和深化。通过构建覆盖全产业链的高效运作模式,湖南企业能够在一周内将肯尼亚干制鳀鱼加工成为麻辣鲜香的劲仔深海小鱼并投入中国市场。此外,湖南还致力于推动非洲优质农产品…

【vue】watchEffect 自动侦听器

watchEffect&#xff1a;自动监听值的变化 获取旧值时&#xff0c;不是很方便&#xff0c;建议用watch <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8"><meta name"viewport" content"widthdevic…

数学基础:深度学习的语言

数学基础&#xff1a;深度学习的语言 概述 在深度学习的世界里&#xff0c;数学不仅仅是一套工具&#xff0c;它是构建、理解和优化深度学习模型的基石。从向量空间的概念到复杂的优化算法&#xff0c;数学的每一个分支都在深度学习的发展中扮演着关键角色。本文的目标是通过深…

解决cmd输入py文件路径不能执行,使用anaconda prompt 能执行

究其原因&#xff0c;是因为没有配置环境&#xff01;&#xff01;&#xff01;&#xff01;&#xff01;&#xff01;&#xff01; 第一步&#xff1a;配置环境变量 操作步骤如下&#xff1a; 1、右击此电脑 ---->属性 2、高级系统设置 3、点击环境变量 4、选择 …

网工内推 | 网络工程师,13薪,周末双休,华三、华为认证优先

01 路邦远大 招聘岗位&#xff1a;网络工程师 职责描述&#xff1a; 1、配合市场销售人员&#xff0c;做好产品的售后服务工作&#xff1b; 2、负责项目方案安装调试指导以及日常客户使用培训&#xff0c;对客户提出的问题提出解决方案&#xff1b; 3、为客户提供专业、规范的…

简析OpenHarmony软总线能力

分布式软总线是 OpenHarmony 的重要能力&#xff0c;设计目标是实现多设备间的通信方式。分布式软总线是分布式硬件和分布式软总线的重要基础&#xff0c;分布式软总线提供一种不区分链路的设备间发现、组网和传输的能力&#xff1a; 发现&#xff1a;应用 WiFi&#xff0c;蓝…

Baichuan-7B-chat WebDemo 部署调用

Baichuan-7B-chat WebDemo 部署调用 Baichuan2 介绍 Baichuan 2 是百川智能推出的新一代开源大语言模型&#xff0c;采用 2.6 万亿 Tokens 的高质量语料训练。在多个权威的中文、英文和多语言的通用、领域 benchmark 上取得同尺寸最佳的效果。 环境准备 在autodl平台中租一…