Python支持下最新Noah-MP陆面模式站点与区域数据的处理、单站和区域的模拟、模拟结果的输出和后续分析及可视化

news2024/12/23 23:26:19

目录

Noah-MP 5.0模型介绍&模型所需环境的搭建

Python教程

Noah-MP 5.0模型站点模拟

Noah-MP 5.0模型区域模拟

更多应用


熟悉陆表过程的主要研究内容以及陆面模型在生态水文研究中的地位和作用;深入理解Noah-MP 5.0模型的原理,掌握Noah-MP模型(2023年最新发布的5.0版本)所需的系统环境与编译环境的搭建方法及模型实践运行,熟悉linux系统操作环境及Python编程;掌握利用Python语言进行站点与区域数据的处理、单站和区域的模拟、模拟结果的输出和后续分析及可视化等方法。

本教程以老师多年研究及案例为背景,重点讲解模型环境搭建、基于Python语言的站点和区域数据处理、站点模拟、区域模拟。区域模拟将针对全球、北美、中国等不同地区的特有数据集进行实战操作。在讲解过程中老师会把多年研究积累分享给学员。

【专家】:徐教授,长期从事定量遥感、遥感数据同化、地表水热通量转化等相关领域的研究,发表多篇相关领域核心期刊论文,具有丰富的实践技术经验。

Noah-MP 5.0模型介绍&模型所需环境的搭建

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

图 1 陆面过程主要研究内容

介绍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 2 陆面过程模型

Noah-MP 5.0模型
Noah-MP 5.0模型的发展历史、主要模块、模型代码结构等。
模型运行环境配置、下载与安装
模型以及配套软件的下载
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 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 5.0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、逐指令讲解。
上机实操
跟随课程,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。

Python教程

Python编程环境配置
陆面过程模型的数据处理及可视化需要Python语言的协助,在进行陆面模型模拟前需要配置好对应的Python编译环境并掌握Python的基本语法及操作。
环境配置
主要讲解几种不同的环境配置,包括编译器和解释器及包管理器的选择与使用。同时还针对Python的基本语法知识进行讲解。

处理数据
格式化处理陆面模型运行能够识别的格式

Noah-MP 5.0模型站点模拟

Noah-MP 5.0模型单站运行
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 5.0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 4 大气驱动数据的准备与格式转换

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。

上机实操
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。

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 5 站点信息

图 6 初始状态变量

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。

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 7 修改namelist文件

模型运行结果的可视化与分析
讲解可视化部分使用的python脚本结构和用法。
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 8 模拟结果的提取与可视化

上机实操
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。

单站模拟作业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。

单站模拟作业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。

Noah-MP 5.0模型区域模拟

Noah-MP 5.0模型区域运行
Noah-MP 5.0模型区域运行整体流程与站点模拟相似,大致也可分为数据下载、数据变量提取、制作驱动数据、设置参数化方案、模型模拟与模拟结果可视化分析等几个步骤。但区域模拟的数据准备过程相较于站点运行更为繁琐,使用的数据源也更为多样,如GLDAS、NLDAS以及CLDAS等。同时模拟结果以二维形式存储,提取与可视化的方法也不同于单站。

区域运行将会讲解基于GLDAS和NLDAS等数据源制作驱动数据的模拟方法,并介绍区域运行结果可视化工具xarray的使用方法。课程结构主要分为数据下载、数据处理、数据编译、模型运行与结果可视化几个部分,下面以GLDAS为例,详细介绍讲解流程与配套练习内容:

准备大气驱动数据
Noah-MP 5.0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。

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 9 下载区域大气驱动数据

上机实操
讲解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。

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 10 相关变量提取代码(部分)

初始状态变量的提取与时间转换

图 11 初始状态变量提取代码(部分)

风速的分解、降水数据的整合

图 12 风速分解代码(部分)

图 13 降水数据的提取整合(部分)

上机实操
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。
准备研究区静态数据
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。

观看WPS的安装编译视频,熟悉WPS的安装配置流程。

准备数字高程数据
hrldas (Noah-MP 5.0)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。 

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 14 设置namelist.input文件

图 15 驱动数据制作结果

上机实操
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。

运行hrldas (Noah-MP 5.0)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 16 输出结果文件

上机实操
练习设置namelist.hrldas,选择一套参数化方案,运行模型。
数据的分析与可视化
区域模拟结果亦为netCDF格式文件,借助xarray,pandas等工具进一步进行变量提取、可视化等工作。

图 17 模拟结果

上机实操
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。

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。

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。


更多应用

CMIP6数据处理及在气候变化、水文、生态等领域中的应用_WangYan2022的博客-CSDN博客CMIP6数据被广泛应用于全球和地区的气候变化研究、极端天气和气候事件研究、气候变化影响和风险评估、气候变化的不确定性研究、气候反馈和敏感性研究以及气候政策和决策支持等多个领域。这些数据为我们理解和预测气候变化,评估气候变化的影响和风险,以及制定有效的气候政策和决策提供了关键的信息和工具。https://blog.csdn.net/WangYan2022/article/details/131944142?spm=1001.2014.3001.5502【高分论文密码】大尺度空间模拟预测和数字制图技术和不确定性分析_WangYan2022的博客-CSDN博客结合经典的例子讲解R语言在空间数据处理、管理以及可视化的操作,从空间数据计量、大尺度时间序列分析与突变检测、空间数据插值、空间数据建模、机器学习空间预测、多种机器学习集成技术、空间升、降尺度技术、空间模拟偏差订正技术、数据可视化、知识图谱等方面让您全方位掌握R语言大尺度空间数据分析模拟预测及可视化技术。https://blog.csdn.net/WangYan2022/article/details/130800531?spm=1001.2014.3001.5502CLM 陆面过程模式_陆面模型原理_WangYan2022的博客-CSDN博客CLM模式完善的生物地球物理过程、水文过程、生物地球化学过程和动态植被过程使得模式不仅可以模拟植被覆盖相关的物理过程和与土壤水热传导相关的物理过程,可以模拟地表径流、基流、植被冠层蒸发、植被蒸腾、土壤蒸发等水文循环变量,可以通过嵌套次网格实现动态植被的碳氮循环模拟研究,更是可以用于冻土、林火、城市冠层以及陆气相互作用等有关陆面过程的各种研究。......_陆面模型原理https://blog.csdn.net/WangYan2022/article/details/125366082?spm=1001.2014.3001.5502如何利用python机器学习解决空间模拟与时间预测问题及经典案例分析_WangYan2022的博客-CSDN博客了解机器学习的发展历史、计算原理、基本定义,熟悉机器学习方法的分类,常用机器学习方法,以及模型的评估与选择;熟悉数据预处理的流程,掌握python程序包的使用;理解机器学习在生态水文中的应用,掌握机器学习模型构建方法,学会构建机器学习模型用于地表参数的空间模拟与时间预测,并掌握生态水文过程分析。https://blog.csdn.net/WangYan2022/article/details/128861894?spm=1001.2014.3001.5502

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/912086.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

Video-LLaMA

文章目录 链接主要贡献模型一些思考啥是Q-former为什么position embedding可以辅助学到temporal的信息 代码视觉处理 一些惊喜 链接 https://github.com/DAMO-NLP-SG/Video-LLaMA 主要贡献 能够捕捉到一小小短时间(temporal)里视觉的变化 - 使用了Q-f…

“卷王”新茶饮们:从风口,卷到了十字路口

【潮汐商业评论/原创】 “楼下奈雪开业了,扫码9块9就可以喝到杨枝甘露,这也太便宜了,”Chloe向同事说道。 “上次跟Fendi联名的喜茶,两杯也只要38元。” “喜茶奈雪开始向二线价格靠拢?怎么都那么便宜了&#xff1f…

【一对一学习小组】2023年有三AI-CV初阶-基础算法组发布,如何夯实深度学习图像识别算法理论基础与实践...

2023年有三AI-CV初阶-基础算法组正式发布!有三AI已经推出了CV初-中-高级培养计划(原名有三AI-CV季划),这是我们的终身计算机视觉学习小组。 该培养计划具有以下特点: 【系统性】配套有非常完备的理论与实践 【永久性】…

jacaScript的详解与使用2

javaScript详解与使用2 Window.open()和location对象在HTML中我们一般使用的是a标签进行页面的跳转 而在js中也有自己的跳转页面的方式 window.open() 里面可以传递参数 在跳转的页面使用location对象进行接收 面象对象什么是面向对象1.面向对象是一种编程思想 简称为oop&#…

Qt快速学习(二)--QMainWindow,对话框,布局管理器,常用控件

目录 1 QMainWindow 1.1 菜单栏 1.2 工具栏 1.3 状态栏 1.4 铆接部件 1.5 核心部件(中心部件) 1.6 资源文件 2 对话框QDialog 2.1 基本概念 2.2 标准对话框 2.3 自定义消息框 2.4 消息对话框 2.5 标准文件对话框 3 布局管理器 3.1 系统…

华为OD机试 - 数字颠倒(Java 2023 B卷 100分)

目录 专栏导读一、题目描述二、输入描述三、输出描述四、解题思路五、Java算法源码六、Java算法源码投机取巧七、效果展示 华为OD机试 2023B卷题库疯狂收录中,刷题点这里 专栏导读 本专栏收录于《华为OD机试(JAVA)真题(A卷B卷&am…

回归预测 | MATLAB实现PSO-RF粒子群优化算法优化随机森林算法多输入单输出回归预测(多指标,多图)

回归预测 | MATLAB实现PSO-RF粒子群优化算法优化随机森林算法多输入单输出回归预测(多指标,多图) 目录 回归预测 | MATLAB实现PSO-RF粒子群优化算法优化随机森林算法多输入单输出回归预测(多指标,多图)效果…

链表的顶级理解

目录 1.链表的概念及结构 2.链表的分类 单向或者双向 带头或者不带头 循环或者非循环 3.无头单向非循环链表的实现 3.1创建单链表 3.2遍历链表 3.3得到单链表的长度 3.4查找是否包含关键字 3.5头插法 3.6尾插法 3.7任意位置插入 3.8删除第一次出现关键字为key的节点 …

ROS2与ROS1通信

文章目录 准备工作通信包安装启动ros1_bridge在ROS1中启动相机节点在ROS2中查看ROS1话题 准备工作 本机系统20.04 ROS2-foxyROS1-noetic 两个版本的ROS 均需要按照官网教程进行安装,安装完成以后,source环境变量都不放到~/.bashrc文件里面 通信包安装…

MES管理系统和MOM系统哪个更适合中小企业

中小型制造企业需要在选择制造管理系统前进行充分的需求分析和系统评估,结合企业的战略目标和资源状况来做出决策。MES和MOM系统是两种常见的制造管理系统,它们都能够帮助企业提高生产效率、降低生产成本,实现持续发展。然而,MES管…

模糊测试面面观 | 模糊测试对软件质量和性能的影响

随着软件行业的几十年发展和数字化转型的加快,我国已经度过了软件行业的野蛮发展时代。用户对软件的质量和性能要求越来越高,已经成为企业成功与否的至关重要条件。然而,随着软件规模的扩大和黑客攻击方式的多样化,保障软件的安全…

【kubernetes】Helm

什么是 Helm 每个成功的软件平台都有一个优秀的打包系统,比如Debian、Ubuntu 的 apt,RedHat、CentOS 的 yum。Helm 则是 Kubernetes上 的包管理器,方便我们更好的管理应用。 在没使用 helm 之前,向 kubernetes 部署应用&#xf…

昌硕科技、世硕电子同步上线法大大电子合同

近日,世界500强企业和硕联合旗下上海昌硕科技有限公司(以下简称“昌硕科技”)、世硕电子(昆山)有限公司(以下简称“世硕电子”)的电子签项目正式上线。上线仪式在上海浦东和硕集团科研大楼举行&…

VSCode如何为远程安装预设(固定)扩展

背景 在使用VSCode进行远程开发时(python开发之远程开发工具选择_CodingInCV的博客-CSDN博客),特别是远程的机器经常变化时(如机器来源于动态分配),每次连接新的远程时,都不得不手动安装一些开…

操作系统-笔记-第四章-文件管理

目录 四、第四章——文件管理 1、文件管理——基础概念 (1)文件结构 (2)操作系统提供的接口 (3)总结 2、文件的逻辑结构 (1)有结构文件(类似SQL表文件&#xff09…

数据分析案例丨商品零售购物篮分析(下)

数据分析案例丨商品零售购物篮分析(上) 03 数据预处理 通过对数据探索分析,发现数据数据完整,并不存在缺失值。建模之前需要转变数据的格式,才能使用apriori函数进行关联分析。对数据进行转换,如代码清单…

TIA博途中的数据类型基本介绍

TIA博途中的数据类型基本介绍 基本数据类型 Bool 布尔 FALSE 或TRUE 举例: I0.0 Q0.2 M100.0 DB0.DBX2.5 Byte 字节 二进制:2#0000 0000 到2#1111 1111 无符号整数:0到255 有符号整数:-128到127 十六进制:16#00到16#FF 举例: IB2 MB100 DB1.DBB2 Word 字 二进制:2#0000 …

钉钉公布AI版本商业定价,调用一次大模型不到5分钱

8月22日,在2023年钉钉生态大会上,钉钉总裁叶军公布了钉钉全面智能化的最新进展:已有17条产品线、55个场景全面接入大模型,完成智能化再造;钉钉同时面向生态伙伴和客户开放智能化底座AI PaaS,表示将用大模型…

基于Java水果售卖系统设计与实现(论文+源码)_kaic

第1章 绪 论 1.1 课题研究的背景 随着信息技术的发展,互联网经济快速兴起,电子商务发展迅速,网上购物受到人们的广泛关注和普遍欢迎。水果传统售卖模式的缺点不断暴露,不能满足当今人们快节奏的生活模式需要。将水果的售卖带…

Dubbo服务

dubbo服务分为服务的提供者和消费者 1.服务提供者在nacos注册后通过 DubboService 暴漏服务 2.dubbo服务消费者通过 DubboReference来进行远程服务调用 dubbo的高级特性 1.启动检查:如果启动消费者无提供者则报错,通过配置文件check: fa…