之前在介绍高维数据可视化时说过后面会说WRF模式后处理的高维可视化,这跳票一跳就是差不多一年半,今天从其Vis5d的角度说一下WRF模式的高维可视化。
仅掌握之前提到的最常用命令是不够的,比如就编译WRF模式来说,其中可能涉及到解压缩,权限修改,文件链接,环境变量。当然,如果编译之前不确定空间是否足够,就需要查看磁盘空间。而在编译的时候又会有一些需求,比如想后台编译,为了便于查错需要将编译输出信息保存,而不是输出到屏幕等等。
大气海洋的特点,决定了我们无法做一些真实的实验,因此开展数值模拟,是其重要手段。业务预报中,现在气象预报员基本离不开模式的结果,甚至许多预报员毫不避讳,直言预报结论基本照搬模式结果。科研中,众多领域也是要需要使用数值模式,哪怕不使用数值模式,也需用到模式运行得到的再分析资料。因此对于大气和海洋科学领域的人而言,数值模式是一个绕不开的话题。
cf-plot 是面向气候研究者的数据可视化工具,可以绘制常见的等值线、矢量和折线图等,比如投影地图、多子图图形、Hovmuller图、轨迹图。cf-plot 也可以直接处理WRF模式结果,可以非常方便的进行可视化。
WRFChem 是一个区域大气化学传输模式,实现了化学模块和 WRF 气象动力的在线耦合,充分考虑了污染物的平流输送、湍流扩散、干湿沉降 、辐射传输等大气物理过程,以及较为详细的多相化学过程,被广泛应用于区域环境污染研究。
有人因喜好而使用Linux,有人因需要而学习Linux。无论出于什么原因,当你刚接触它时就像你刚接触Windows时一样。
By HKL, on Saturday 2022-10-15 08:48, tagged: 🏷️Linux 🏷️Operating
就多节点功能而言,c6g(n)可用于AWS 100Gbs EFA,而c7g目前仅可用于30Gbs网络。对于WRF,有两个众所周知的测试案例:Conus12km,可以在单个节点上运行;以及更大的Conus2.5km,更适合多节点运行。在这里,我们保持单节点Conus12km运行,以保持围绕实例之间的共同特征的讨论。实际上,互连速度对可伸缩性的影响取决于感兴趣的WRF案例的大小和使用的实例数量。在某些情况下,这可能是16个以上的实例[2].
WPS只是WRF运用实际数据模拟的准备过程,这就好比开车要先上车。讲完前处理过程之后 WRF模式之WPS的配置运行,就要开始模拟了。
使用“open(‘文件名’,’w’)”语句,以写模式打开文件,然后使用write函数写文件
距离上次xarray的更新已经过去两个多星期了...,关于xarray插值方法的介绍官方文档已经给的比较详细了,也有公众号推送过相关文章 xarray指南:插值 基于xarray的气象场站点和格点插值,所以xarray的插值部分就不单独说了。
https://gitee.com/jinfan0931/meic2wrf (推荐国内仓库√)
Basemap 特别擅长绘制数值天气模式输出数据,比如 WRF。WRF [注1] 模式是广泛使用的数值预报模式,只要变量名合适,大部分情况下都可以使用其它模式的输出来运行。
最近需要针对对WRF应用做一些性能优化;下面简单记录WRF model 的安装过程:
近几年,python在气象领域的发展也越来越快,同时出现了很多用于处理气象数据的python包。比如和NCL中的 WRF_ARWUser库类似的 wrf-python模块。
动画在公众号中不太好放,感兴趣的大家可以去和鲸社区上手玩儿一下。代码获取在好奇心Log公众号后台回复wrf绘图
利用Python进行WRF模式后处理的应该都知道,wrf-python用来处理WRF模式结果比较方便,但又太笨重了,经常需要编写很多代码。xarray是目前地球科学领域使用非常多的库,集成度非常高,使用非常方便。
2012 年 7 月写这篇文章,我已经有大约一年没有运行 WRF了。或许我在本文中所写的内容已过时,它只包含当 WRF 不运行时可以尝试的方法。我感觉到你的痛苦,但我无法让它消失。对不起,我希望我能知道更多,以便我可以给你提供帮助。
数据准备是机器学习的基础,俗话说巧妇难为无米之炊,没有数据的机器学习就是耍流氓。
最近在做一些WRF-Chem的开发工作,对源码里面的一些东西似懂非懂,借助Chatgpt增加了一些直观的认识,分享一下。
本教程将以官网—2016年10月飓风马修登陆为例,介绍在实际应用WRF-ARW中涉及到的重启动、海温更新、以及网格嵌套等操作流程(基于北京超算中心云服务器平台)。
WRF中地形数据(海拔高度)分辨率最高为30s,差不多就是900m,当模型空间分辨率较高时,比如在低于1km的情况下,经常会考虑增加地形高度的分辨率,这里使用美国的SRTM( Shuttle Radar Topography Mission)的DEM数据,这个数据覆盖了全球陆地,在美国本地分辨率为1s,其他地区为3s(约90m),因此使用这个更高分辨率数据来测试一下。
这些年随着GPU算力的不断发展,不少机构在尝试利用GPU加速当前的数值天气预报模式。至少到目前为止还没看到官方发布的完整支持GPU版本的数值预报模式。
本教程将以官网—2016年10月飓风马修登陆为例,介绍WRF-ARW在北京超算中心上的基础运行操作。
在工作业务中,有些函数的调用要尽量傻瓜,能够让其他人能够方便地调用,毕竟甲方是爸爸。
ABoVE: Level-4 WRF-STILT Footprint Files for Circumpolar Receptors, 2016-2019
Hello!大家好,今天给大家分享一个解决跑ungrib时遇到“End-of-record mark (7777) not found”报错的小方法。
目前,有很多工具可以进行WRF模式后处理,比如NCL,Grads,Python,MATLAB等等,而且每一种语言都有其优势。NCL中有WRF模式后处理的包,可以非常方便的处理WRF模式结果,而近些年Python在气象上的应用也越来越广泛,各种气象相关包也日渐完善。MATLAB在WRF模式后处理方面就显得捉襟见肘了,倒不是MATLAB不适合做WRF模式后处理,而是关于这方面的开源包不多。
这部分包含的时 wrf-python 模块中的API,如果wrf-python提供的函数不能满足你的需求,你也可以根据已有的API重新编写一个处理函数或是其它的诊断函数。当然,大多数时候我们仅需要wrf-python已经提供的诊断函数和其它可调用函数,可能都不会使用到这些API。
每个转数值模式的都逃不了查看源代码的命运。每当看源代码时,总是理不清那复杂的亲属关系。为了在查阅源代码时更好的理清思路,我们可以使用 f90tohtml 构建模式代码调用流程图。
正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些符合某个模式的文本,比如爬虫工程师可以用正则表达式来匹配网页上的文本数据,自然语言工程师可以用正则表达式匹配出含有敏感词的语句,作为气象工程师,我们可以用正则表达式来处理我们服务器内的日志文件,也可以用来匹配特定规律的模式输出文件名。
ABoVE: Level-4 WRF-STILT Particle Trajectories for Circumpolar Receptors, 2016-2019
主要的程序为geogrid.exe、ungrib.exe、metgrid.exe,输入到这些程序的配置在“namelist.wps”中,每个主要程序都有一个独立的配置模块(分别命名为“&geogrid”、“&ungrib”、“&metgrid”,这些模块以“/”分隔),并且三个程序配置模块共有一个共享模块(名为“&share”)供每个程序读取。
首先简要的介绍一下我的情况。数学建模我也是在大一暑假开始接触的,之前对其没有任何的了解。我本身对数学也有相对较厚的兴趣,同时我也是计算机专业的学生,因此,我觉得我可参加数学建模的这个比赛。大一的暑假参加了国赛,获得了国一;大二的寒假参加了美赛,成绩还未知。
当你在早晨查看天气预报时,你看到的结果很有可能是由天气研究和预报(WRF)模型得出的,该模型是一个全面的模型,可以模拟我们周围自然世界的许多方面的变化。
高维数据是一种非常常见的数据类型,其中包含了多种属性。比如:数值模式输出结果通常包含多种物理参量及多个时次,还有一些空间位置信息。尽管高维数据非常常见,但是高维数据的分析一直是个挑战。那么如何才能有效的分析高维数据呢?就此问题,本文主要介绍一些气象领域的高维数据可视化工具。
编者按:这是新开的一个系列,有时间会逐步将WRF官方培训的ppt挑选个人认为重要的进行翻译,以及结合个人的使用经验进行一些解释。由于个人水平有限,难免会出现偏差和错误,欢迎斧正。
现有一种使用字母的全新语言,这门语言的字母顺序与英语顺序不同。假设,您并不知道其中字母之间的先后顺序。但是,会收到词典中获得一个 不为空的 单词列表。因为是从词典中获得的,所以该单词列表内的单词已经 按这门新语言的字母顺序进行排序。您需要根据这个输入的列表,还原出此语言中已知的字母顺序。 例如:
WRF模式是数值天气预报和大气模拟系统,其开发目的就是用语研究和实际应用。运行WRF模式时,可以利用多种初始场数据来驱动,然后配置好选项之后便可以模拟天气过程(说的好像很简单的样子==)。
大气环境专业或者气象专业会学到WRF(气象研究预测模型)或者CMAQ(空气通用多尺度空气质量)。
作为曾经地球科学领域最炙手可热脚本语言之一的NCL已经进入维护模式,不再更新。NCAR将使用Python作为地球科学领域的主要数据处理和可视化工具。
更好地理解气候变化和更可靠的天气预报需要复杂的数值天气预报模型,这些模型消耗大量的高性能计算(HPC)资源。对此类模型的基于云的高性能计算的兴趣持续增长[1].
WPS(WRF Preprocessing System)是为了真实数据模拟提供输入的前处理过程,包含了3个主要程序,分别为:geogrid.exe、ungrib.exe和metgrid.exe。[^1]
使用过WRF的人都知道,它的模拟结果是按照我们指定的时间间隔和模拟时间段依次输出的。但在处理数据的时候呢,比如想画一个时间趋势图之类的时候,挨个读取数据非常繁琐。我们希望能够把所有的数据或者某个我们关心的变量单独提取出来,让其按照指定的维度,如时间维度来排序并整合成一个文件。下面我就分享一下我在日常科研中为了解决这个问题而写的代码,供大家参考使用(代码很简单, 大家只需要把文件名、路径改成自己的就可以用了)。
Collection是集合类的上级接口,子接口有 Set、List、LinkedList、ArrayList、Vector、Stack、Set;
目前的空气质量预报系统尚未对天气预报不确定性的影响进行量化。为了解决这个问题,我们利用二维卷积神经网络和天气集合预报,开发了一个高效的二维地表臭氧集合预报系统(2DCNN-SOEF) ,并将该系统应用于中国深圳216小时(即9天)臭氧卷积神经网络预报。
最近发现NCAR VAPOR小组开始频繁的更新VAPOR的使用教程,不仅官网焕然一新,而且开始定期更新视频教程。VAPOR已经发布了很久,但是以前文档说明并不是很清楚,教程也比较少。此次VAPOR更新网站和相关教程是否意味着NCAR又开始重视高维数据可视化?
•NetCDF格式 : netCDF4-python,h5py,h5netcdf,xarray等。 除了上述简单的数据处理库之外,python还提供了NCO和CDO工具的封装,pynco和cdo,提供了更多的便捷操作。•Grib格式:xarray,Iris,pygrib等,有些仅支持类Unix系统。 ECWMF提供了cfgrib工具可将grib格式转换为NetCDF格式,cfgrib库支持Mac,Linux和windows系统。•csv, xlsx等格式:pandas你值得拥有,无论是气象还是其他领域的类似格式数据,使用pandas可以解决你的常用操作。•HDF格式:pandas和h5py可以处理hdf5格式,PyHDF可以处理hdf4格式。•二进制:numpy可以处理二进制数据,同时借助python内置struct模块可以非常方便的处理二进制格式数据。
领取专属 10元无门槛券
手把手带您无忧上云