原文链接:陆面、生态、水文模拟与多源遥感数据同化https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247601198&idx=6&sn=51b9b26b75c9df1f11dcb9a187878261&chksm=fa820dc9cdf584df9ac3b997c767d63fef263d79d30238a6523db94f68aec621e1f91df85f69&token=1430696232&lang=zh_CN#rdNOAH-MP与NOAH-MP单站运行
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
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
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 3 下载界面
模型以及配套软件的安装
从虚拟机出发,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。
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
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 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。
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。
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 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 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。
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。
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。
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
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。
初始状态变量的提取
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)
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
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。
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 14 设置namelist.input文件
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 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 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。
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。
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 18 数据同化原理示意图
2.2.2数据同化方法
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
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
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 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 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,进行实例讲解演示。
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 24区域多源遥感数据同化结果的展示