当前位置: 首页 > news >正文

【WRF-Chem】预处理工具(Preprocessors)总结

WRF-Chem 预处理工具(Preprocessors)

    • 化学选项(Chemistry Options)
    • 数据下载
  • 预处理工具(Preprocessors)
    • 工具1:mozbc
    • 工具2:bio_emiss
    • 工具3:anthro_emiss
    • 工具4:fire_emiss
    • 工具5:aircraft_emiss
  • 后处理工具(Post-Processors)
    • 综合反应速率(IRR)
  • 参考

WRF-Chem 需要多个 预处理器(preprocessors) 来处理输入数据,如人为排放、生物排放、火灾排放等。

官网-WRF-Chem Tools for the Community
在这里插入图片描述

化学选项(Chemistry Options)

WRF-Chem 支持的 化学机制,主要包括 MOZART, GOCART, MOSAIC。

MOZART + GOCART (MOZCART)  Chem_opt = 112
MOZART + MOSAIC 4 bins     Chem_opt = 201 
MOZART + MOSAIC 4 bins + AQCHEM  Chem_opt = 202

MOZCART 特点:

  • MOZART 处理 气相化学,GOCART 处理 气溶胶。
  • 适用于 对流层化学研究,尤其是 臭氧、PM2.5 生成过程。
  • 参考文献:Pfister et al. (2011),用户需在论文中引用。

MOZART-MOSAIC 特点:

  • MOZART 气体化学 + MOSAIC 颗粒气溶胶模式。
  • 包含 单萜(α-蒎烯、β-蒎烯、柠檬烯)、芳香烃、HONO、C2H2 及 更新的异戊二烯氧化方案。
  • 参考文献:Knote et al. (2014),用户需在论文中引用。

新 TUV 光解方案(V3.9)
phot_opt = 4
需要 额外数据文件,使用前请参考 说明文档。

数据下载

CAM-chem 全球化学模式数据可在 CAM-chem 下载页面 获取。
在这里插入图片描述

预处理工具(Preprocessors)

官方下载网页-Download WRF-Chem Processors

在这里插入图片描述
注意,需要填写联系方式后方可下载。
在这里插入图片描述

工具1:mozbc

功能:

  • 生成 化学初始条件和边界条件,基于全球化学模式输出(如 CAM-chem)。
  • 适用于 WRF-Chem V3.9 及更高版本,但 不兼容混合 sigma-压力坐标。
  • 数据来源:CAM-chem 输出(可在 CAM-chem 下载页面 获取)。

工具2:bio_emiss

功能:

  • 生成 MEGAN 生物排放数据。
  • 适用于 植被 VOCs(异戊二烯、单萜等) 模拟。

工具3:anthro_emiss

功能:生成 人为排放数据(如工业、交通),基于 全球排放清单(如 EDGAR-HTAP)。
新特性:

  • 支持 EDGARv5.0(由爱丁堡大学 Caterina Mogno 贡献)。
  • EPA_ANTHRO_EMIS(支持 美国 EPA 2014v2 和 NEI 2017 数据)。

工具4:fire_emiss

功能:

  • 处理 火灾排放数据,基于 NCAR FINN 火灾排放数据库。
  • 适用于 plumerise 方案,可用于全球模式(如 CAM-Chem)。

工具5:aircraft_emiss

功能:

  • 处理 飞机排放数据,基于全球飞机排放清单(NetCDF 格式)。
  • 用户需提供自己的排放数据库。

后处理工具(Post-Processors)

综合反应速率(IRR)

MOZART 化学选项(chem_opt = 112, 201, 203) 现在支持 时间积分化学反应速率(IRR) 输出。
类似于 CMAQ 中的 IRR 分析功能,可用于 化学机制评估。

参考

http://www.dtcms.com/a/65002.html

相关文章:

  • es-索引详解
  • 论文笔记 - ULTRA-SPARSE MEMORY NETWORK
  • 解决:外部调用存储过程时突然变慢,但是在sql server运行很快
  • ios打包需要的证书及步骤
  • flutter dio库 源码赏析
  • Java继承机制深度解析:子类如何继承父类及内存原理解析
  • 《A Gentle Introduction to Graph Neural Networks》-GNN的综述性论文
  • 玩转python:掌握Python数据结构之Trie树
  • Django部署Filemanagement
  • Next.js介绍(React框架)
  • 32- 两数之和 II - 输入有序数组
  • AutoGen学习笔记系列(十四)Advanced - Serializing Components
  • OpenSSL 的主要功能及其示例命令
  • Python 文件和异常(存储数据)
  • tomcat部署springboot+vue(不使用nginx)
  • 【深度学习】多源物料融合算法(一):量纲对齐常见方法
  • 贪心算法(5)(java)k次取反后最大化的数组和
  • git 撤销某次提交的上交到远程服务器的commit提交,此提交后面的commit需要保留【deeepseek生成】
  • 【SOC 芯片设计 DFT 学习专栏 -- Scan chain 和 SDFFs及 EDT】
  • sqli-lab靶场学习(八)——Less26-28
  • Android ANR 监控方法与事件分发耗时优化实战
  • vue的 props 与 $emit 以及 provide 与 inject 的 组件之间的传值对比
  • docker修改了daemon.js文件还是下载不了镜像
  • Android 自定义View之底部导航栏
  • LanceDB快速入门之基本操作与API一览
  • 基于VMware的Ubuntu22.04系统安装和配置以及解决Ubuntu共享文件夹无法实现的问题
  • 优化程序执行时间的核心方法与实战策略
  • 机器学习(吴恩达)
  • MinIO的预签名直传机制
  • UI自动化:seldom框架和Selenium