一个静态网站开发考虑什么运营和营销哪个更好
查看原文>>> Python支持下最新Noah-MP陆面模式站点、区域模拟及可视化分析技术
了解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；熟悉模型的发展历程，常见模型及各自特点；理解Noah-MP模型的原理，掌握Noah-MP模型在单站和区域的模拟、模拟结果的输出和后续分析及可视化等方法；理解数据同化原理，掌握集合卡尔曼滤波数据同化算法，学会构建多源遥感数据同化框架，并掌握数据同化系统的区域应用及生态水文过程分析。
1.1内容简述
1.2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
1.3Noah-MP模型
Noah-MP模型的发展历史、模型结构及主要模块。
1.4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
1.5Noah-MP模型单站运行
1.5.1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
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。
1.5.2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
1.5.3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
Noah-MP模型区域运行
数据同化的原理
2.1.12.1Noah-MP模型区域运行
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
相关变量的提取
图 10 相关变量提取代码（部分）
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）
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。
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
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
3.2.12.2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
图 20 集合卡尔曼滤波方法示意图
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 21 多通道数据同化框架
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
3.2多源遥感数据同化系统的区域应用
3.2.1 区域多源遥感叶面积指数、土壤水分数据的下载、处理、尺度转换
掌握基于GEE（Google earth engine）平台下载研究区相关数据集的方法。
图 23 基于GEE平台下载研究区相关数据
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 24 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
3.2.2 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。
3.2.3 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。
图 25区域多源遥感数据同化结果的展示