目录
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
1707
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
