小曾WRF自学日记(3)渐入佳境 ——WRF实例-数据下载与WPS前处理

1. 数据下载（ERA5）

参考：批量下载ERA5数据（Python+IDM）

新技能 get！

main idea 是从Climate Data Store https://cds.climate.copernicus.eu/cdsapp#!/home 获取url后通过IDM批量下载

import cdsapi
import calendar
from subprocess import call


def idmDownloader(task_url, folder_path, file_name):
    """
    IDM下载器
    :param task_url: 下载任务地址
    :param folder_path: 存放文件夹
    :param file_name: 文件名
    :return:
    """
    # IDM安装目录
    idm_engine = "C:\\Program Files (x86)\\Internet Download Manager\\IDMan.exe"
    # 将任务添加至队列
    call([idm_engine, '/d', task_url, '/p', folder_path, '/f', file_name, '/a'])
    # 开始任务队列
    call([idm_engine, '/s'])


if __name__ == '__main__':
    c = cdsapi.Client()  # 创建用户

    # 数据信息字典
    dic = {
        'product_type': 'reanalysis',  # 产品类型
        'format': 'grib',  # 数据格式
        'variable':  [
            'geopotential','relative_humidity','specific_humidity',
            'temperature','u_component_of_wind','v_component_of_wind'
        ],  # 变量名称
        'pressure_level': [
            '1','2','3',
           '5','7','10',
           '20','30','50', 
           '70', '100','125', 
           '150', '175',
           '200', '225', '250',
           '300', '350', '400',
           '450', '500', '550',
           '600', '650', '700',
           '750', '775', '800',
           '825', '850', '875',
           '900', '925', '950',
           '975', '1000',
       ],
        'year': '2018',  # 年，设为空
        'month': '05',  # 月，设为空
        'day': [  '01', '02','03','04','05','06','07',],  # 日，设为空
        'time': [  # 小时
             '00:00', '06:00', '12:00',
            '18:00'
        ],
        'area': [90, -180, 45, 180],
    }
    
    # 通过循环批量下载1979年到2020年所有月份数据
    '''
    for y in range(1979, 2021):  # 遍历年
        for m in range(1, 13):  # 遍历月
            day_num = calendar.monthrange(y, m)[1]  # 根据年月，获取当月日数        
            # 将年、月、日更新至字典中
            dic['year'] = str(y)
            dic['month'] = str(m).zfill(2)
            dic['day'] = [str(d).zfill(2) for d in range(1, day_num + 1)]
'''
r = c.retrieve('reanalysis-era5-pressure-levels', dic, )  # 文件
url = r.location  # 获取文件下载地址
path = 'E:\\ERA5\\'  # 存放文件夹
filename = 'pressure'+str(2018) + str(5).zfill(2) + '.grib'  # 文件名
idmDownloader(url, path, filename)  # 添加进IDM中下载

以上是三维数据的下载，单层数据的下载同理：

import cdsapi
import calendar
from subprocess import call


if __name__ == '__main__':
    c = cdsapi.Client()  # 创建用户

    # 数据信息字典
    dic = {
        'product_type': 'reanalysis',  # 产品类型
        'format': 'grib',  # 数据格式
        'variable':  [
            '10m_u_component_of_wind', '10m_v_component_of_wind', '2m_temperature',
            'mean_sea_level_pressure', 'sea_surface_temperature', 'skin_temperature',
            'snow_albedo', 'snow_depth', 'snowfall',
            'soil_temperature_level_1', 'soil_type', 'surface_pressure',
            'total_precipitation','soil_temperature_level_2',
            'soil_temperature_level_3','soil_temperature_level_4',
           'volumetric_soil_water_layer_1','volumetric_soil_water_layer_2',
           'volumetric_soil_water_layer_3', 'volumetric_soil_water_layer_4',
        ],
        'year': '2018',  # 年，设为空
        'month': '05',  # 月，设为空
        'day': [  '01', '02','03','04','05','06','07',],  # 日，设为空
        'time': [  # 小时
             '00:00', '06:00', '12:00',
            '18:00'
        ],
        'area': [90, -180, 45, 180],
    }


    # 通过循环批量下载1979年到2020年所有月份数据
    '''
    for y in range(1979, 2021):  # 遍历年
        for m in range(1, 13):  # 遍历月
            day_num = calendar.monthrange(y, m)[1]  # 根据年月，获取当月日数
            # 将年、月、日更新至字典中
            dic['year'] = str(y)
            dic['month'] = str(m).zfill(2)
            dic['day'] = [str(d).zfill(2) for d in range(1, day_num + 1)]
'''
r = c.retrieve('reanalysis-era5-single-levels', dic, )  # 文件
url = r.location  # 获取文件下载地址
path = 'E:\\ERA5\\'  # 存放文件夹
filename = 'single'+str(2018) + str(5).zfill(2) + '.grib'  # 文件名
idmDownloader(url, path, filename)  # 添加进IDM中下载

2. WPS 前处理

2.1 修改namelist.wps

&share
 wrf_core = 'ARW',
 max_dom =1,
 start_date = '2018-05-01_12:00:00','2019-09-04_12:00:00',  # 模拟开始&结束日期
 end_date   = '2018-05-07_00:00:00','2019-09-04_12:00:00',
 interval_seconds = 21600   # 模拟间隔
/

&geogrid
 parent_id         =   1,
 parent_grid_ratio =   1,
 i_parent_start    =   1,
 j_parent_start    =   1,
 e_we              =  150,
 e_sn              =  150,
 geog_data_res = '10m',
 dx = 45000,
 dy = 45000,
 map_proj = 'polar',
 ref_lat   =  90.00,
 ref_lon   =  0.0,
 truelat1  =  60.0,
 truelat2  =  60.0,
 stand_lon =  0.0,
 geog_data_path = '/public/home/zyh/WRF/Build_WRF/WPS_GEOG/'
/

&ungrib
 out_format = 'WPS',
 prefix = 'FILE',
/

&metgrid
 fg_name = 'FILE'
/
~

geogrid

修改完后在WPS文件夹下执行geogrid.exe

./geogrid.exe

执行成功后会产生geo_em.d01.nc文件

ls -lah geo_em.d01.nc

ungrib

首先创建链接

ln -sf ungrib/Variable_Tables/Vtable.ECMWF  Vtable

随后连接数据

./link_grib.csh ../ERA5/*.grib

成功后出现GRIBFILE.AAA, GRIBFILE.AAB 等文件
之后运行ungrib

./ungrib.exe

成功后出现FILE:2018-05-06_00等文件

metgrid

直接运行metgrid.exe

./metgrid.exe

成功后出现met_em.d01.xxxx-xx-xx_xx:xx:xx.nc 格式的文件