气候变化及应对是政府、科学界及商业界关注的焦点。气候是多个领域(生态、水资源、风资源及碳中和等问题)的主要驱动因素,合理认知气候变化有利于解释生态环境变化机理及过程,而了解现在、未来气候变化则是进行生态、环境及能源评估、碳政策规划的先决条件,而气候模拟是获取高精度气候信息的最主要手段,现代生态、水文、新能源及碳中和领域需要亚公里及更高分辨率的气象模拟,WRF模式是国内外应用最为广泛的气象模式,使用该模式进行高精度甚至几百米的模拟应用也越来越多。该模式城市冠层模型(WRF-UCM)可以实现对城市中小尺度气象过程的精细动力模拟,其应用范围及实际业务及科研应用也越来越广泛。但该模式运行于Linux平台,前处理、运行及分析过程复杂、难度大
模型基础理论
WRF-UCM模型介绍
WRF-UCM使用什么样的计算平台?计算系统?
模型平台从零安装讲解
如何安装WRF-UCM模式所需要的平台?(windows平台+Vmware16)
如何从零开始搭建WRF-UCM编译所需的系统?(RockyLinux9)
安装WRF-UCM从代码转为程序所需的编译器(OneApi)
WRF-UCM模式输入输出文件格式讲解(NetCDF)
城市模块离线模拟案例讲解
- 驱动数据GLDAS资料获取技术
- 驱动资料ERA5资料获取技术
- NoahMP-hrldas前处理案例
- NoahMP-UCM离线模拟案例
城市模块在线耦合(WRF+WRF-UCM)模拟案例讲解
WRF+WRF-UCM前处理技术讲解
WRF+WRF-UCM模拟区域设置技术
WRF+WRF-UCM高程、土地利用、植被等地理数据及温压湿风等气象资料处理技术讲解
WRF+WRF-UCM如何模拟气象场
WRF+WRF-UCM非耦合模拟案例
WRF+WRF-UCM耦合模拟案例讲解
实际应用及案例分析
WRF-UCM模拟结果如何分析?(NCL)
-
- 示例1(线图)
-
- 示例(填色图)
-
- 示例(图层叠加)
-
- 示例(图层排列)
■高精度气象模拟软件WRF(Weather Research Forecasting)实践
-
■CMIP6数据处理方法与典型案例分析
-
■Python人工智能在气象中的实践技术
-
■WRF DA资料同化系统理论、运行与与变分、混合同化新方法
-
■Python语言在地球科学领域中的实践技术
-
■Noah-MP陆面过程模型建模方法与站点、区域模拟
-
■Python在WRF模型自动化运行及前后处理中的实践技术
-
■系统学习CMAQ空气质量模式