（WRF-UCM）高精度城市化气象动力模拟

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）

 

1. 1. 示例1（线图）

 

1. 1. 示例（填色图）
   2. 

2. 1. 示例（图层叠加）
   2. 
   3. 1. 示例（图层排列）
      2. 

      ■高精度气象模拟软件WRF(Weather Research Forecasting)实践

   4. ■CMIP6数据处理方法与典型案例分析

   5. ■Python人工智能在气象中的实践技术

   6. ■WRF DA资料同化系统理论、运行与与变分、混合同化新方法

   7. ■Python语言在地球科学领域中的实践技术

   8. ■Noah-MP陆面过程模型建模方法与站点、区域模拟

   9. ■Python在WRF模型自动化运行及前后处理中的实践技术

   10. ■系统学习CMAQ空气质量模式