科研教程丨Python支持下最新Noah-MP陆面模式站点、区域模拟及可视化分析

课程安排

学习内容

课程背景

&

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。

n 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。

Ø 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

n 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。

Ø 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。

Ø 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

n Noah-MP 5.0模型单站运行

Ø 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

Ø 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。

Ø 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。

Ø 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。

Ø 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。

Ø 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

Ø 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

Ø 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。

Ø 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。

Ø 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

n 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：

Ø 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。

Ø 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

Ø 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。

Ø 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）

Ø 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）

Ø 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）

Ø 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。

Ø 准备研究区静态数据

Ø 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。

Ø 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。 

Ø 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

Ø 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。

Ø 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

Ø 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

Ø 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。

Ø 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。

Ø 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。