cmip6模式输出LAI（cmip6的哪个模式最好）

大家好，我是讯享网，很高兴认识大家。

 <svg xmlns="http://www.w3.org/2000/svg" style="display: none;"> <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path> </svg> <p>本文相关视频讲解&#xff1a;CMIP数据驱动WRF</p>

讯享网

国际耦合模式比较计划（CMIP）为研究不同情景下的气候变化提供了大量的模拟数据，而在实际研究中，全球气候模式输出的数据空间分辨率往往较低（>100Km，缺乏区域气候特征，为了更好地研究不同情景下，某一区域的气候变化特征，我们往往需要更高分辨率的模拟数据。此时便需要对全球模式输出的数据进行降尺度研究，将大尺度信息变量与小尺度信息变量建立联系，获得更多的小尺度的变量。通常，降尺度可分为（1）动力降尺度（2）统计降尺度（3）二者结合降尺度

动力降尺度通常是将全球模式输出的数据作为驱动场，输入至区域气候模式中，从而获取描述区域气候特征的更高分辨率数据。WRF作为最常用的中尺度天气预测模式，将其与最新的CMIP6全球模式数据结合，是动力降尺度最常用的方法。

下面以CMIP6数据中的MPI-ESM2-HR数据为例，展示使用CMIP6数据驱动WRF的基本步骤。

对于CMIP6驱动WRF，已有老师在github上上传了基于python的工具包，习惯在LINUX下使用python的用户可以尝试：cmip6-to-wrfnterm

基本思路都是类似的，只不过本文主要是基于服务器现有的NCL、CDO与shell脚本实现。

本次使用的模式为MPI-ESM2-HR数据，空间分辨率为100km,选择原因：数据全面、分辨率好、应用较多，可自己根据需求去官网下载数据。

本次所需下载并驱动的变量有：

v_name wrf_name units dim desc notespsPSFCPa2dsurface pressurepslPMSLPa2dMean sea-level pressurezgGHTm3dgeopotential heighttaTTK3dair temperaturetasTTK2d2-m temeratureuaUUm s-13du-component wind;uasUUm s-12d`10-m u-component windvaVVm s-13dv-component windvasVVm s-12d10-m v-component windhusSPECHUMDkg kg-13dspecific humidityhussSPECHUMDkg kg-12d10-m specific humiditytsSKINTEMPK2dSkin temperaturetslST000010K2d0-10cm soil temperaturetosSSTK2dSea temperatureoptionalmrsosSM000010m3 m-32d0-10cm soil moisturesnwSNOWkg m-22dsnow massoptionalsicSEAICE12dseaiceoptional

下载数据命名一般为以下格式：
在这里插入图片描述
讯享网
变量名称_时间分辨率_层级_模式名称_情景名称_年份时间，在MPI-ECSM-HR变量的对应需要去自行查询变量表格、

讯享网

在运行时，输入bash run.sh startdate enddate便可将相应时间段提取并输出为变量_时间的形式，如：
在这里插入图片描述
注意：下载的CMIP6数据变量存在2D与3D区别，在处理3D变量，如ua va时，cdo还应当加上sellevel-提取对应的层数，这是由于该数据中ua va的垂直层仅有7层，而ta hus zg则有28层，在后续运行WRF时，3D数据的层次应当保持一致！！！

处理好后的数据，为了方便，根据2d与3d的不同将其合并：

运行后可得到2d_MPI_HR和3dMPI_HR文件。

我们应当注意的是，CMIP6的经纬度很多时候并不是等经纬度间距的，比如我下载的数据就是100km，在海洋上分辨率有时达到50km。这就使得我们在运行之前，首先要将其插值到均一的lat/lon坐标下，否则WRF将很难处理。

值得注意的是，CMIP6数据可分为大气与海洋两部分，而大气的经纬度与海洋的经纬度则存在差异，比如，大气的经纬度数据为一维数据，海洋则以二维数据给出，因此插值时需要分开处理。请在插值前弄清楚变量的经纬度网格。

在这里插入图片描述
tas经纬度，以一维表征

在这里插入图片描述
tos经纬度网格为曲线网格，经纬度为二维形式
对于两种在ncl中使用不同的插值函数即可，对一维使用将经纬度转为映射文件，在使用插值，对二维曲线网格，使用函数，再使用插值。
以下为插值的代码示例：

讯享网

在这里定义了一个regird_mpi函数，在使用是输入文件名以及要插值的变量即可，根据经纬度网格点不同，可将该函数中的和相互替换。

最后，要将插值后的变量数据，转写为WPS的中间文件，该中间文件可直接被metgrid.exe读取，并生成met_em文件。
ncl中就有现成的函数，需要注意的是，撰写时变量的FIELD应当包括在METGRID.TBL中相同，否则metgrid无法识别。
如果数据是2d，则直接撰写，如果数据为3d，则根据层数，循环一层层写：

最后使用WPS文件夹下的util/https://blog.csdn.net/weixin_/article/details/rd_intermediate.exe 确认是否读取成功，关于这一部分，可参考我以前的博客：撰写WPS intermediate file添加海冰场

将输出的中间文件链接至WPS文件夹，修改namelist.wps文件夹&metgrid部分的fg_name，使其读取我们撰写的中间文件。
在这里插入图片描述之后的步骤就和普通运行WRF一样了，请注意由于数据本身的性质，土壤层数与垂直层数量较少，在设置namelist时记得修改与其保持一致。

主要的坑在于数据本身。

3D数据垂直层不一致，ua与va数据仅有7层，而ta hus zg等数据却又有8层，因此在撰写文件时必须注意对应层数保持一致。
经纬度格点不一致，注意经纬度各点的类别，在插值时注意区分。
CMIP6数据本身并不是再分析资料，而是预测气候变化的模型输出，常常会出现数据量与WRF所需不对应的问题，请注意各个变量描述。
除了2D与2D以外，也可以使用CMIP6的2D静态数据，如LANDSEA，步骤类似，主要是通过namelist.wps中的constant_name来设置读取。

相关代码与数据已经发布在Github上，请查询：Write_CMIP_to_wps_int

cmip6模式输出LAI（cmip6的哪个模式最好）

相关推荐