Home

背景 Julian Day(儒略日)因其具有連續性，不會因跨月、潤年等因素而發生錯誤，是時間計算過程中很重要的一種方式。 過去在Fortran程式的領域，是以一簡單的副程式計算。移轉到python平台上時，從datetime模組即能直接進行加減及轉換處理。而在bash平台上，則還需要整合一些技巧。 作為平台上計算的小工具，前述作法都有一些困難： python程式需要啟動複雜的模組、 Fortran程式在每次跨平、跨fc版本就需要重新編譯 相較而言還是以bash指令能解決最好，bash腳本具有高度的相容性，即使跨越到macOS，date指令可以直接讀取Julian Day，更容易使用。 bash腳本需處理的問題： ...

背景 大型、多層網格、連日的CMAQ執行結果，要接續執行bcon.exe會遭遇到龐大濃度檔(ACONC)的問題。雖然如大型網格系統切割邊界濃度(see also [[2022-03-03-hd_bc]]1)文中所述，可以python程式來執行內插與切割，但仍然不夠快速、簡潔。 由於CMAQ結果是逐日輸出，因此發展逐日執行bcon.exe還是比較合理的作法，唯一的困難，是bcon程式內設會從METBDY3D讀取相對應的起始時間，會需要： 將執行批次的METBDY3D檔案切割成逐日 逐日METBDY3D檔案的SDATE需配合ACONC濃度檔案的內容。 前述2項作業在brk_day2.cs中已經妥善處理好了，只需執行即可(還好...

背景 這個內插機制主要針對2維griddata速度太慢所因應的修改方案。同時也需要規避griddata結果會有NaN內插錯誤的結果。 主要因為空氣品質或排放量的內插會與距離的遠近有關，太遠的數據對內插影響也較低，還是適用距離相關的內插機制較為合理。同時摒除遙遠的數據對提升計算速度有非常重要的貢獻。 程式主要應用在每日的下載與軌跡分析過程，參見[[2022-11-04-daily_traj]]1。 程式設計重點 2組網格座標位置之線性化 以適用即將進行的篩選(2維空間的線性化)過程、同時也簡化程式設計 字尾0/1表示舊、新的座標系統 for i in 'xy': for j in '01': exec(i+j+'='+i+j+'.flat...

背景 在預備WRF的初始與邊界場時，REAL會讀取OBSGRID的客觀分析結果(metoa_em、auxinput1)，一般是以點狀觀測值，內插到3度空間的格點位置。 由於中央氣象局已經完成WRF模擬，不需要重新進行積分，反而有需要取得WRF執行結果中雲、邊界層數據，因此，需要將CWBWRF結果轉換成metoa_em檔案，以將其結果納入WRF模式中進行FDDA。 客觀分析結果檔(metoa_em)的內容 基本上的格式、變數定義等，與metgrid結果檔(met_em)完全一樣，只差後者可能沒有海溫(SST)。 垂直軸名稱為num_metgrid_levels，涉及6項變數：['PRES', 'GHT', 'RH', 'VV', 'UU',...

(DEPRECATED !! 本文已不再更新，最新版本請至https://sinotec2.github.io/Focus-on-Air-Quality/GridModels/ForecastSystem/查詢, 2022-10-13 20:17:00) (todo list加在此頁之末) 背景 以光化學網格模式進行高解析度空氣品質數值預報、對空品不良狀況的預告以及應變措施有重要的參考價值。確定性(deterministic)模式主要的特點與好處包括： 基本的背景空氣品質預報 區分境外與本土排放的貢獻 區分背景與特定污染源的貢獻 區分人為污染或天候因素 緊急排放、或是假設性排放之投入與增量分析 ...

背景 歐洲中期天氣預報中心再分析空品數據寫成USEPA的m3nc格式，已經在EAC4檔案轉成5階m3.nc完成。然而該項作業仍然有待改進： 因為下載全月數據，再進行轉檔(增加網格與時間的解析度)，結果檔案會非常大。而此處僅需要初始小時的數據，且在自動化與作業流程中，似乎不允許如此耗時、耗費硬碟空間的作法。 數值預報數據檔與再分析數據檔的差異如下表，必須更新 有關空間之內插（Proj模組）：調整成按照目標檔的座標定義。而不在python程式內重新定義，以避免發生錯誤。 有關時間的校準 空氣密度來自於mcip的結果，但時間似乎並不重要，取時間平均 只有初始時刻，無需進行...

背景 過去執行[中期天氣預報中心][ecmwf]再分析空品數據寫成CMAQ邊界檔有2個作法 先將全月數據寫成m3nc檔案，在用CMAQ系統的bcon程式進行切割。由於全月m3nc檔案非常龐大，此一作法不單浪費空間，同時也耗費計算時間。 直接將grib檔案寫bcon檔案。此法也需處理龐大的grib檔案，效率不彰。 此處除了針對[ecmwf][ecmwf]數值預報數據檔與再分析數據檔的[差異][CAMS_diff_tab]，改進[EAC4檔案轉成5階m3.nc][grb2D1m3]作業方式，也需要改進前述作業的作法，提升計算效率，以運用在日常作業中。 改進構想 是否直接讀取grib檔案，不再經轉換成nc檔...

變數定義 wrf-python最強項的功能除了繪圖之外，就屬getvar函數及其內插程式。 引數：(wrfin, varname, timeidx=0, method='cat', squeeze=True, cache=None, meta=True, **kwargs) wrfin: wrf檔案名稱。以netCDF4.Dataset()開啟。 varnam: wrf-python使用的變數名稱(詳下表)，不是wrfout檔案的變數名稱。為區別二者，前者用小寫，後者在ncf檔案中是大寫。 timeidx: 時間序，0～nt-1 method: 時間軸是否壓縮。'cat':保持時間軸（內設）；'join':聯合(壓縮)...