大气化学在线耦合模式(WRF/Chem)丨环境配置、排放源制作、模拟结果提取、数据可视化

 随着我国经济快速发展,我国面临着日益严重的大气污染问题。近年来,严重的大气污染问题已经明显影响国计民生,引起政府、学界和人们越来越多的关注。大气污染是工农业生产、生活、交通、城市化等方面人为活动的综合结果,同时气象因素是控制大气污染的关键自然因素。大气污染问题既是局部、当地的,也是区域的,甚至是全球的。本地的污染物排放除了对当地造成严重影响外,同时还会在动力输送作用下,极大地影响下风向地区的大气环境状况。数值模式模拟是分析大气污染物时空分布和成分贡献的重要工具,利用模拟结果可以分析大气污染的来源、成因、污染程度、持续时间、主要成分、相对贡献等问题,有助于分析并合理控制污染源排放,为产业调整提供参考。模拟结果可以分析跨区域的污染物输送问题,可以计算碳、氮等成分的干湿沉降通量,由此估算大气污染物对植被和土壤等生态系统的潜在影响。模拟结果还可以在环境及能源评估、环境评价和规划、产业结构、环境承载容量变化、生态系统稳定性和变化等领域进行进一步的解析再应用。但是鉴于该模式同时涉及自然因素(气象)和人为因素(污染物排放),模式结构复杂、运行及处理难度大,应广大环境、生态领域工作者的要求,特举办“区域气象-大气化学在线耦合模式(WRF/Chem)在大气环境领域实践技术应用”。

目标

1、掌握WRF-Chem模式原理、调试、运行方法。

2、通过案例操作掌握WRF-Chem模式数据准备、前处理及相关参数设置方法

3、掌握模拟结果后处理及作图(ARWPOST、NCL等软件操作)方法

4、通过案例分析操作掌握WRF-Chem在大气环境(PM2.5、臭氧)、能见度、城市化方面应用

5、针对学员实际项目中遇到的问题进行指导。

第一部分

WRF-Chem模式

应用案例和理论基础

(讲课)

1、WRF-Chem模式在大气环境(PM2.5、臭氧、能见度)、生态(污染物/元素成分的干湿沉降)等领域的应用个例解析

2、2、WRF-Chem模式总体框架、功能讲解

3、模式安装对操作系统环境依赖性及模式数据讲解

第二部分

Linux环境配置及WRF-CHEM

(上机)

1、Linux系统入门及基本操作 ,熟悉Linux基本操作命令

2、编译器及Linux环境变量的配置

3、WRF-Chem前置依赖软件和数据可视化软件的安装

第三部分

WRF-Chem模式编译,排放源制作

(讲解\上机)

1、 WRF-Chem编译

2、气象数据预处理模块WPS
3、前处理模块WPS主要功能、参数、静态数据和再分析气象资料的介绍

4、WRF-Chem模式物理过程、气相化学机制和气溶胶模拟方案

5、排放源数据讲解及处理(包括EDGAR,FINN等主流清单数据库)

第四部分

WRF-Chem数据准备(气象、排放、初边界条件等),案例实践

(讲解\上机

1、结合实例讲解及模式运行

Ø 例1,MOZART化学机制;例2,CBMZ化学机制

Ø 排放源数据准备(人为、生物源):人为排放源处理程序(convert_emiss.exe、meic2wrf等),生物源处理(MEGAN)

Ø 初边界条件的必要性和具体设置

Ø WRF-Chem变量表讲解

Ø 模式运行控制文件namelist.input设置方法

2、练习:采用MOZART或CBMZ机制运行个例

3、嵌套运行

4、野火排放数据使用

第五部分

模拟结果提取、数据可视化

(讲解\上机

1、模式结果提取及数据可视化(NCL、ARWPOST等软件)

2、在相关研究和业务工作中的使用(臭氧、PM2.5相关科研、规划预估等)

3、WRF-Chem版本问题、高分辨率模拟设置注意事项(讨论)

4、问题讨论、答疑

原文连接:区域气象-大气化学在线耦合模式(WRF/Chem)在大气环境领域实践技术应用icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzU0MDQ3MDk3NA==&mid=2247560784&idx=3&sn=32ec87783ded48f50ff8639e9e621d75&chksm=fb3b1581cc4c9c97d3197f8c3217894b055395c98228e4f87aca548571e1545548942b1e8bbb&token=1179064957&lang=zh_CN#rd相关推荐:

大气科学类推荐针对遥感、生态农林、水文水资源、大气科学、地下水土壤、数据语言、生物信息、人工智能等领域全套教程。包含:Inicon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzU0MDQ3MDk3NA==&mid=2247560279&idx=6&sn=bcbefa858fdd89ca786ebdc0c2a3f0dc&chksm=fb3b1786cc4c9e907195a8fc508d93b378db3cdde6458f98b91a8ad51fdb30245d9f7033bfd7&token=1179064957&lang=zh_CN#rd

猜你喜欢

转载自blog.csdn.net/CCfz566/article/details/133012418
今日推荐