大気モデルソフトウェア：WRF、CMAQ、SMOKE、MCM、CAMx、Calpuff、人工知能気象学、WRFchem、PMF、FLEXPART ラグランジュ粒子拡散、WRF-UCM、EKMA

大気科学に関連するモデリングソフトウェアを皆さんにお勧めしたいと思います。今日は特に需要の高いものを中心にまとめました。詳しく知ることができます。ゼロ基礎をお持ちの場合は、このリンク >> ゼロ基礎をクリックして大気汚染モデル (WRF、WRF-chem、smoke、camx など) を学習できます。

1. (WRF-UCM) 高精度都市化気象動的シミュレーション技術と応用事例

2. WRF DA データ同化システムの理論、運用、および新しい変動およびハイブリッド同化手法の技術的応用

3. 大気粒子状物質のPMF発生源解析技術の実用化

4. 大気汚染拡散モデルカルパフの技術実用化

5. 最新のCAMx-Python融合技術の応用と大気汚染源解析手法の応用

6. MCMボックスモデル実用化技術応用とO3生成経路、発生ポテンシャル、感度解析

7. Python機械学習・深層学習技術をベースとした気象・海洋・水文学分野での実践応用力の向上

8. FLEXPART ラグランジュ粒子拡散モデルのモデリング技術、大気汚染物質の発生源と吸収源の関係を研究する実践的な経験とスキル

9. SMOKE マルチモード排出量インベントリ処理技術と EDGAR/MEIC インベントリ生成および VOCs 排出量計算に基づく

10. Python は、WRF モデルの自動操作と前後処理におけるテクノロジーを実践します

11. 一般的な地球科学データ処理の実用的な技術応用

12. 大気環境における地域気象学・大気化学オンラインカップリングモデル(WRF/Chem)の応用

13. CAMxを活用した大気質シミュレーション・汚染源解析技術と事例分析

14. CMAQ 大気質モデルの体系的な学習

15. 高精度気象シミュレーションソフトWRF（Weather Research Forecasting）技術と活用事例

16. CMIP6データ処理

1. (WRF-UCM) 高精度都市化気象動的シミュレーション技術と応用事例

気候変動とその対応は、政府、科学界、ビジネス界の焦点です。気候は多くの分野 (生態学、水資源、風力資源、カーボンニュートラルなど) の主な推進要因です。気候変動を合理的に理解することは、生態環境変化のメカニズムとプロセスを説明し、現在および将来の気候を理解するのに役立ちます。変化は極めて重要です。変化は生態学、環境、エネルギーの評価と炭素政策の計画の前提条件であり、気候シミュレーションは高精度の気候情報を得る最も重要な手段です。現代の生態学、水文学、新エネルギー、カーボンニュートラルの分野では、以下の分野が必要です。シミュレーションでは、WRF モデルが国内外で最も広く使用されており、数百メートルの高精度シミュレーションにこのモデルを使用するアプリケーションが増えています。この都市林冠モデル（WRF-UCM）は、都市における中小規模の気象過程の精緻な動的シミュレーションを実現することができ、その応用範囲や実際のビジネスや科学研究への応用はますます広がっています。

[内容の簡単な説明]:

モデルの基本理論
1. WRF-UCM モデルの概要
2. WRF-UCM はどのようなコンピューティングプラットフォームを使用しますか? コンピューティングシステム？

ゼロからのモデルプラットフォームのインストールの概要
1. WRF-UCM モードに必要なプラットフォームをインストールするにはどうすればよいですか? (Windows プラットフォーム + Vmware16)
2. WRF-UCM のコンパイルに必要なシステムを最初から構築するにはどうすればよいですか? (RockyLinux9)
3. WRF-UCMをコードからプログラムに変換するために必要なコンパイラ(OneApi)のインストール
4. WRF-UCMモードの入出力ファイル形式の説明(NetCDF)

シティモジュールオフラインシミュレーション事例解説
1. 走行データGLDASデータ取得技術
2. 走行データERA5データ取得技術
3. NoahMP-hrldas前処理事例
4. NoahMP-UCMオフラインシミュレーション事例

都市モジュールオンライン結合（WRF+WRF-UCM）シミュレーション事例解説
1. WRF+WRF-UCM前処理技術解説
1.1 WRF+WRF-UCMシミュレーションエリア設定技術
1.2 WRF+WRF-UCM標高、土地利用、植生等地理データ気温、気圧、湿度、風などの気象データ処理技術の解説

2. WRF+WRF-UCM による気象分野のシミュレーション方法
2.1 WRF+WRF-UCM 非連成シミュレーションのケース
2.2 WRF+WRF-UCM 連成シミュレーションのケースの説明

実践的な応用と事例分析
1. WRF-UCM シミュレーション結果をどのように分析するか? (NCL)
1.1 例 1 (折れ線グラフ)

1.2 例（ぬり絵）

1.3 例（レイヤーオーバーレイ）

1.4 例（レイヤー配置）

2. WRF DA データ同化システムの理論、運用、および新しい変動およびハイブリッド同化手法の技術的応用

数値予測は予測の品質を向上させる重要な手段となっており、モデルの初期値の品質は数値予測の品質を決定する重要な要素となっています。モデルの初期値の品質を向上させる効果的な方法として、データ同化は、気象学、海洋および大気環境、水文学などの多くの分野における現在の科学研究や運用予測における重要な科学的手法となっています。新しいデータ同化手法の急速な開発と、従来の気象データ、衛星リモートセンシング観測、大気環境、その他のデータの増加により、データ同化を効果的に適用するための強固な科学的基盤が築かれ、また多くの新しく複雑なデータ同化にもつながりました。科学的な問題が増加し、実際的な適用の難易度が高まります。

データ同化の理論的基礎と応用能力、大多数の科学研究者とビジネス関係者の研究レベルを効果的に強化し、気象学、海洋学、大気環境分野の数値予報サービスの品質と実際の予測レベルを向上させる。私の国。気象学および大気環境分野の従事者の要求に応えて、このコンテンツは、WRF DA 変分データ同化システムを核として、実用化における重要かつ困難な問題に焦点を当て、データ同化の理論と手法を組み合わせて説明します。実際の気象状況をもとに、一人ひとりの理論レベルと実践力の育成・向上に努めます。

【目標】：

1. データ同化理論を習得し理解する;
2. Linux 環境の構成とアプリケーションに精通する;
3. バックグラウンド誤差共分散と物理的制約関係のチューニングと更新を習得する;
4. 新しい観測データのキーテクノロジーを習得する観測演算子の構築、付随プログラムの開発などの同化
5. 同化結果の分析方法に精通する
6. 結果処理のための Bash、GRADS、NCL などの後処理ツールを習得する解析、解析、
7. 気象学、環境、生態学、水文学の知識を習得する他分野への技術の応用展開と手法を習得する;
8. WRF ETKF-3DVAR DA ハイブリッド同化システムの応用に熟練する。

[内容の簡単な説明]:

1. データ同化の基礎理論と手法

データ同化の基本概念と開発データ同化の
主要な科学的問題
データ同化の理論的基礎と初期の方法
さまざまなデータ同化スキームとその特徴

2. WRF DAの環境要件、システム導入、デバッグ、運用（実運用）

Linux基本コマンドの応用
Linux環境変数の設定
コンパイラのインストールと
WRF DAの環境変数や動的ライブラリの設定など、
WRF DAのインストール、コンパイル、操作など
GrADS および NCL 図面のコンパイル、インストール、および使用

3. 観測データと品質管理

観測データの基本要件、
従来の観測データと非従来型観測、
衛星データとその同化、
新しい観測システム、
品質管理、観測データの一般的な方法。

4. WRF DA同化システムの構成とバックグラウンドエラーの構造

水平グリッドの設定、
垂直レベルの構成、物理スキームとパラメータ化スキームの選択、観測要素
の選択、バックグラウンド誤差共分散の役割、イノベーションベクトル法 (GRAPES モデルを使用) などの一般的に使用される構築方法例として）、NMC Methods など（WRF DA の 3 次元変分プログラムが一例。バックグラウンド誤差の構築方法。中小規模変分同化の構築。B.ハイブリッドにおけるバックグラウンド誤差共分散の構築と特性。同化.ハイブリッド同化における B の比例関係。

5. WRF DA変分データ同化およびWRF DAハイブリッド同化の新しい方法

WRF DA変分同化の基本フレームワーク、
観測演算子の構築、
動的バランスと物理的制約の実現、
随伴モデルとそのプログラミング、
新しいデータを解くための同化応用法。
ETKF-WRF DAハイブリッド同化スキームの特徴;
ETKFアンサンブル摂動スキームの説明;
拡張制御変数法とその設定;
流量依存バックグラウンド誤差共分散の構築
; 解析例; ETKF-WRF DAハイブリッド同化スキームの特徴

6. 変分同化の一点検定と混合同化の一点検定

質量場の 1 点テスト
風場の 1 点テスト
湿度場の 1 点テスト
流れ依存特性の実験解析 (トラフと台風の組み合わせ)
増分構造的および物理的制約の解析

7. 増分同化分析の分析

さまざまな観測データが解析に及ぼす影響
さまざまな観測要素が解析に及ぼす影響
有効な観測データの決定
解析増分の理解

8. WRF DAとETKF-3DVARハイブリッド同化システムの実用化

実際の気象事例と組み合わせて、WRF DA および WRF ETKF-3DVAR ハイブリッド同化システムの同化、予測用のパラメーター設定、新しいデータ同化方法とシステム操作、結果分析、および他のモジュールとの結合を習得することに重点を置きます。
大雨気象過程の同化解析
台風気象過程の同化解析

3.大気粒子状物質のPMF発生源解析技術の実用化

現在、我が国において大気粒子状物質汚染は解決すべき緊急の環境問題となっている。粒子状物質汚染は、気候や環境に重大な影響を与えるだけでなく、特に霧や砂嵐などの汚染がひどい天候では、人間の健康に深刻な被害を与えます。地域的な大気粒子状物質汚染を効果的かつ正確に制御するには、まず粒子状物質の発生源を理解する必要があります。したがって、粒子状物質の発生源分析は、大気粒子状物質汚染の問題を解決するための重要な技術となっています。科学研究者が大気粒子源解析の基礎的な理論知識とそれに対応する技術をより体系的に学ぶために、物理学の基礎知識を修得する「大気粒子源解析実践技術応用高度研修」を特別に開催します。 PMF法は、大気粒子の化学的性質や化学的性質を解析するための技術です。本研修は、「理論解説＋事例演習＋実践演習＋ディスカッション＆インタラクション」の組み合わせを採用し、大気粒子状物質PMF発生源解析技術の基礎知識と経験・スキルをわかりやすく解説します。アプリケーションで習得する必要があります。

[内容の簡単な説明]:

第 1 章 PMF ソース解析テクノロジとその入力ファイルの準備についての簡単な紹介

1. 大気汚染源を分析する方法は何ですか?
2. それぞれの方法の適用条件とその長所と短所は何ですか?
3. 大気粒子状物質と各成分の主な発生源に関する基礎知識
大気粒子状物質の発生源：

大気中の粒子状物質の組成:

4. PMF 源解析技術の紹介
5. PMF 源解析ソフトのダウンロードとインストール
6. PMF で入力された粒子状物質成分濃度の取得
7. PMF 源解析入力ファイルの準備

第2章：PMFソース解析技術の原理、PMFソフトウェアの実際の操作と応用例

1. PMF ソース解析の基本原理

2. PMFソース解析ソフトの基本操作

3. PMF 源分析要素の選択
4. PMF 源分析結果と意義

第 3 章: PMF ソース解析結果の最適化とエラー評価

1. Fpeak モードの動作
2. Fpeak モードの動作結果

3. 誤差評価手法の紹介
4. 誤差評価手法の結果

4. 大気汚染拡散モデルカルパフの技術実用化

現在、我が国において大気汚染は依然として早急に解決すべき環境問題となっております。大気汚染物質の排出が周囲の環境に及ぼす影響を理解するには、汚染物質の拡散則を理解する必要があります。Calpuff モデルは、非定常状態 (煙、循環、地形、海岸など) での汚染物質の長距離輸送を効果的に処理し、汚染物質濃度をシミュレートできる 3 次元非定常ラグランジュ拡散モデルです。受容体部位における汚染物質の発生源。このモデルには主に、地形および気象データ前処理モジュール、Calmet モジュール、Calpuff モジュール、Calpost モジュールが含まれています。現在、このモデルは大気環境品質影響評価や科学研究に広く使用されています。

[内容の簡単な説明]:

第1章カルパフの基礎知識

1. Calpuff モデルの概要
2. Calpuff モデルの基礎理論
3. Calpuff モデルのダウンロードとインストール
1) Calpro システムのインストール
2) インストール環境要件
3) インストールが必要な補助ソフトウェア

第 2 章、データの前処理

1. グリッド設定
2. 地理データ前処理
1) 地形データ前処理
2) 土地利用データ前処理
3) 地理データ合成 3. 気象データ
前処理1
) 地上気象データ前処理
2) 高層気象データ前処理

第 3 章、カルメット気象モジュール

1. ファイル・情報入力
1) ファイル入力
2) 共有グリッドデータ入力
3) 運用情報入力
4) 混合層高さ
5) 温度・相対湿度設定
6) 風場入力
7) 測候所データ入力
2. 運用
3. 出力の
場合：ある場所でのCalmetモデルの特定データの入力と操作

第 4 章、カルパフモジュール

1. ファイル/情報入力
1) ファイル入力
2) 共有グリッドデータ入力
3) 運転情報入力 4
) グリッド設定 5
) 汚染物質種入力シミュレーション 6
) 化学変換方法選択
7) 乾式/湿式堆積選択
8) モデルパラメータ選択
9) ソースデータ入力
10) 受容体点位置入力
2、実行
3、出力
ケース: Calpuff モデル固有のデータ入力と実行結果

第 5 章、Calpost 後処理モジュール

1. ファイル/情報の入力
1) 処理オプションの選択
2) 汚染物質名と濃度フィールドのデータ入力
3) 出力オプションの選択
2. 実行
3. データ分析
ケース: Calpost 後処理モジュール固有のデータ入力と操作結果の分析

第 6 章、ポストツール後処理ツールと描画ツール

1. Post Tools 後処理ツール
1) Prtmet 気象後処理モジュール
2) Append 後処理モジュール
3) Postutil 後処理モジュール
4) Calsum 後処理モジュール
2. 描画ツール
事例：濃度データの描画例

5.最新のCAMx-Python融合技術の応用と大気汚染源解析手法の応用

我が国経済の急速な発展に伴い、我が国はますます深刻な大気汚染問題に直面しています。大気汚染は、工業生産、農業生産、生活、交通、都市化などの人間活動の総合的な結果であると同時に、気象要因も大気汚染を制御する重要な自然要因です。大気汚染問題は、局地的、地域的、地域的、さらには地球規模にまで及びます。地域の汚染物質の排出は、地域に深刻な影響を与えるだけでなく、送電により風下地域の大気環境にも大きな影響を与えます。数値モデルシミュレーションは、大気汚染物質の空間的および時間的分布と組成的寄与を分析するための重要なツールであり、シミュレーション結果は、大気汚染の発生源、原因、汚染レベル、期間、主成分、相対的寄与およびその他の問題を分析するために使用できます。分析と合理的な管理に役立ち、汚染源排出量は産業調整の参考になります。現在、さまざまな理論、用途、設計概念に基づいて、国内外でさまざまな大気質モデルが開発されています。これらのモデルは、大気質の予測および警告システムの確立、大気汚染の予防および制御、環境影響評価などの作業に広く使用されています。

CAMx モデルは、オゾン、粒子状物質、ヘイズの気象プロセスの大気化学に基づいた大気汚染物質計算モデルです。このモデルは、米国環境保護庁および多くの州の環境保護部門の支援を受けて、ランボル技術チームによって継続的に開発および改良されています。米国環境保護庁は、国の排出削減計画によってもたらされるオゾンと PM の濃度削減効果を評価するために CAMx を使用しており、多くの州が地方の排出削減計画を作成するために CAMx を使用しています。過去 20 年間で、このモデルはアジア (中国を含む)、ヨーロッパ、アフリカ、オーストラリア、南北アメリカの多くの国や地域にも徐々に適用されてきました。

[内容の簡単な説明]:

CAMx パターンフレームワーク、アプリケーションケースの分析、およびローカルケースの構成手順

1. CAMx モデルフレームワーク
2. CAMx アプリケーション事例分析
3. 複数のネストされたシミュレーション領域の構成手順と方法
4. SMOKE モデルに基づく CAMx 汚染源入力ファイル生成技術

Linuxの基本操作、CAMxモードのコンパイル技術、大気質シミュレーション事例の解析と操作の説明

1. Linuxの基本的な操作コマンドの解説と依存ライブラリのインストール
2．CAMx モードのコンパイル、インストール、およびテストケースの実行
3. CAMx入力前処理ツールコンパイル技術
4．CAMx入力ファイルの準備
5. 空気質シミュレーション事例の動作説明と分析

CAMx 拡張機能と検出ツールの機能、およびパターンのデバッグとケース分析での使用法

各ツールの機能は、パターンのデバッグとケース分析での使用法に基づいています。
1. CAMx 拡張およびプローブツール (プローブツール)
2. オゾン/粒子状物質発生源配分ツール (SA)
3. 感度分析ツール: DDM/HDDM
4. プロセス分析ツール (PA: IPR/IRR および CPA)
5. 反応トレーサー (RTRAC)

大気汚染源分析事例の運用（オゾン・粒子状物質発生源分析ツール（SA））

オゾン・粒子状物質発生源分析ツール（SA）
1. CAMx-SA ツールのコンパイル
2. CAMx-SAツール入力ファイルの準備 (1)エリアマップ
3．CAMx-SAツール入力ファイルの準備（２）発光グループ
４．CAMx-SAケースの構成と操作
5. シミュレーション結果の後処理と解釈

感度解析とツール操作とシミュレーション結果の後処理技術と結果の解釈

感度解析ツール（DDM/HDDM）
1. CAMx-DDMツールのコンパイル方法
2. CAMx-DDM ツール入力ファイルの準備
3. CAMx-DDMケースの構成と操作方法
４．シミュレーション結果の後処理技術と結果の解釈

プロセス分析ツールの実行と結果の解釈

感度分析ツール (PA)
1. CAMx-PAツールのコンパイル方法
２．CAMx-PAツール入力ファイルの準備
3. CAMx-PAの事例構成（IPRとCPA）のプロセスと運用方法
４．シミュレーション結果の後処理技術と結果の解釈

Python に基づく CAMx データの後処理 (1)

1. Python の概要
2. Python プログラミングの基礎
3. Python環境のインストール
4．データ抽出方法とスクリプト
5. モデルシミュレーション結果の評価
６．汚染物質濃度監視値とシミュレーション値の時系列解析

Python に基づく CAMx データの後処理 (2)

1. 濃度分布図
２．感度分析結果のグラフ表示
3. プロセス分析結果のグラフ表示

6. MCMボックスモデル実用化技術応用とO3生成経路、発生ポテンシャル、感度解析

現在、大気オゾン汚染は、我が国の「第14次5カ年計画」期間中に解決すべき緊急の環境問題となっている。オゾン汚染は気候に重大な影響を与えるだけでなく、人間の健康や植物の成長に深刻なダメージを与えます。地域の大気オゾン汚染を効果的かつ正確に制御するには、オゾン生成とその前駆体の主な経路を理解する必要があります。OBM ボックスモデルを使用すると、光化学汚染の発生と進行プロセスをシミュレートし、オゾンの生成メカニズムを研究して感度分析を実行し、光化学汚染に対する前駆物質放出の影響を調査できます。ボックスモデルは通常、化学メカニズム、物理プロセス、初期条件、入出力モジュールで構成され、化学メカニズムがその中核部分となります。MCM (Master Chemical Mechanism) には、約 6,700 種類の有機化合物と約 17,000 の反応が含まれており、大気気相有機化合物の化学プロセスを詳細に記述することができ、大気科学研究の分野で広く使用されています。

トピック 1: 大気中の O3 生成に関する知識ベース、 MCM と Atchem 2 の原理、および Linux システムのインストール

1. 大気中の O3 生成に関する原理的な知識の説明
2. MCM の原理と基本プロセスの説明
3. Atchem 2 の説明とダウンロードとインストール
4. Linux システムのインストール
5. Atchem 2 の実行に必要なその他のツール
A. Fortran; B .Python;C.make、cmake

トピック 2: MCM モデリング、データ入力、モデル操作および結果出力 [説明 + ケース操作]

1. MCM ボックスモデルの確立
1) 化学メカニズム
A. ファクシミリ形式; B. RO2; C. MCM の抽出
2) モデルパラメータの設定
3) 環境変数
A. 温度; B. 大気圧; C. 相対湿度; D . 水; E、太陽高度角; F、境界層高さ; G、エアロゾル表面積;
H、拡散速度; I、JFAC; J、屋根
4) 光分解速度
A、一定の光分解速度; B、制限された光分解速度 ;C光分解速度の計算; D. JFAC計算
5) 各種設定ファイル

2. MCM ボックスモデルの演算
3. MCM モデルの演算結果分析
事例：MCM ボックスモデルの演算結果の分析

トピック 3: O3 生成経路、生成ポテンシャルおよび感度解析 [解説 + 事例操作]

1. O3 生成経路
ケース: O3 生成へのさまざまな反応経路の寄与
2. O3 感度分析 I: 相対増分反応度法 (RIR)
ケース: RIR の計算による O3 の主な発生源の決定
3. O3 感度分析 Ⅱ: EKMA曲線の描画
1) O3 等高線データの取得
2) EKMA 曲線の描画
事例: EKMA 曲線の描画による主な O3 発生源の決定
4. O3 発生ポテンシャル
事例: VOCS O3 発生ポテンシャルの計算

7. Python機械学習・深層学習技術をベースとした気象・海洋・水文学分野での実践応用力の向上

Python は、さまざまなオペレーティングシステムやプラットフォームで使用できる、強力で無料のオープンソースのオブジェクト指向プログラミング言語であり、その簡潔な構文と解釈された言語により、理想的なスクリプト言語となります。標準ライブラリに加えて、サードパーティライブラリも豊富にあり、Python はデータ処理、科学計算、数理モデリング、データマイニング、データ視覚化において優れたパフォーマンスを発揮します。上記の利点により、Python は気象学、海洋学、地理学、気候、水文学、生態学の分野の科学研究や工学プロジェクトで広く使用されています。Python は将来、気象学、海洋学、水文学、その他の地球科学の分野で主流のプログラミング言語の 1 つになることが予測されます。

人工知能とビッグデータ技術は多くの業界で破壊的な成果を上げており、気象分野や海洋学の分野には膨大なモデルと観測データがあり、これらはビッグデータと人工知能の応用の自然なシナリオです。Python は、現在、機械学習および深層学習アプリケーションで最も人気のある言語でもあります。気象学や海洋学の分野の専門家にとって、機械学習や深層学習の作業には Python が最初の選択肢となります。

トピック 1. Python ソフトウェアのインストールと開始

1.1 Python の背景と気象学におけるその応用
1.2 Anaconda の解釈とインストール、および Jupyter の設定
1.3 Python の基本構文

トピック 2. 気象学で一般的に使用される科学計算ライブラリ

2.1 Numpy ライブラリ
2.2 Pandas ライブラリ
2.4 Xarray ライブラリ

トピック 3. 気象学と海洋学で一般的に使用される視覚化ライブラリ

3.1 可視化ライブラリ Matplotlib、Cartopy などの紹介
3.2 基本的な描画
(1) 折れ線グラフの描画
(2) 散布図の描画
(3) 塗りつぶし/等高線
(4) 流れ場ベクトル図

トピック 4. 爬虫類と気象海洋データ

(1) リクエストライブラリの紹介
(2) 中央気象台天気図のクローリング
(3) FNL データのクローリング
(4) ERA5 ダウンロード

トピック 5. 気象学と海洋学で一般的に使用される補間方法

(1) サイトへの規則的なグリッドデータ補間
(2) 動径基底関数 RBF 補間
(3) 逆距離重み IDW 補間
(4) クリギング補間

トピック 6: 機械学習の基礎理論と実際の運用

6.1 機械学習の基本原理

(1) 機械学習の概要
(2) 統合学習 (バギングとブースティング)
(3) 共通モデル原理 (ランダムフォレスト、Adaboost、GBDT、Xgboost、lightGBM)

6.2 機械学習ライブラリ scikit-learn

(1) sklearn の概要
(2) sklearn は分類タスクを完了します
(3) sklearn は回帰タスクを完了します

トピック 7. 機械学習の応用例

このトピックでは、機械学習で一般的に使用される 2 種類の統合学習アルゴリズム、バギングとブースティングの詳細な説明、および 2 種類のアルゴリズムと一般的に使用される代表モデルの詳細な説明に基づいて、3 つの学習例を組み合わせます。いくつかの一般的な機械学習テクニックをシリーズで説明し、理論と実践を統合します。

7.1 気象学における機械学習と深層学習の応用

気象モデル修正、短期予報、気候予測などへのAI活用

7.2 GFS数値モデルによる風速予測の補正
(1) 重要特徴量のランダムフォレスト選択
(2) K最近傍と決定木モデルによる風速の補正
(3) 勾配ブースティング決定木GBDTによる風速の補正
(4) モデルの評価そして比較

7.3 台風予報データのインテリジェントな補正
(1) CMA台風予報データセットの導入と前処理
(2) 台風予報のランダムフォレストモデル補正
(3) 台風予報のXGBoostモデル補正
(4) 台風「花火」予報効果検証

7.4 風力発電所の風力を予測する機械学習
(1) 風力を予測する lightGBM モデル
(2) パラメータ調整ツール - K-fold で検証された GridSearch

トピック8. ディープラーニングの基礎理論と実践

8.1 深層学習の基礎理論

深層学習の基礎的な理論知識を説明し、機械学習の基本理論と動作原理を深く理解し、ニューラルネットワークモデル (人工ニューラルネットワーク ANN、畳み込みニューラルネットワーク CNN、リカレントニューラルネットワークなど) を構築および最適化する方法を習得します。深層学習アルゴリズムと技術を理解して適用する能力は、海洋気象学関連分野におけるその後の実際的な問題と応用にうまく対処できるようになります。

8.2 Pytorch ライブラリ

(1) sklearn、共通機能、機械学習手法の紹介.
アイリスや手書きフォントなどの公開データセットの取得、トレーニングセットとテストセットの分割、モデルの構築とモデルなど、古典的な機械学習ライブラリ sklearn の共通機能を学びます。検証など
(2) pytorch と構築モデルの紹介

現在人気の深層学習フレームワーク pytorch を学び、テンソル、自動導出、勾配ブースティングなどを理解し、BP ニューラルネットワークを例として sin 関数を学習し、単層および多層ニューラルネットワークの構築方法をマスターします。モデル操作に GPU を使用する方法。

トピック9. ディープラーニングの応用例

このトピックでは、ANN を使用して浅海方程式を予測する方法を学習したことに基づいて、PINN メソッドを使用して動的方程式をモデルに追加し、深層学習の物理的解釈可能性が低いという問題を軽減する方法をさらに学習します。また、気象データは代表的な時空間データであり、古典的な時系列予測手法 LSTM と空間畳み込みアルゴリズム UNET を学びます。

9.1 浅海方程式パターンを予測する深層学習
(1) 浅海モデルとデータ取得の概要
(2) 従来のニューラルネットワーク ANN が浅海方程式を学習
(3) 物理的制約ネットワーク PINN が浅海方程式を学習

9.2 ENSO を予測する LSTM 手法
(1) ENSO の概要とデータの紹介
(2) LSTM 手法の原理の紹介
(3) 気象系列データを予測する LSTM 手法

9.3 深層学習 - 畳み込みネットワーク
(1) 畳み込みニューラルネットワークの概要
(2) Unet によるレーダーエコーの予測

トピック 10. EOF 統計分析

10.1 EOF の基本と eofs ライブラリの概要

10.2 海面水温データの終端解析
(1) 異常値の算出と傾向除去のための海面水温データ
(2) 海面水温データの終端解析と可視化

トピック 11. パターンの後処理

11.1 WRF モードの後処理
(1) wrf-python ライブラリの紹介
(2) サイトデータの抽出
(3) 500hPa フォームフィールド描画
(4) 鉛直プロファイル - 例としてのレーダー反射率

11.2 ROMS モードの後処理
(1) ROMS 出力データを操作するための例としての xarray
(2) 垂直座標変換、S 座標から深さ座標への変換
(3) 垂直断面図
(4) 水平カラーマップ描画

8. FLEXPART ラグランジュ粒子拡散モデルのモデリング技術、大気汚染物質の発生源と吸収源の関係を研究する実践的な経験とスキル

現在、大気汚染は我が国の重要な環境問題の一つとなっています。地域の大気汚染を効果的かつ正確に制御するには、汚染物質の発生源を解明する必要があります。ラグランジュ粒子拡散モデル FLEXPART は、点、線、面、または体積から放出される多数の粒子の軌道を計算することにより、大気中のトレーサーの長距離、メソスケール輸送、拡散、乾式および湿式堆積、放射線減衰を記述します。ソース、プロセス。このモデルは、タイムフォワード操作を通じてソース領域から周囲へのトレーサーの拡散をシミュレートでき、また、バックワード操作を通じて固定サイトに影響を与える潜在的なソース領域の分布を決定することもできます。

1.ラグランジュ粒子拡散モデルと FLEXPART モデルの説明
1. ラグランジュ粒子拡散モデルの概要と応用特徴
2. FLEXPART モデルの概要とダウンロードとインストール

2. Linux システムと FLEXPART モードのインストール
1. Linux システムのインストール
2. 基本的な Linux コマンドの演習
3. FLEXPART 依存ライブラリのインストール
4. FLEXPART モードのコンパイル
5. FLEXPART-WRF モードのコンパイル

3. FLEXPART モード入力とモデルパラメーターの説明
1. 気象フィールドデータの取得
2. FLEXPART-WRF モードパラメーターの説明
3. FLEXPART モードパラメーターの説明
4. FLEXPART モデル結果後処理技術手法

4. FLEXPART モードの操作演習
1. ゼロから開始して FLEXPARF-WRF 操作ケースを確立する
2. ゼロから開始して FLEXPARF 操作ケースを確立する
3. FLEXPART 出力結果後処理ツールのインストール
4. FLEXPART 後処理ツールの使用方法の演習

5. FLEXPART適用ケースの構成、操作、後処理
1. 出力領域調整ケース（比較解析）
2. 汚染物質の拡散・濃度解析
3. 汚染源領域解析
4. 気団軌道解析
5. 温室効果ガスシミュレーションケース

9. SMOKE マルチモード排出量インベントリ処理技術と EDGAR/MEIC インベントリ生成および VOCs 排出量計算に基づく

我が国経済の急速な発展に伴い、我が国はますます深刻な大気汚染問題に直面しています。近年、深刻な大気汚染問題は国民経済や国民生活に多大な影響を与えており、政府、学界、国民の注目が高まっています。大気汚染は、工業生産、農業生産、生活、交通、都市化などの人間活動の総合的な結果であると同時に、気象要因も大気汚染を制御する重要な自然要因です。大気汚染問題は、局地的、地域的、地域的、さらには地球規模にまで及びます。地域の汚染物質の排出は、地域に深刻な影響を与えるだけでなく、送電により風下地域の大気環境にも大きな影響を与えます。数値モデルシミュレーションは、大気汚染物質の空間的および時間的分布と組成的寄与を分析するための重要なツールであり、シミュレーション結果は、大気汚染の発生源、原因、汚染レベル、期間、主成分、相対的寄与およびその他の問題を分析するために使用できます。分析と合理的な管理に役立ち、汚染源排出量は産業調整の参考になります。現在、さまざまな理論、用途、設計概念に基づいて、国内外でさまざまな大気質モデルが開発されています。これらのモデルは、大気質の予測および警告システムの確立、大気汚染の予防および制御、環境影響評価などの作業に広く使用されています。

大気汚染物質の排出は大気汚染の原因であり、気象要因は汚染の程度に影響を与える重要な要因です。したがって、大気質モデルには入力として気象データと汚染物質排出インベントリが必要です。大気汚染源の複雑さにより、データの遅れ、動的な変化と規則性大気汚染源排出インベントリインプットの特徴は明らかではないため、大気汚染源排出インベントリインプットの作成が重要かつ困難な点となっています。

【目標】：

1. 大気汚染源排出インベントリの不確実性の原因と定量分析手法を習得する;
2. VOCs 排出を例として、排出源の計算と成分インベントリの作成手法を習得する;
3. 大気汚染源排出インベントリの処理技術的手法を習得するSMOKE モデルに基づく、
4. SMOKE に基づくマルチモード排出インベントリ入力作成方法をマスターする、
5. 事例分析と実践を通じて CMAx、CMAQ、WRF-chem およびその他のモードでの適用方法をマスターする、
6. EDGAR をマスターする/実践例によるMEIC在庫処理技術手法;

[内容の簡単な説明]:

大気汚染源排出インベントリの作成、処理および不確実性分析の技術的手法。	1. 都市大気排出インベントリの作成方法の説明２．排出インベントリの不確実性分析の技術的手法、3．排出量インベントリの不確実性とモデルのデバッグ; 4. 排出インベントリ処理技術の説明とプロセス、５．SMOKE/MEGANモデル説明;
排出量計算（例としてVOC排出量）と不確実性分析技術。	操作: 1. 汚染物質排出量計算 (溶剤使用源からの VOC 排出量を例として)、2. 成分排出リストの作成 (VOC 成分リストを例として)、3. LINUX の基本コマンド操作、4. 排出係数不確実性解析操作；５．排出インベントリの不確実性分析業務。
SMOKE ローカルケース確立メソッド。	1. SMOKE地域排出インベントリ処理に基づくケース手法、2．汚染源の分類と書類の作成方法３．市外局番の編集と書類の作成方法、４．大気汚染源の時間特性の調査と時間スペクトルファイルの作成方法５．モデル大気化学メカニズムに基づく汚染源組成スペクトルとファイル作成方法 6. グリッド排出インベントリをインプットとして使用する SMOKE インプットの作成
SMOKE/MEGAN のインストールとテスト	操作: 1. SMOKE 環境設定と注意事項; 2. SMOKE 出力描画ツールのインストール 3. SMOKE モデルのインストールとコンパイル 4. SMOKE テストケースの操作; 5. MEGAN モデルのローカルケース;
SMOKE 入力ファイルの準備演習	操作: 1. Spatial Allocator のインストールと構成 2. エリアソース空間分配係数の確立 3. 時間スペクトルファイルの準備操作
SMOKE ローカルケースの設定とデバッグ操作	操作: 1. 点源および面源排出インベントリ入力ファイルの準備; 2. SMOKE のローカルケース構成とデバッグ 3. 排出量インベントリの統合と CMAQ 対応の排出量インベントリ出力。
CMAQ/CAMx ケースの実行	操作: 1. CAMx モードデータ変換インターフェイスのインストール 2. マルチモードシミュレーション領域の設定指示 3. CMAQ ケースの実行 4. CAMx ケースの実行
WRF-Chem モードのケース実行	操作: 1. WRH-Chem モードデータ変換インターフェイスをインストールします。 2. WRF-Chem ケースを実行します。 3. 質問します。
SMOKE に基づく Global Emissions Inventory (EDGAR) 処理ケース	操作: 1. ケースの設定手順 2. 入力ファイルの準備 3. SMOKE-EDGAR ケースの実行 4. 結果の確認
SMOKE に基づく国家排出量インベントリ (MEIC) の処理ケース	操作: 1. ケースの設定手順 2. 入力ファイルの準備 3. SMOKE-MEIC ケースの実行 4. 結果の確認

10. WRF モデルの自動操作と前後処理における Python テクノロジーの実践

今日、気象学およびその関連分野に携わる職員は、気象数値モデルとそのデータ処理に関わることが多く、運用予測の手段として、または科学研究ツールとして、気象数値モデルと効率的な前処理および後処理言語を習得することは非常に重要です。重要なスキルです。WRF はメソスケール気象数値モデルのリーダーとして、完全なモデル機能を備えており、ほとんどの人にとって最初の選択肢となります。モデルをマスターすることは最初のステップにすぎません。数値モデルの結果をさらに処理して、ビジネスや科学研究に必要な製品を作成することも重要な作業です。現在の傾向としては、Python 言語が第一の選択肢となっています。
ほとんどの人、特に新規ユーザーにとって、WRF モードのインストールは面倒で不必要です。これは、後で習得するスキルとして使用できます。このコースでは、面倒なインストール手順を省略し、モードの実行部分に直接焦点を当てます。クイックステップ、ティーチング、クイックマスターモード操作。さらに、Python 言語と WRF モード操作を組み合わせて、モード操作を自動化し、科学研究とビジネスの効率を向上させます。同時に、データ処理、ビジュアル描画などを含む、WRF の前処理および後処理における Python の一般的なシナリオをマスターします。
WRF モデルと Python 言語を組み合わせたアプリケーションをマスターすると、気象学、海洋学、地理学、気候、水文学、生態学の分野におけるビジネス、科学研究、エンジニアリングプロジェクトで効果的に使用できます。

[内容の簡単な説明]:

トピック 1. WRF の基本と
Linux の基本
1 WRF の基本と Linux の基本
1.1 WRF モードの理論的知識と応用の見通し WRF
動的理論の紹介
WRF モードのコードフレームワーク
WRF モードの応用の見通し
1.2 Linux の知識と基本操作
Linux の基本コマンド
スケジュールされたタスク
とスーパーコンピューティングの送信タスク
1.3 WRF モードのインストール
基本ライブラリのインストール (GNU コンパイラー、zlib、libpng、jasper、hdf5、netcdf4、mpich2)
WRF/WPS のインストール

トピック 2. WRF モードの操作
2.1 WRFDomainWizard 設定シミュレーション領域
2.2 WPS (geogrid、ungrib、metgrid) 前処理
GFS/FNL/ERA5 データ駆動型、ネストされたシミュレーション
2.3 WRF (real.exe、wrf.exe) 統合操作
パラメーター化スキームの設定
共通パラメータの使用経験
2.4 再起動
2.5 より良い WRF シミュレーション結果を得る方法 (WRF の実行経験と注意事項)

トピック 3. Python の基本
3.1 Python のインストールと基本構文
3.2 Python で一般的に使用される気象データ処理ライブラリ
numpy、datetime、pandas、scipy、netcdf-python
3.3 Python 気象描画の基本
1) 折れ線グラフの描画
2) 色の塗りつぶしと等値線 + 地図
3)流れ場ベクトル＋地図
４）地図描画（カルトピー）

トピック 4. WRF アプリケーションケースの紹介
4 WRF ケース
4.1 北西太平洋における台風シミュレーション
4.2 悪天候プロセス - 雹ケースシミュレーション
4.3 WRF - 太陽放射の太陽シミュレーション

トピック 5. Python は WRF 自動運用に役立ちます
5 Python は WRF 自動運用に役立ちます
5.1 Python は WRF 履歴サンプルを自動的に実行
します 5.2 自動 WRF 運用予測システムを構築します
1) Python は GFS リアルタイム予測データを自動的にダウンロードします
2) Python は WRF 予測システムを自動的に実行します
3 ) Python は、WRF の実行結果を求める電子メールを自動的に送信します

トピック 6. WRF モデルの前処理と後処理
6 WRF モデルの前処理と後処理
6.1 WRF 後処理の概要 6.2
wrf-python ライブラリの概要
6.3 Python による WRF シミュレーションエリアと地形の描画
6.4 Python によるサイト予測要素の抽出と描画
6.5 Python は 500hPa の高高度形状フィールドを描画します
6.6 Python はレーダー反射率 DBZ 垂直プロファイルを描画します
6.7 Python は 700hPa 水蒸気フィールドを描画します
6.8 Python は地表降雨フィールドを描画します

11.一般的な地球科学データ処理の実用的な技術応用

地球科学では、特定の分野の特性に基づいて、さまざまなデータがさまざまなデータ形式で保存されます。科学研究活動では、さまざまなデータを総合的に利用・分析する必要があるため、共通のデータフォーマットの解決策を見つけて学習し、特定の科学的課題に研究エネルギーを集中させる必要があります。

このコンテンツでは、上記の課題に対し、大気科学、水文学、生態学の共通データを取り上げて解説しています。

主なフォーマットについて説明します。
l 全球大気再解析データ netCDF
l 積雪深 ASCII
l 積雪量 ASCII/TIFF
l 海水温データ netCDF
l 植生指数データ NDVI
l 土地利用データ HDF

必要な処理ツール:
Anaconda 5.0+ (Python 3.6)、xarray==0.13、netcdf4==1.5.3、rasterio、pandas、pyhdf、fiona、shapely、gdal

12.大気環境における地域気象学・大気化学オンラインカップリングモデル(WRF/Chem)の応用

我が国経済の急速な発展に伴い、我が国はますます深刻な大気汚染問題に直面しています。近年、深刻な大気汚染問題は国民経済や国民生活に多大な影響を与えており、政府、学界、国民の注目が高まっています。大気汚染は、工業生産、農業生産、生活、交通、都市化などの人間活動の総合的な結果であると同時に、気象要因も大気汚染を制御する重要な自然要因です。大気汚染問題は、局地的、地域的、地域的、さらには地球規模にまで及びます。地域の汚染物質の排出は、地域に深刻な影響を与えるだけでなく、送電により風下地域の大気環境にも大きな影響を与えます。数値モデルシミュレーションは、大気汚染物質の空間的および時間的分布と組成的寄与を分析するための重要なツールであり、シミュレーション結果は、大気汚染の発生源、原因、汚染レベル、期間、主成分、相対的寄与およびその他の問題を分析するために使用できます。分析と合理的な管理に役立ち、汚染源排出量は産業調整の参考になります。シミュレーション結果は、地域を越えた汚染物質の輸送問題を分析し、炭素、窒素、その他の成分の乾性および湿性沈着フラックスを計算することで、植生や土壌などの生態系に対する大気汚染物質の潜在的な影響を推定することができます。シミュレーション結果はさらに分析し、環境エネルギー評価、環境評価と計画、産業構造、環境収容力の変化、生態系の安定性と変化などの分野に応用することもできます。

[学習目標]:
1. WRF-Chem モードの原理、デバッグ、操作方法を習得します。
2. ケース操作を通じて、WRF-Chem モードのデータ準備、前処理、および関連するパラメーター設定方法をマスターします。
3. シミュレーション結果の後処理と描画の方法（ARWPOST や NCL などのソフトウェア操作）を習得します。
4. 事例分析操作を通じて、大気環境（PM2.5、オゾン）、可視性、都市化における WRF-Chem の応用を習得します。
5. このコースでは、実際のプロジェクトで学生が遭遇する問題についてのガイダンスを提供します。

【専門家】：
講師の専門家は大学の教員であり、長年にわたり大気環境、エアロゾルシミュレーション、放射線影響などの研究に従事し、豊富な実務経験を有し、学術研究論文集の主宰および完成にも携わってきた。科学研究プロジェクトの数。

[内容の簡単な説明]:

13. CAMxを活用した大気質シミュレーション・汚染源解析技術と事例分析

【学習目標】：
1. CAMx モデルに基づく地域大気質シミュレーションケース構成の技術的手法を習得する;
2. SMOKE モデルに基づく CAMx モデル大気排出インベントリの入力準備方法を習得する;
3. 汚染源を習得するCAMx モデルケース構成技術手法に基づく分析ツール (SA)。

[専門家]: 大気汚染源研究分野の上級専門家であり、大気汚染源排出インベントリの作成、汚染源分析研究、大気排出インベントリ処理技術手法、大気モデル応用研究に長年従事。大気排出源インベントリ処理および汚染源に関する豊富な経験があり、分析および大気質モデリングの経験があります。

[内容の簡単な説明]:

14. CMAQ 大気質モデルの体系的な学習

大気汚染問題はあらゆるレベルの政府と国民の関心をますます集めており、リアルタイムデータモニタリングの発表から大気質の数値予報や予測製品の発表に至るまで、我が国では大気質モニタリングにおいて一定の進歩を遂げてきました。そして予測します。コンピューター技術の急速な発展、大気汚染監視方法の改善、大気の物理的および化学的プロセスに対する人々の深い理解により、中国の大気質を予測するための高度な大気化学モデルの開発と使用は、大気汚染を減らす上で非常に重要です。公害災害や人々の生活向上など、品質には前向きな意味があります。大気質予測モデルシステム（WRF-CMAQ）と汚染源処理技術は、現在、大規模な霧天気の早期警戒と総合管理の重要な手段であり、全国的に普及・活用することで、実際の事業予測レベルの向上と事業効率の向上に貢献します。防災・減災能力を発揮し、社会的・経済的に大きな利益をもたらします。

[専門家] :
チェン先生 [研究者]: 大気質のシミュレーションと改善に関する科学研究に長年従事し、3 次元に基づくさまざまな汚染源反転手法とエアロゾル LIDAR データ同化技術を独自に開発しました。 CMAQ モデルの使用に関して 10 年以上の経験があり、実際の操作経験があり、多くの大学で CMAQ モデルを教えました。環境、気象、その他の分野における CMAQ モデルの応用と推進に特に注意を払い、モデルの設置、操作、解釈からモデル結果の表示までのあらゆる側面に精通しています。

[内容の簡単な説明]:

15.高精度気象シミュレーションソフトWRF（Weather Research Forecasting）技術と活用事例

気候は多くの分野 (生態学、水資源、風力資源、カーボンニュートラルなど) の主な推進要因です。気候変動を合理的に理解することは、生態環境変化のメカニズムとプロセスを説明し、現在および将来の気候を理解するのに役立ちます。変化は極めて重要です。変化は生態学、環境、エネルギーの評価と炭素政策の計画の前提条件であり、気候シミュレーションは高精度の気候情報を得る最も重要な手段です。現代の生態学、水文学、新エネルギー、カーボンニュートラルの分野では、以下の分野が必要です。シミュレーションでは、WRF モデルが国内外で最も広く使用されており、数百メートルの高精度シミュレーションにこのモデルを使用するアプリケーションが増えています。一方、モデルはモデルモジュールの拡張を続けており、エアロゾルおよび化学プロセス（WRF-CHEM）、データ同化（WRF-DA）、水文学プロセス（WRF-HYDRO）、都市化（URBAN）、およびその他のプロセス精密なシミュレーションの応用範囲はますます広がり、実際のビジネスや科学研究への応用も広がっています。

注意：お客様ご自身でパソコンをご用意いただき、必要なソフトウェアを事前にインストールしてください。

16. CMIP6データ処理

国際結合モデル相互比較プログラムは、気候変動研究のためにより豊富な地球規模の気候モデルデータを提供する新しい段階であるフェーズ 6 (CMIP6) に入りました。CMIP5 と比較して、CMIP6 モデルには 2 つの主な特徴があります: 1 つ目は、CMIP6 で考慮されるプロセスがより複雑であり、多くのモデルが大気化学プロセスの双方向結合を実現していること、2 つ目は、大気モデルと海洋モデルの解像度が大幅に向上していることです。、その中には大気モデルの最大水平解像度は世界中で25kmに達することができます。また、CMIP5 の RCP シナリオは、今後 100 年間の安定した CO2 濃度とそれに対応する放射強制力の達成という目標のみを考慮しており、特定の社会開発経路を目標としていないが、CMIP6 の新たな社会経済共通経路はこれを十分に考慮したものであり、より多様な排出シナリオを追加することで、緩和と適応の研究や地域の気候予測に、より合理的なシミュレーション結果が提供され、CMIP5 の RCP シナリオの欠点を大幅に補うことができます。

国際結合モデル比較プログラムでは、GCM は気候変動を構築するための地球規模の大規模情報を提供しますが、地域規模で気候研究を行う場合、比較的低解像度の情報は地域の気候変動予測に大きな偏差をもたらします。動的ダウンスケーリング、統計的ダウンスケーリング、およびその 2 つを組み合わせた方法など、大規模な情報を地域スケールに変換する役割を果たします。