地球系统模式(CESM)详解

目前通用地球系统模式(Community Earth System Model,CESM)在研究地球的过去、现在和未来的气候状况中具有越来越普遍的应用。CESM由美国NCAR于2010年07月推出以来,一直受到气候学界的密切关注。近年升级的CESM2.0在大气、陆地、海洋、海冰、陆冰、径流等几大模块以及一个中央耦合器(CIME)中都有较大更新,可以在不同的硬件平台上移植使用,尤其可以用于CMIP6的研究。

CESM中CIME (Common Infrastructure for Modeling the Earth)为模式配置、编译和运行提供个例控制器。CAM大气模块加入CLUBB (Cloud Layers Unified by Binormals)计算边界层湍流活动、浅对流、云微物理,CLUBB是一个诊断湿湍流方案,它能计算联合高阶次网格垂直速度,水含量、液态水和位温,也可以计算次网格垂直通量;引入提高的二阶诊断云微物理方案(MG2),可以诊断计算降水包括雨、雪和凝结云。CAM化学模块(CAM6-chem)包括对流化学方案MOZART-T1;计算二次有机气溶胶(SOA)的VBS(volatility basis set)方案中耦合了对流化学方案,并一直在持续改进,到目前的CESM2.2.0中,实现了区域加密的MUSICA-V0,并增加了能直接配置运行MOZART-TS2 化学模块以及进行nudging等的compset(配置)。WACCM6与CAM6所有的物理参数化方案都相符,并且在中层和上层大气中增加了显著的新功能。为了从火山和非火山源气体中提供平流层气溶胶的代表,WACCM6延展了Modal Aerosol Module (MAM4)功能。CLM5.0版本主要改进了土壤和植被水文过程、积雪融雪动力过程、碳氮循环和耦合模拟以及植被模拟等主要动力过程,另外,模式引进了MOSART径流模型替换了 RTM,同时引进FATES生态演替模型以改进经典的动态植被模型(DGVM)。地下层数由CLM4.5中的15层增加到了CLM5中的25层,考虑了土壤厚度的空间变量。它从0.4到8.5m之间变化。此外,在海冰、陆冰等模块中都有较大的更新。新的CLM强迫资料为全球土壤湿度计划的第三阶段(GSPW3)开发。它也是仅限于陆面模拟的LS3MIP和LUMIP默认的资料。

第一部分 运行前的准备

CESM 运行的系统和软件环境

CESM需要什么运行环境

CESM2.0\2.1\2.2运行环境的搭建

第二部分 Linux系统及编译

CESM 运行需要掌握的Linux及编译知识

Linux的基础知识及操作

Linux编译的基础及操作示例

基于Make 和CMake的编译体系

第三部分 CESM原理、结构

CESM 的基本结构

CESM的几大功能模块

CESM的基础知识

图片

第四部分 CESM程序获取、结构及其功能

获取 CESM程序代码,CESM文件夹结构及各自功能

获取最新或特定版本的 CESM 代码

讲解 CESM文件夹结构作用

图片

第五部分 CESM 移植、安装及快速运行

CESM 运行环境的准备,编译、安装及运行

检查并完善CESM 运行所需环境及软件

针对特定服务器环境的 CESM Machine File 修改

创建一个简单的 case,并编译运行这个 case

图片

第六部分 CESM 配置选项及数据文件制备

CESM 运行的配置文件详解,运行所需数据文件制备

创建 CESM case时各选项及其意义

运行配置文件namelist 的详解,常用选项选择及其意义

运行 CESM 所需数据文件结构及数据文件制备方法及程序

根据研究内容熟练创建 CESM case 并运行 CESM

图片

第七部分 CESM单模块运行——以CLM为例

熟练掌握 CESM 单模块运行的 case 创建、文件准备及运行-以CLM为例

创建CLM单点或区域模式的方法

单点及区域运行所需文件的制备

单点及区域模式的运行

图片

第八部分 CESM 的部分耦合运行——CAM-chem + CLM

熟练掌握 CESM 部分模块耦合运行的 case 创建、文件准备及运行 

部分耦合的原则

CAM+CLM 实例的创建及运行

CAM的拓展——CAM-chem、WACCM

图片

第九部分 CESM 的全耦合运行

熟练掌握 CESM 全耦合运行的 case 创建、文件准备及运行 

全耦合运行的注意事项

全耦合实例的创建及运行

图片

第十部分 CESM结果处理、分析及可视化-以CLM为例

熟练掌握 CESM输出结果文件结构、变量意义、变量选择以及结果分析-以CLM为例

创建单点或区域模式的方法

单点及区域运行所需文件的制备

单点及区域模式的运行

图片

第十一部分 CESM 代码修改、发展及改进

了解 CESM代码的结构、主要模块的组成、Fortran程序的修改

了解 CESM 主要的代码结构

了解 CESM 几大模块的组成及相应的程序位置

根据需要修改代码,编译运行

图片

 原文链接:地球系统模式(CESM)实践技术应用及进阶icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzU0MDQ3MDk3NA==&mid=2247564419&idx=2&sn=4917e597802a872b7fa4dff7e573116a&chksm=fb3b0752cc4c8e44cf82852714245d99e534efe18afbf250e2131daf65f8923d33cfaf26230e&token=1517105370&lang=zh_CN#rd

相关教程:生态、遥感、农业、双碳类推荐icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzU0MDQ3MDk3NA==&mid=2247560279&idx=4&sn=94093e5e3a6291e2e7ef947bb015c9f0&chksm=fb3b1786cc4c9e90576977dc69bc4b527bdb972529f600aaba35e03a25dd4a9837679623134a&scene=21#wechat_redirect 

★关 注【Ai科研学术社】公 众 号,获取海量教程和资源★
文章咨询看下方↓↓↓添加小编 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/175722.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[ poi-表格导出 ] java.lang.NoClassDefFoundError: org/apache/poi/POIXMLTypeLoader

解决报错: org.springframework.web.util.NestedServletException: Handler dispatch failed; nested exception is java.lang.NoClassDefFoundError: org/apache/poi/POIXMLTypeLoader 报错描述: 表格导出本来使用正常,偶然就报了以上错误…

一个方法,教你快速监测蓄电池!

随着电力需求的不断增长和可再生能源的快速发展,蓄电池技术已经成为能源存储领域的重要组成部分。 蓄电池不仅在家庭和工业应用中发挥着重要作用,还在电网稳定性和可持续能源集成方面具有关键地位。然而,蓄电池的有效监控和管理对于确保其可靠…

2011-2021年“第四期”数字普惠金融与上市公司匹配(根据城市匹配)/上市公司数字普惠金融指数匹配数据

2011-2021年“第四期”数字普惠金融与上市公司匹配(根据城市匹配)/上市公司数字普惠金融指数匹配数据 1、时间:2011-2021年 指标:指标:股票代码、年份、行政区划代码、行业名称、行业代码、所属省份、所属城市、数字…

Android开发知识学习——Kotlin进阶

文章目录 次级构造主构造器init 代码块构造属性data class相等性解构Elvis 操作符when 操作符operatorLambdainfix 函数嵌套函数注解使用处目标函数简化函数参数默认值扩展函数类型内联函数部分禁用用内联具体化的类型参数抽象属性委托属性委托类委托 Kotlin 标准函数课后题 次…

【深度学习】【NLP】如何得到一个分词器,如何训练自定义分词器:从基础到实践

文章目录 什么是分词?分词算法使用Python训练分词器步骤1:选择分词算法步骤2:准备训练语料步骤3:配置分词器参数步骤4:训练分词器步骤5:测试和使用分词器 代码示例:使用SentencePiece训练分词器…

塞尔帕替尼的靶点以及疗效【医游记】

(图片来源于网络) 塞尔帕替尼(Selpercatinib)是一种高选择性和抑制活性的小分子RET(受体酪氨酸激酶)抑制剂。它是全球首个获批的高选择性RET抑制剂,用于治疗RET融合阳性的转移性非小细胞肺癌的…

前端 读取/导入 Excel文档

情况: 需要通过Excel表,将数据导入到数据库,但是后台人员出差了,我又只会PHP,没用过node,所以只能前端导入Excel文件,然后循环调用后台的单条添加接口了。 库: Excel.js&#xff08…

LeetCode 2401.最长优雅子数组 ----双指针+位运算

数据范围1e5 考虑nlog 或者n的解法&#xff0c;考虑双指针 因为这里要求的是一段连续的数组 想起我们的最长不重复连续子序列 然后结合一下位运算就好了 是一道双指针不错的题目 class Solution { public:int longestNiceSubarray(vector<int>& nums) {int n nums…

算法leetcode|86. 分隔链表(rust重拳出击)

文章目录 86. 分隔链表&#xff1a;样例 1&#xff1a;样例 2&#xff1a;提示&#xff1a; 分析&#xff1a;题解&#xff1a;rust&#xff1a;go&#xff1a;c&#xff1a;python&#xff1a;java&#xff1a; 86. 分隔链表&#xff1a; 给你一个链表的头节点 head 和一个特…

mybatis-plus 使用 mybatis-plus-join 增强多表关联查询能力

一、mybatis-plus-join mybatis-plus 原生的能力不支持多表关联&#xff0c;对于这种场景只能通过写SQL进行实现&#xff0c;而mybatis-plus-join 则是建立在 mybatis-plus 基础之上的扩展框架&#xff0c;可以在不影响原有能力之上通过简单的API即可实现多表关联能力而无需编…

OpenCV 画极线

from pylab import * import cv2from backend._gs_ import stereo_cameradef compute_epipole(F):""" 从基础矩阵 F 中计算右极点(可以使用 F.T 获得左极点)"""# 返回 F 的零空间(Fx0)U,S,V np.linalg.svd(F)e V[-1]return e/e[2]def plot_epi…

故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断

文章目录 效果一览文章概述模型描述源码设计参考资料效果一览 文章概述 故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断 模型描述 利用各种检查和测试方法,发现系统和设备是否存在故障的过程是故障检测;而进一步确定故障所在大致部位的过程是故障定位。故障…

RK3588编译MXNet框架

目录 1. 背景 2.编译MXNet准备 3.开发板编译 1. 背景 MXNet&#xff08;也称为Apache MXNet或incubator-mxnet&#xff09;是一个开源的深度学习框架&#xff0c;它最初由华为和亚马逊AWS共同开发&#xff0c;并于2017年成为Apache软件基金会的孵化项目。MXNet旨在提供高效、…

【ArcGIS】CSV表导入Arcgis时字段类型改变

一个小记录&#xff1a; 可以看见我的文件夹里不知道我怎么操作的&#xff0c;多出了一个【ini】结尾的文件。 里面显示&#xff0c;我的文件里对应的几列限定为text 这也是为什么我进行xy表转point操作时无法进行的原因 不管我怎么在 csv操作&#xff0c;修改列的单元格格式都…

oracle,CLOB转XML内存不足,ORA-27163: out of memory ORA-06512: at “SYS.XMLTYPE“,

通过kettle采集数据时&#xff0c;表输入的组件&#xff0c;查询报错。 ORA-27163: out of memory ORA-06512: at “SYS.XMLTYPE”, line 272 ORA-06512: at line 1 通过 ALTER SESSION SET EVENTS ‘31156 trace name context forever, level 0x400’; 修改会话配置 或直接修改…

数据结构学习笔记——链式表示中的双链表及循环单/双链表

一、双链表 &#xff08;一&#xff09;双链表的定义 双链表是在单链表结点上增添了一个指针域prior&#xff0c;指针域prior指向当前结点的前驱结点&#xff0c;即此时链表的每个结点中都有两个指针域prior和next&#xff0c;从而可以很容易通过后继结点找到前驱结点&#x…

视阅口译有何特点,哪里提供视阅口译翻译?

据了解&#xff0c;视阅口译是一种涉及视听和口头表达的翻译方式&#xff0c;它在跨文化交流等领域中起到了非常重要的作用。那么&#xff0c;视阅口译有何特点&#xff0c;哪里提供专业的视阅口译服务&#xff1f; 我们知道&#xff0c;视阅口译就是基于事先准备好的讲稿或文…

【HMS Core】机器学习服务热门问题合集

【关键词】 机器学习服务、文本识别、身份证识别 【问题描述1】 机器学习服务的文本识别能力&#xff0c;是否支持草书等&#xff1f; 【解决方案】 草书是不支持的&#xff0c;目前建议使用较为规范的字体测试。 【问题描述2】 机器学习服务是否支持训练模型&#xff1f;…

Docker 运行swagger-editor实现在线接口文档维护与调试

文章目录 一、序二&#xff0c; Docker部署准备1. 编辑docker-compose.yml2. 新增启动、停止脚本3. 样例 swagger.yaml 三&#xff0c; 启动swagger-editor1. 使用说明2. 完整代码备份 一、序 因工作需要&#xff0c;需要搭建python运行环境&#xff0c;项目中python基于flask…

spark

spark Spark可以将Hadoop集群中的应用在内存中的运行速度提升100倍&#xff0c;甚至能够将应用在磁盘上的运行速度提升10倍。除了Map和Reduce操作之外&#xff0c;Spark还支持SQL查询&#xff0c;流数据&#xff0c;机器学习和图表数据处理。开发者可以在一个数据管道用例中单独…