Welcome to RQL's Blog!
Do Better Every Day!-
CESM模式输出数据种类及频率设置
在 $casename 文件夹下的 user_nl_cam 中加入下面三行代码，其中
- 第一行是：Sets the averaging flag for all variables on a particular history file series.The default is to use the averaging flags for each variable that are set in the code via calls to subroutine addfld. “A”代表平均。
- 第二行是指定输出变量频率，第一个数字为0，表示用默认的输出频率，即输出月平均数据，第二个数字小于0，表示每隔24小时输出一个文件
- 第三行指定一个输出文件中包含几个时次的数据
- 第四行指定第二个输出频率对应需要的输出变量，而第一个逐月的数据文件则采用默认的输出方式。
- 在这四行代码中，模式一共会输出两种频率类型（逐月，逐日）的数据文件。
更具体的变量名解释可以在以下网址找到：http://www.cesm.ucar.edu/cgi-bin/eaton/namelist/nldef2html-cam5_3
avgflag_pertape = 'A','A' nhtfrq = 0,-24 mfilt = 1,1 fincl2 = 'FLDS','FLNS','FLNT','FLUT','FSDS','FSNS','FSNT','LHFLX','OMEGA','PRECC','PRECL','PSL','PS','RELHUM','Q','SHFLX', 'T','TMQ','TS','U','V','Z3'这一步需要在 build 前修改，若已经build过了，可以在 user_nl_cam 修改过后再重新 build 一下，或者直接修改 exe/ 文件夹中的 atm_in。
-
大气视热源
最近，经常接触视热源这个物理量。例如用视热源做滤波及EOF来衡量季节内振荡的传播过程，用视热源来衡量TP的热力作用。但始终不知道他是如何计算的，以及为什么要这么做。咨询了师兄师姐后，理解如下：
the vertically integrated atmospheric apparent heat source 整层积分的大气视热源
下图选自论文《Interactions between boreal summer intraseasonal oscillations and synoptic-scale disturbances over the western North Pacific. Part II: Apparent heat and moisture sources and eddy momentum transport》
上述公式1是用可观测的变量去估算垂直扩散加热(感热加热)，大气潜热加热，辐射加热（包括长波短波），进而算得大气视热源。因为无法观测到上述三个加热过程，因此需要用可以观测到的风场、温度场去估算。其中垂直速度是p坐标系下的垂直速度（单位Pa/s)。Cp一般取 1004.0 J/(K kg) ，所以计算得到的视热源单位 W/kg，整层积分后的单位是 W/m2。
此外，计算时注意用逐日的风场、温度资料来计算，不能用气候平均的UVT来计算，那样会忽略瞬变涡旋的热通量，如下面的公式所显示的那样（下面的非绝热加热忽略了温度的时间变化率，因为这一项一般都比较小，可以忽略。此外该非绝热加热乘以Cp后即视热源）。听说，对于热带这些瞬变涡旋作用很弱的地区，可以用气候平均的UVT来计算
由于在模式中可以用物理方程求解所有过程，因此上述三个加热过程可以直接用方程计算出来，而不需要用观测资料去估算。
CESM会默认输出月平均的上述三个加热过程的物理量，如下所示。把他们都加起来乘以Cp再整层积分后得到的值与用上述公式（1）得到的结果差不多。也可以分别看每一项对加热的贡献。float QRL(time, lev, lat, lon) ; QRL:mdims = 1 ; QRL:Sampling_Sequence = "rad_lwsw" ; QRL:units = "K/s" ; QRL:long_name = "Longwave heating rate" ; QRL:cell_methods = "time: mean" ; float QRS(time, lev, lat, lon) ; QRS:mdims = 1 ; QRS:Sampling_Sequence = "rad_lwsw" ; QRS:units = "K/s" ; QRS:long_name = "Solar heating rate" ; QRS:cell_methods = "time: mean" ; float DTCOND(time, lev, lat, lon) ; DTCOND:mdims = 1 ; DTCOND:units = "K/s" ; DTCOND:long_name = "T tendency - moist processes" ; DTCOND:cell_methods = "time: mean" ; float DTV(time, lev, lat, lon) ; DTV:mdims = 1 ; DTV:units = "K/s" ; DTV:long_name = "T vertical diffusion" ; DTV:cell_methods = "time: mean" ;两种计算方法的对比
他们的垂直分布如下（第一张图是模式输出资料，第二张图是由温度和风场反算的结果，色标一致，均未乘Cp）
-
再分析资料及降水资料
一、再分析资料
1.1 NCEP/NCAR reanalysis：NMC reanalysis (1949-now)
A state-of-the-art analysis/forecast system is used to perform data assimilation using data from 1948 to the present.
1.2 NCEP/DOE reanalysis 2 ：(1979-now)
NCEP-DOE Reanalysis 2 is an improved version of the NCEP Reanalysis I model that fixed errors and updated paramterizations of physical processes.
A state-of-the-art analysis/forecast system is used to perform data assimilation using data from 1979 through 2003. A large subset of this data is available from PSD (Physical Sciences Division) in its original 4 times daily format and as daily averages.
NECPI和NECP2 只有起始时间不同，精度都为2.5*2.5，有6h的，也有24小时的，也有月平均的数据，另外NECP2 的数据一般都是short类型。
1.3 ERA-Interim
全称：European Centre for Medium-Range Weather Forecasts (ECMWF) Interim Re-Analysis 有subdaily，daily，monthly，
由于该机构位于欧洲，因此这里的中心只能用英式英语的centre，不能用美式英语的center
优点：
- TP的温度场和风场比NECP-NCAR reanalysis和ERA-40较准确 (WangMeiRong 2015, QBWO);
- 全球季风降水的气候态、长期趋势及年际变化的代表性都较好 (WangMeiRong 2015, QBWO);
参考资料：
- ERA-Interim数据介绍 http://blog.sciencenet.cn/blog-430991-888904.html
- 批量下载ECMWF数据的正确姿势 http://www.clarmy.net/2018/09/16/how-to-download-data-from-ecmwf-in-batch/
- 全球气象数据下载总结-CRU数据，ERA数据&NCEP-2数据 https://blog.csdn.net/Shirley_hetao/article/details/102954425
- python下载脚本中各参数的说明 https://confluence.ecmwf.int/display/UDOC/Identification+keywords#Identificationkeywords-param
欧洲中心数据概览：
KNMI气候研究
http://climexp.knmi.nl，可提供各气候系统指数
二、降水资料
2.1 Global Precipitation Climatology Project (GPCP)
- 综合了卫星数据和雨量筒数据，海洋和陆地上的数据都有，有各种空间和时间（逐日、逐侯、逐月）分辨率的数据集，daily的数据从1996年10月开始，monthly的数据从1979年1月开始
- 以往研究表明GPCP的降水数据在中国区域的偏差比CMAP的小(WangMeiRong 2015, QBWO)
2.2 Global Precipitation Climatology Centre (GPCC)
- 由全球的站点观测数据得到的逐月降水数据，只有陆地上的，从1901年1月到现在
- 看了官网介绍，好像也有逐日的数据资料，是2018年刚发布的，时间从1982年1月到2016年12月
- 在GPCC Website发现一个有趣的线上软件GPCC Visualizer，可以自己选择时间和月份画降水分布图
The precipitation data are from the Tropical Rainfall Measuring Mission (TRMM) Multisatellite Precipitation Analysis
CPC Merged Analysis of Precipitation (CMAP)
Climate Prediction Center (CPC) Merged Analysis of Precipitation (CMAP) dataset
- 分辨率2.5°，逐月或逐候，1979年1月-present
- 综合了雨量筒观测、极地轨道和地球同步卫星的微波和红外观测。包含陆地和海洋
Outgoing Longwave Radiation
输出长波辐射是对地球表面、海洋和大气释放到太空的能量的一种测量，是地球辐射收支中的一个重要组成成分。由于云顶温度是云高的一个指标（云越高，云顶温度越低），因此OLR可以表征热带和副热带区域的对流强度（OLR越小，对流越强）。
NOAA Interpolated OLR
- 观测数据来源于Advanced Very High Resolution Radiometer (AVHRR) instrument aboard the NOAA polar orbiting spacecraft
- 分辨率：2.5°，1974年6月-present，有逐月、逐日、次日等多种时间分辨率
HIRS outgoing longwave radiation
分辨率：1°
-
Formation mechanisms of WNPAC:Review
2018年12月上旬，TimLi来sysu交流，在5日和6日分别作了两个关于ENSO的review报告。
12月6日报告题目：Formation Mechanisms of Western North Pacific Anomalous Anticyclone during El Nino: A Reviewsummary
ENSO通过WNPAC影响成熟期6个月后的东亚夏季风降水，在这个报告中TimLi回顾了六种WNPAC发展和维持的物理机制。
-
Pacific-East Asian teleconnection
Wang, B., et al. (2000). “Pacific-East Asian teleconnection: how does ENSO affect East Asian climate?” Journal of Climate 13(9): 1517-1536.
这篇文章早在一年前就已经拜读过，但现在看到其他相关文献引用该文献时，才发现自己已不记得它讲了些什么内容，于是决定借着读书报告的机会再看一遍该文。
重读该文时获得如下感悟：- 在搜索参考文献时，发现若在ResearchGate中搜索文献，它会提供与该文献有关的最近的研究内容，感觉这个挺有趣的，毕竟我一直都在看老的文章
- 发现垂直运动也能改变空气温度，绝热下沉增温
- 斜压（随高度变化，一般由对流潜热加热引起），正压（随高度变化不大，一般由动力不稳定造成）
- 略微了解了太平洋北美遥相关(PNA)，它在高层更明显，但PEA则局限于底层
- 强调了西太异常冷海温对WNPAC形成的重要性
- 探索了冷空气入侵菲律宾海对WNPAC形成的可能原因，这属于赤道-赤道外大气环流相互作用
-
LASG GAMIL模式介绍报告
2018年11月16日，托数值老师的福，终于有机会回南校区，并有幸了解到大气物理研究所LASG研发的气候系统模模式，去年暑假参加大气所暑期夏令营时就听说LASG有自己研发的模式，但一直不知道叫什么，这次算是知道全名了
