社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Python

数值模式 | python 也能运行 wrf,我怎么会做这样的梦

气象学家 • 9 月前 • 413 次点击  

数值模式 | python 也能运行 wrf,我怎么会做这样的梦


个人信息

公众号:气 python 风雨

关注我获取更多气象/Python 学习资料,第一时间收到我的技术分享,也可获取我的联系方式沟通合作


前言

朋友说这位是今年的春晚总导演,我说你这游戏也太老了,现在的小朋友知道嘛image

最近在气象家园论坛闲逛时,看到一位作者正在宣传他开发的一个开源项目——wrfrun。作为一个经常和 WRF(Weather Research and Forecasting)模型打交道的气象人,我觉得可以了解一下。

说实话,跑 WRF 对很多初学者来说是个"噩梦":

  • WPS 预处理流程繁琐,geogrid、ungrib、metgrid、real 一步步来,容易出错
  • namelist 配置复杂,参数众多,一不小心就报错
  • 作业提交、日志管理、数据整理都是体力活
  • 换台机器跑同样的实验,环境配置让人头大

而 wrfrun 这个项目的口号:_"Designed for researchers who want to focus on science — not on the details of model execution."_(为那些想专注于科学而非模型执行细节的研究者而设计)

这句话好耳熟啊,好像很多项目都这么讲


项目简介

wrfrun 是一个现代化的数值模型运行管理框架,用 Python 编写。它的核心目标是:

自动化模型执行中的繁琐环节——准备输入数据、处理 namelist 配置、组织日志、提交作业——让你把时间花在研究上,而不是管理模型运行。

简单来说,它把 WRF 的整套流程封装成了 Python 函数,你只需要写几行代码,就能完成从前处理到模式运行的全部工作。


核心特性详解

1️⃣ 统一接口架构

wrfrun 为所有数值模型提供了统一的接口规范。每个模型接口都继承自提供的基类,确保不同模型之间有一致的结构和行为。

这意味着什么?任何支持的模型都可以通过调用 Python 函数或类方法来启动,wrfrun 会自动在后台处理数据准备、配置文件管理等任务。

from wrfrun import WRFRun
from wrfrun.model.wrf import geogrid, metgrid, real, ungrib, wrf

# wrfrun will prepare input data, generate namelist file,
# save outputs and logs automatically.
with WRFRun("./config.toml", init_workspace=True) as wrf_run:
    geogrid()
    ungrib()
    metgrid()
    real()
    wrf()

看到没?原本需要手动一步步执行的 WPS 流程,现在变成了几行 Python 代码!


2️⃣ 记录与回放(Record & Replay)

每次模拟都可以被完整记录,之后可以通过单个.replay 文件在不同目录或不同机器上重现——确保完全可重复性。

from wrfrun import WRFRun
from wrfrun.model.wrf import geogrid, ungrib, metgrid, real, wrf

# 1. 记录模拟
with WRFRun("./config.toml", init_workspace=True) as wrf_run:
    wrf_run.record_simulation(output_path="./outputs/example.replay")
    geogrid()
    ungrib()
    metgrid()
    real()
    wrf()

# 2. 在不同目录或机器上回放模拟
with WRFRun("./config.toml", init_workspace=True) as wrf_run:
    wrf_run.replay_simulation("./example.replay")

这对做敏感性实验、分享实验配置、保证结果可复现都非常有用


3️⃣ 简化配置(TOML 格式)

告别繁琐的 namelist!wrfrun 使用TOML 格式来管理配置,更加直观易读。

主配置文件  config.toml:

work_dir = "./.wrfrun"
input_data_path = ""
output_path = "./outputs"
log_path = "./logs"
server_host = "localhost"
server_port = 54321
core_num = 36

[job_scheduler]
job_scheduler = "pbs"
queue_name = ""
node_num = 1

[model]
[model.wrf]
use = false
include = "./configs/wrf.toml"

WRF 模型配置 wrf.toml:

wps_path = '/path/to/your/WPS/folder'
wrf_path = '/path/to/your/WRF/folder'
geog_data_path = '/path/to/your/geog/data'

[time]
start_date = 2021-03-24T12:00:00Z
end_date = 2021-03-26T00:00:00Z
input_data_interval = 10800
output_data_interval = 180

[domain]
domain_num = 3
dx = 9000
dy = 9000

当然,如果你习惯了传统的 namelist,wrfrun 也兼容,只需在配置中指定 namelist 文件路径即可。


4️⃣ 作业调度集成

支持主流的作业调度系统:PBS、Slurm、LSF

只需设置  submit_job=True,wrfrun 就会自动处理资源请求和队列管理:

from wrfrun import WRFRun
from wrfrun.model.wrf import geogrid, metgrid, real, ungrib, wrf

# just set submit_job=True
with WRFRun("./config.toml", init_workspace=True, submit_job=True) as wrf_run:
    geogrid()
    ungrib()
    metgrid()
    real()
    wrf()

再也不用写复杂的提交脚本了!


5️⃣ 实时监控

wrfrun 可以解析模型日志文件,并启动轻量级 socket 服务器来报告模拟进度。

from wrfrun import WRFRun
from wrfrun.model.wrf import geogrid, metgrid, real, ungrib, wrf

# just set start_server=True
with WRFRun("./config.toml", init_workspace=True, start_server=True) as wrf_run:
    geogrid()
    ungrib()
    metgrid()
    real()
    wrf()

这样你就可以实时查看模式运行到哪一步了,不用一直去翻日志文件。


快速安装

安装非常简单,一行命令搞定:

pip install wrfrun

快速入门实战:以飓风 Matthew 为例

官方文档提供了一个完整的入门案例——模拟飓风 Matthew(单域)。让我们一步步来看 wrfrun 是如何简化 WRF 运行的。

准备工作

环境要求:

  • 已安装 WRF(可以用 WRF-Install-Script 在 Ubuntu 上一键安装)
  • 已安装 wrfrun:pip install wrfrun
  • 下载 Matthew 案例数据并解压到 data/matthew/bg 目录

第一步:生成配置文件

wrfrun 有个很贴心的设计: 如果配置文件不存在,它会自动复制模板配置文件并提示你需要修改哪些参数。

from wrfrun import WRFRun

with WRFRun("config.toml") as server:
    pass

运行后会看到错误提示:

ERROR wrfrun :: Config file doesn't exist, copy template config to /path/to/config.toml
ERROR wrfrun :: Please modify it. You need to change following settings:
- input_data_path: 数据路径,应为 data/matthew/bg
- output_path: WRF输出目录
- core_num: 使用的核心数
- wps_path: WPS安装目录
- wrf_path: WRF安装目录
- geog_data_path: 地理数据目录

第二步:修改配置参数

根据数据修改时间和域配置:

[model.wrf.time]
start_date = 2016-10-06T00:00:00Z
end_date = 2016-10-08T00:00:00Z
input_data_interval = 21600  # 6小时,单位秒
domain_num = 1  # 单域模拟

第三步:运行 WPS 预处理

from wrfrun import WRFRun
from wrfrun.model.wrf import ungrib, VtableFiles

with WRFRun("config.toml") as server:
    # 指定使用GFS的Vtable文件
    ungrib(vtable_file=VtableFiles.GFS)

运行后 wrfrun 会:

  1. 自动执行 link_grib.csh 链接 GRIB 数据
  2. 运行  ungrib.exe 解码数据
  3. 将输出文件自动整理到 outputs/ungrib 目录

更棒的是:wrfrun 内置了域检验功能!再次运行脚本时,它会用 NCL 绘制模拟域图像:

INFO wrfrun :: The image of domain area has been saved to outputs/wps_show_dom.png
WARNING wrfrun :: Check the domain image, is it right? [y/N]:

如果域设置不对,直接按回车退出修改;确认无误输入 y 继续。这个功能对检查嵌套域设置特别有用!

第四步:完整 WPS 流程

from wrfrun import WRFRun
from wrfrun.model import geogrid, ungrib, metgrid

with WRFRun("./config.toml") as server:
    geogrid()   # 生成静态地理数据
    ungrib()    # 解码气象数据
    metgrid()   # 水平插值到模式网格

所有日志和输出都会自动分类保存到  outputs 目录下的子文件夹中。

第五步:运行 WRF

from wrfrun import WRFRun
from wrfrun.model import real, wrf

with WRFRun("./config.toml") as server:
    real()  # 垂直插值,生成边界和初始场
    wrf()   # 运行WRF模式

至此,完整的 WRF 流程就跑完了!是不是比传统方式简单太多了?


配置文件深度解析

wrfrun 的配置文件分为两大块:**wrf 块** 和 wrfrun 块。

wrf 块:模式核心配置

路径设置(必须修改):




    
[model.wrf]
wps_path = '/path/to/your/WPS/folder'      # WPS安装目录
wrf_path = '/path/to/your/WRF/folder'      # WRF安装目录
wrfda_path = ''                            # WRFDA路径(可选)
geog_data_path = '/path/to/your/geog/data' # 地理数据目录

时间配置:

[model.wrf.time]
start_date = 2021-03-24T12:00:00Z    # 模拟开始时间
end_date = 2021-03-26T00:00:00Z      # 模拟结束时间
input_data_interval = 10800          # 输入数据时间间隔(秒)
output_data_interval = 180           # 输出时间间隔(分钟)
time_step = 120                      # 积分时间步长(秒)
parent_time_step_ratio = [1, 3, 4]   # 各域相对于d01的时间步长比例
restart_interval = -1                # 重启文件输出间隔(分钟,-1表示与output相同)

域配置:

[model.wrf.domain]
domain_num = 3                       # 嵌套域数量
parent_grid_ratio = [1, 3, 9]        # 分辨率比例
i_parent_start = [1, 17, 72]         # 各域在父域中的起始i索引
j_parent_start = [1, 17, 36]         # 各域在父域中的起始j索引
e_we = [120, 250, 1198]              # 各域东西向格点数
e_sn = [120, 220, 1297]              # 各域南北向格点数
dx = 9000                            # d01东西向分辨率(米)
dy = 9000                            # d01南北向分辨率(米)

[model.wrf.domain.map_proj]
name = 'lambert'                     # 投影类型:lambert/polar/mercator/lat-lon
truelat1 = 34.0                      # 标准纬度1(Lambert投影)
truelat2 = 40.0                      # 标准纬度2(Lambert投影)
ref_lat = 37.0                       # 中心纬度
ref_lon = 120.5                      # 中心经度
stand_lon = 120.5                    # 标准经度

物理方案配置(用名称代替数字,更直观!):

wrfrun 的一大亮点是用易记的名称代替 WRF 中容易混淆的数字选项:

[model.wrf.scheme]
# 长波辐射方案
# 可选:"off", "rrtm", "cam", "rrtmg", "new-goddard", "flg", "rrtmg-k", "held-suarez", "gfdl"
long_wave_scheme = { name = "rrtm", option = {} }

# 短波辐射方案
# 可选:"off", "dudhia", "goddard", "cam", "rrtmg", "new-goddard", "flg", "rrtmg-k", "gfdl"
short_wave_scheme = { name = "rrtmg", option = {} }

# 积云对流方案
# 可选:"off", "kf", "bmj", "gf", "old-sas", "grell-3", "tiedtke", "zmf"...
cumulus_scheme = { name = "kf", option = {} }

# 边界层方案
# 可选:"off", "ysu", "myj", "qe", "mynn2", "acm2", "boulac", "uw"...
pbl_scheme = { name = "ysu", option = { ysu_topdown_pblmix = 1 } }

# 陆面过程方案
# 可选:"off", "slab", "noah", "ruc", "noah-mp", "clm4", "px", "ssib"
land_surface_scheme = { name = "noah", option = {} }

# 近地面层方案
# 可选:"off", "mm5", "mo", "qnse", "mynn", "px", "temf", "old-mm5"
surface_layer_scheme = { name = "mm5", option = {} }

每个方案都有 name 和 option 两个字段。option 可以用来设置该方案特有的参数,比如上面的 ysu_topdown_pblmix。

wrfrun 块:运行环境配置

work_dir = "./.wrfrun"           # 工作目录
input_data_path = "./data/bg"    # 输入数据路径
output_path = "./outputs"        # 输出保存路径
log_path = "./logs"              # 日志保存路径

server_host = "localhost"        # 监控服务器地址
server_port = 54321              # 监控服务器端口
core_num = 36                    # 使用核心数

[job_scheduler]
job_scheduler = "pbs"            # 作业调度系统:pbs/slurm/lsf
queue_name = ""                  # 队列名称
node_num = 1                     # 使用节点数
env_settings = {}                # 自定义环境变量
python_interpreter = "/usr/bin/python3"  # Python解释器路径

自定义 namelist(高级用法)

虽然 wrfrun 已经覆盖了大部分常用参数,但 WRF 的 namelist 选项实在太多。wrfrun 允许你提供自定义 namelist 文件来覆盖默认设置:

[model.wrf]
user_wps_namelist = './namelist/custom_wps_namelist'
user_real_namelist = './namelist/custom_real_namelist'
user_wrf_namelist = './namelist/custom_wrf_namelist'

自定义 namelist 不需要写完整的文件,只需要包含你想修改的参数:

&share
    io_form_geogrid = 3  # 修改geogrid输出格式为GRIB1
/

wrfrun 会在生成最终 namelist 时,用你的设置覆盖默认值。


更多实用功能

自动下载 ERA5 数据

wrfrun 支持用 cdsapi 自动下载 ERA5 再分析数据:

from wrfrun import WRFRun

# data area: 90°E - 180°E, 10°N - 70°N
with WRFRun("./config.toml",
            prepare_wps_data=True,           # 自动下载数据
            wps_data_area=(90, 180, 10, 70)  # 数据区域:西经、东经、北纬、南纬
           ) as server:
    pass

注意:需要提前配置好 cdsapi 的认证信息(~/.cdsapirc文件)。

查看生成的 namelist

想检查 wrfrun 生成的 namelist 是否正确?可以用 write_namelist 函数:

from wrfrun import WRFRun, write_namelist

with WRFRun("./config.toml") as server:
    write_namelist("./test_namelist", "wps")  # 输出WPS的namelist

当前能力与路线图

已实现功能:

  • ✅ 自动 ERA5 数据下载(需要 cdsapi 认证)
  • ✅ 通过 socket 接口实时报告模拟进度
  • ✅ WRF 部分支持:WPS 完整支持、real 和 wrf 的包装执行
  • ✅ PBS、Slurm、LSF 作业提交
  • ✅ 符合规范的接口支持记录/回放可重复性

待开发功能:

  • 🔄 完整的 WRF 模型集成
  • 🔄 扩展更多模式支持
  • 🔄 增强的进度可视化仪表板

小结

wrfrun 这个项目的工作流很不错——用现代化的 Python 工具链来改造传统的气象模式工作流。它解决了 WRF 运行中的几个痛点:

  1. 流程繁琐 → Python 化封装,几行代码搞定
  2. 配置复杂 → TOML 格式,清晰直观
  3. 可重复性差 → Record/Replay 机制,确保实验可复现
  4. 作业管理麻烦 → 内置调度系统集成 可以看出作者是熟练使用wrf并将自己的方法论融入到这个仓库中。

对于经常需要批量跑 WRF 实验的研究者来说,这个工具能节省大量时间。项目还在积极开发中,期待作者后续能支持更多模式(比如 CESM、WRF-Chem 等)

当然也可以支持更多格式的初始场下载,例如gfs、cfs、fnl等等

如果你是小白最好还是自行手动跑一遍wrf对于整体流程有了解后再玩玩这个新玩具。

如果你也在用 WRF 做研究,不妨去 GitHub 上点个 star,或者试用一下给作者反馈~感谢syize大佬


参考

  1. wrfrun GitHub 仓库:https://github.com/wrfrun/wrfrun
  2. 官方文档:https://wrfrun.syize.cn
  3. 气象家园论坛 https://bbs.06climate.com/forum.php?mod=viewthread&tid=111664


END


声明:欢迎转载、转发。气象学家公众号转载信息旨在传播交流,其内容由作者负责,不代表本号观点。文中部分图片来源于网络,如涉及内容、版权和其他问题,请联系小编(微信:qxxjgzh)处理。



气象学家
微信公众号|小红书|微信视频号

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/193100