Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟

Python人工智能在气象中的应用

Python是功能强大、免费、开源,实现面向对象的编程语言,在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能,这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为的主流编程语言之一。

人工智能和大数据技术在许多行业都取得了颠覆式的成果,气象和海洋领域拥有海量的模式和观测数据,是大数据和人工智能应用的天然场景。Python也是当前进行机器学习和深度学习应用的最热门语言。对于的气象海洋领域的专业人员,Python是进行机器学习和深度学习工作的首选。

Python和科学计算基础

Python入门和安装

Python背景及其在气象中的应用       Anaconda解释和安装以及Jupyter配置          Python基础语法

科学数据处理基础库

Numpy库      Pandas库     Scipy库      Matplotlib和Cartopy库       常用数据格式的IO

掌握基于Anaconda配置python环境,以及使用Jupyterlab开发和调试代码。在了解了python的基础语法后,学习常用的科学计算和可视化库,如Numpy、Pandas和Matplotlib等。打好基础,机器学习数据预处理和结果展示将手到擒来。

机器学习和深度学习基础理论和实操

机器学习和深度学习基础理论

机器学习基本理论

基础学习的基本知识,如误差反向传播、梯度下降法,以及机器学习的整个常规流程。

深度学习基本理论

深度学习基本理论,如卷积神经网络CNN、循环神经网络RNN和生成式对抗网络。

机器学习与深度学习在气象中的应用

AI在气象模式订正、短临预报、气候预测等场景的应用,以及深度学习降尺度和PINN内嵌物理神经网络介绍。

sklearn和pytorch库

sklearn介绍、常用功能和机器学习方法

学习经典机器学习库sklearn的常用功能,如鸢尾花、手写字体等公开数据集的获取、划分训练集和测试集、模型搭建和模型验证等。

 pytorch介绍、搭建模型

学习目前流行的深度学习框架pytorch,了解张量tensor、自动求导、梯度提升等,以BP神经网络学习sin函数为例,掌握如何搭建单层和多层神经网络,以及如何使用GPU进行模型运算。

 GFS数值模式的风速预报订正

随机森林挑选重要特征         K近邻和决策树模型订正风速

梯度提升决策树GBDT订正风速         模型评估与对比

台风预报数据智能订正

CMA台风预报数据集介绍以及预处理          随机森林模型订正台风预报

XGBoost模型订正台风预报          台风“烟花”预报效果检验

机器学习预测风电场的风功率

lightGBM模型预测风功率        调参利器—网格搜索GridSearch于K折验证

本专题,在详细讲解机器学习常用的两类集成学习算法,Bagging和Boosting,对两类算法及其常用代表模型深入讲解的基础上,结合三个学习个例,并串讲一些机器学习常用技巧,将理论与实践结合。

深度学习预测浅水方程模式

浅水模型介绍和数据获取            传统神经网络ANN学习浅水方程

物理约束网络PINN学习浅水方程

LSTM方法预测ENSO

ENSO简介及数据介绍            LSTM方法原理介绍          LSTM方法预测气象序列数据

深度学习convLSTM

卷积神经网络介绍             Unet进行雷达回波的预测

本专题,在学习使用ANN预测浅水方程的基础上,进一步掌握如何使用PINN方法,将动力方程加入模型中,缓解深度学习的物理解释性差的问题。此外,气象数据是典型的时空数据,学习经典的时序预测方法LSTM,以及空间卷积算法UNET。 

大气污染扩散模型Calpuff

Calpuff建模、数据后处理以及模型在环境影响评价中的应用技术您掌握了吗??

Calpuff基础知识      Calpuff模型简介       Calpuff模型基础理论       Calpuff模型下载安装

1)Calpro系统安装       2)安装环境要求       3)需安装的辅助软件

数据预处理

网格设置      地理数据预处理

地形数据预处理       2)土地利用数据预处理        3)地理数据合成

气象数据预处理

1)地面气象数据预处理       2)高空气象数据预处理

Calmet气象模块

文件/信息输入

输入文件      输入共享网格数据       运行信息填写

混合层高度       温度和相对湿度设置        风场输入          气象站数据输入

运行        输出

案例某地Calmet模型具体数据的输入及运行

Calpuff模块        文件/信息输入

输入文件          输入共享网格数据

运行信息填写          网格设置

模拟污染物物种输入           化学转化方法选择

干/湿沉降选择           模型参数选择

源数据输入            受体点位置输入

运行           输出

案例Calpuff模型具体数据的输入及运行结果

Calpost后处理模

文件/信息输入

处理选项选择           污染物名称和浓度场数据输入            输出选项选择

运行         数据分析

案例Calpost后处理模块具体数据的输入及运行结果分析

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第1张图片

Post Tools 后处理工具绘图工具              Post Tools 后处理工具

Prtmet气象后处理模块           Append后处理模块            Postutil后处理模块

Calsum后处理模块         绘图工具

案例:浓度数据绘图举例

区域气象-大气化学在线耦合模式(WRF/Chem)

WRF-Chem模式应用案例和理论基础

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)等领域的应用个例介绍

WRF-Chem模式总体框架、功能介绍

模式安装对操作系统环境依赖性的介绍,模式数据介绍

Linux环境下软件安装

Linux系统入门及基本操作介绍,熟悉Linux基本操作命令

编译器及Linux环境变量的配置

WRF-Chem前置依赖软件和数据可视化软件的安装

WRF-Chem模式安装,排放源制作软件安装

编译安装WRF-Chem

气象数据预处理模块WPS安装

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

WRF-Chem模式物理过程、排放(人为、生物、燃烧、自然等)处理过程、排放源数据的介绍

模式中的气溶胶(沙尘等)

WRF-Chem数据准备(气象、排放、初边界条件等),运行个例(讲解+实操)

结合例子介绍模式运行(例1,MOZART化学机制):

排放源数据准备(人为、生物等)

初边界条件

WRF-Chem变量表介绍

运行控制文件namelist.input设置介绍

练习:运行MOZART个例

例2,其他化学机制(CBMZ)

生成人为排放源数据的不同软件(prep_chem、convert_emiss.exe、meic2wrf等)

初边界条件设置随机制的改变

模式嵌套

野火排放源的制作使用(视进度情况)

模拟结果提取、数据可视化、问题答疑

模式结果提取及数据可视化(NCL、ARWPOST等软件)

模式结果在相关研究和业务工作中的使用          WRF-Chem版本更替的问题

高分辨率模拟的注意事项(网格和参数设置等)        问题讨论、答疑

CMIP6数据处理方法与典型案例分析

CMIP6中的模式比较计划      GCM介绍      相关比较计划介绍

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第2张图片Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第3张图片

数据下载 

一:手动人工利用官方网站     二:自动利用Python的命令行工具    三:半自动购物车利用官方网站

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第4张图片Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第5张图片

 Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第6张图片

单点降尺度     Delta方法     统计订正     机器学习方法

1、建立特征    2、建立模型     3、模型评估

多算法集成方法

 Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第7张图片

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第8张图片

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第9张图片

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第10张图片

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第11张图片

区域降尺度     Delta方法

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第12张图片

机器学习方法+并行计算

在单点模型的基础上,在大区域建立未来情景气候数据

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第13张图片

制备CMIP6的WRF驱动数据

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第14张图片

典型应用案例-气候变化1

针对风速进行降尺度     针对短波辐射降尺度

典型应用案例-气候变化2      ECA极端气候指数计算

  1. Consecutive dry days index
  2. Consecutive frost days index per time period
  3. Consecutive summer days index per time period
  4. Consecutive wet days index per time period

等常见气候指数

典型应用案例-生态领域          预估生长季开始和结束时间

1、建立气象数据与VIPPHEN遥感物候数据中生长季开始和结束

2、在未来气候情景下预估生长季长季开始、结束和长度

典型应用案例-模式数据       SWAT数据制备       Biome-BGC数据

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第15张图片Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟_第16张图片

 

Python人工智能气象、大气污染扩散Calpuff模型、WRF/Chem模式、未来大气污染变化模拟

你可能感兴趣的:(生态,环境,气象,人工智能,数据挖掘,大数据)