数值模式 | python 也能运行 wrf，我怎么会做这样的梦
数值模式 | python 也能运行 wrf，我怎么会做这样的梦
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
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：
- 自动执行
link_grib.csh链接 GRIB 数据 - 运行
ungrib.exe解码数据 - 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：
- 流程繁琐 → Python 化封装，几行代码搞定
- 配置复杂 → TOML 格式，清晰直观
- 可重复性差 → Record/Replay 机制，确保实验可复现
- 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
- wrfrun GitHub 仓库：https://github.com/wrfrun/wrfrun
- 官方文档：https://wrfrun.syize.cn
- 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，请联系小编处理。
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2026-02-22，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号