数值模式 | 如何使用CMIP6 数据驱动 WRF

数值模式 | 如何使用CMIP6 数据驱动 WRF

挺早的时候有读者问过我，CMIP 怎么驱动 WRF。

我倒是见过相关的项目，奈何好几年不更新，担心 bug 多就没写。近日碰巧刷到，那个仓库居然更新了。更新理由让人傻眼，开发者写了这么一段文字——

I was mass-producing excuses to abandon this repo ("gotta make money!"), but Claude dragged me back to fill the holes I left behind.

那么大家一起感谢 Claude 吧（eva 鼓掌）。

言归正传。

这个仓库叫 cmip6-to-wrfinterm，做的事情很单纯，就是把 CMIP6 各模式输出的 sub-daily 数据转成 WRF 能吃的 intermediate 文件，纯 Python 实现，不依赖 NCL，也不用 Fortran。

在气候变化和区域动力降尺度这块，WRF 算是无出其右的选择。但 CMIP6 数据跟 WRF 的接口之间一直隔着一堵墙，变量命名不一样，网格系统不一样，格式更是完全不同。以前大家要么啃 NCL 脚本，要么自己硬写转换，维护起来非常痛苦。这个工具链的出现，其实就是为了解决这个老毛病。

GitHub 地址在这里，https://github.com/lzhenn/cmip6-to-wrfinterm

目前支持的 GCM 模式不算多，但覆盖了最常用的几个。MPI-ESM-1-2-HR 是默认支持且测试最充分的，SSP245 和 SSP585 都能跑。BCMM 是偏差校正后的多模式集合数据，SSP126 可用。EC-Earth3 也支持，不过目前只做了 historical 的有限测试。

项目完全基于 Python 科学计算生态，numpy、pandas、scipy 做数值计算，xarray 读 NetCDF，netcdf4 处理底层格式。安装很简单，直接用作者提供的 conda 环境文件就行。

conda env create -f test_c2w.yml
conda activate test_c2w

不需要额外编译什么东西，这点对不想碰 Fortran 的人来说很友好。

核心设计上我觉得有三个点值得一提。

一个是配置驱动。所有输入输出参数都放在 config.ini 里，切换模式只需要改几行配置，不用动核心代码。对经常要跑不同模式集合试验的人来说，这个设计省了不少事。

另一个是变量映射表，也就是 Vtable。项目给每个支持的模式都准备了一个 CSV 文件，放在 db 目录下，自动把 CMIP6 的变量名映射到 WRF intermediate 格式的变量名。比如 ta 映射成 TT，hus 映射成 SPECHUMD，ua 和 va 分别映射成 UU 和 VV。这个表是扩展的关键，如果你想接入新模型，主要工作就是搭一张正确的映射表。

第三个是网格插值。CMIP6 各模式用的网格系统五花八门，gn 是原生网格，gr 是规则网格，cmip_handler.py 会自动把数据插到规则的 lat/lon mesh 上，保证 metgrid.exe 能正常读。

上手跑起来其实很简单。以 MPI-ESM-1-2-HR 为例，默认情况下直接执行就行。

python3 run_c2w.py

如果一切顺利，output 目录里会出现两个文件。

CMIP6:2100-01-02_00
CMIP6:2100-01-02_06

注意文件名里有冒号，这是 Linux 的标准操作，但 Windows 文件系统不支持。所以 WSL 用户可能会遇到麻烦，需要手动重命名或者改输出前缀。

拿到 intermediate 文件之后，复制或者软链接到 WPS 目录，准备好 geo_em 文件，配置好 namelist.wps，然后按顺序跑 geogrid、metgrid、real、wrf 就行。

项目里附带了完整的示例，sample/MPI-ESM-1-2-HR 下面有 namelist.wps 和 namelist.input，覆盖东亚区域。跑通之后你能看到初始时刻和 6 小时积分后的地表温度场，作者 README 里贴了截图，效果看起来是靠谱的。

如果你想换 BCMM 数据，加 -m 参数就行。

python3 run_c2w.py -m BCMM

EC-Earth3 稍微麻烦一点，因为不同变量有不同的频率和网格，需要分五批跑。作者给了一张表，每次改 config.ini 再执行脚本。我放在文末附录里，需要的话可以对照着看。

配置文件本身不复杂，核心就几块。INPUT 段指定数据根目录、模式名、情景、集合成员、网格标识，还有起止时间。OUTPUT 段指定你想提取的时间范围和输出路径。时间格式都是 YYYYMMDDHHMM，精确到分钟。

[INPUT]
input_root=./sample/MPI-ESM-1-2-HR/
model_name=MPI-ESM1-2-HR
scenario=ssp585
esm_flag=r1i1p1f1
grid_flag=gn
cmip_strt_ts=210001020000
cmip_end_ts=210001020600

[OUTPUT]
etl_strt_ts=210001020000
etl_end_ts=210001020600
output_root=./output/

其中 model_name 决定调用哪张 Vtable，grid_flag 决定网格类型，gn 是原生网格，gr 是规则网格。cmip_strt_ts 和 cmip_end_ts 是原始数据的时间范围，etl_strt_ts 和 etl_end_ts 是你想转换输出的时间范围，两者可以不一致，也就是说你可以只转换原始数据里的一小段来做试验。

有几个坑作者写在了 README 里，我觉得值得单独拎出来提醒一下。

MPI-ESM-1-2-HR 的 historical 运行不提供 ts 变量，也就是海表温度。SSP 情景里有，historical 里缺失。作者的折中方案是用 tas 来代替，这在陆面上问题不大，因为陆地属性是陆面模式自己预报的。但海表温度是强迫项，用近地面气温代替会有偏差。如果你对 SST 敏感，建议自己去 ocean 数据集里下载 tos，转成大气数据集的格式，再改 Vtable 接入。这个操作不算太复杂，但确实要多走一步。

另外 MPI-ESM-1-2-HR 不提供 10-200cm 的土壤属性，作者直接拿 0-10cm 的数据回填，标记成 2d-soilr。如果你的研究对深层土壤初值敏感，建议做一个月左右的 spin-up，让陆面模式自己调整到平衡态。

坦率讲，这个工具目前的状态是一个「够用但还在路上」的项目。MPI-ESM-1-2-HR 的支持是最完善的，剩下的模式基本靠社区反馈和 PR 慢慢补。作者的态度倒是很坦诚，README 里直接承认自己之前想弃坑，被 Claude 拉回来的。这种真实感在开源项目里反而让人放心。

如果你正在做 CMIP6 驱动的 WRF 降尺度，而且恰好用的是 MPI-ESM-1-2-HR，这个项目可以帮你省掉大量写转换脚本的时间。纯 Python 的实现意味着你可以随意魔改，不像 NCL 那样改起来痛苦。配置驱动的设计也让批量试验变得可行。

但如果你用的是其他模式，比如 GFDL 或者 HadGEM3，那目前还需要自己搭 Vtable，工作量不小。另外项目没有并行支持，大批量长时间序列的转换可能会比较慢，这是一个可以期待的未来改进方向。

我自己觉得，这个项目的价值不只在它现在能做什么，更在它展示了一种可能性。CMIP6 数据驱动 WRF 本来是个门槛不低的事，以前需要懂 NCL、懂 Fortran、懂 WRF 的预处理流程，现在一个 Python 脚本加一张配置表就能跑起来。这种体验上的简化，对刚入门的学生和想快速做试验的研究者来说，意义很大。

如果你准备对照着动手跑，下面是作者整理的一些完整参考表，方便你查阅。

附录 A，EC-Earth3 分批次配置

附录 B，MPI-ESM-1-2-HR Vtable 变量映射表（部分）

更完整的映射表可以去 db/MPI-ESM-1-2-HR.csv 里看，作者注释写得挺清楚。

最后放一下参考链接。

GitHub 仓库，https://github.com/lzhenn/cmip6-to-wrfinterm

CMIP6 数据下载可以走 LLNL 的 ESGF 节点，https://esgf-node.llnl.gov/

WRF 用户手册 v4.2 的 P3-36 页列出了 metgrid.exe 需要的最低变量集合，跟作者整理的 Vtable 对照着看会更有底。

如果你跑通了这个流程，或者在其他模式上踩了新坑，欢迎去仓库开 Issue。作者说 PR 也欢迎，而且记得介绍一下自己，比如 affiliation 和研究方向。