一个开源的大气模型和观测列比较框架。
项目描述
一个开源的大气模型和观测列比较框架。由美国能源部大气系统研究(ASR)计划支持。
地球模型列协作实验室(EMC²)受到过去将遥感顶点指向测量与气候模型及其单列模型模式(SCMs)进行比较工作的启发(例如,Bodas-Salcedo等人,2008年;Lamer等人,2018年;Swales等人,2018年)。
EMC²提供了一个开源软件框架,以
在Python编程语言中代表ARM测量和GCM列,基于大气社区工具包(ACT,Theisen等人,2019年)并利用EMC²团队在Py-ART(Helmus和Collis,2016年)方面的成功。
使用云量对GCM输出进行缩放,以便与子网格尺度列测量进行比较,使用一个模块化子列生成器,该生成器设计为在从现有GCM/SCM输出中提取的时间序列上离线运行。
允许ARM(和其他)列测量与GCM模型子列之间进行一系列比较。
EMC²的详细描述请参考Silber等人的文章(GMD, 2022;https://doi.org/10.5194/gmd-15-901-2022)。
使用方法
有关如何使用EMC²的详细信息,请参阅文档(https://columncolab.github.io/EMC2)。
安装
为了安装EMC²,您可以使用pip或anaconda。在终端中,只需输入以下任一命令:
$ pip install emc2 $ conda install -c conda-forge emc2
此外,如果您想从源代码构建并安装EMC²,请输入以下命令
$ git clone https://github.com/columncolab/EMC2 $ cd EMC2 $ pip install .
需求
- EMC²需要Python 3.6+以及
大气社区工具包(https://arm-doe.github.io/ACT)。
Numpy(《https://numpy.com.cn》)
Scipy(《https://scipy.org.cn》)
Matplotlib(《https://matplotlib.net.cn》)
Xarray(《http://xarray.pydata.org》)
Pandas(《https://pandas.ac.cn/》)
许可
版权所有 2021 作者
在满足以下条件的情况下,允许重新分配和使用源代码和二进制形式,无论是否修改:
源代码的重新分配必须保留上述版权声明、本条件和以下免责声明。
二进制形式的重新分配必须在文档中或与重新分配一起提供的其他材料中复制上述版权声明、本条件和以下免责声明。
未经版权所有者或其贡献者事先书面许可,不得使用版权所有者或其贡献者的名称来认可或推广由此软件派生出的产品。
本软件由版权所有者和贡献者“按原样”提供,任何明示或暗示的保证,包括但不限于适销性和针对特定目的的适用性保证,均予以放弃。在任何情况下,版权所有者或贡献者不对任何直接、间接、偶然、特殊、示范性或后果性损害(包括但不限于替代商品或服务的采购;使用、数据或利润的丧失;业务中断)承担责任,即使被告知该软件存在此类损害的可能性,也不承担任何责任。
参考文献
Bodas-Salcedo, A., Webb, M. J., Brooks, M. E., Ringer, M. A., Williams, K. D., Milton, S. F., and Wilson, D. R. (2008), Evaluating cloud systems inthe Met Office global forecast model using simulated CloudSat radar reflectivities, Journal of Geophysical Research: Atmospheres, 113,5https://doi.org/https://doi.org/10.1029/2007JD009620, https://agupubs.onlinelibrary.wiley.com/doi/abs/10.1029/2007JD009620。
Eynard-Bontemps, G., R Abernathey, J. Hamman, A. Ponte, W. Rath, (2019), The Pangeo Big Data Ecosystem and its use at CNES. In P. Soille, S. Loekken, and S. Albani, Proc. of the 2019 conference on Big Data from Space (BiDS’2019), 49-52. EUR 29660 EN, Publications Office of the European Union, Luxembourg. ISBN: 978-92-76-00034-1, doi:10.2760/848593.
Helmus, J., Collis, S. (2016), The Python ARM Radar Toolkit (Py-ART), a Library for Working with Weather Radar Data in the Python Programming Language. Journal of Open Research Software 4. https://doi.org/10.5334/jors.119
Jupyter et al. (2018), “Binder 2.0 - Reproducible, Interactive, Sharable Environments for Science at Scale,” Proceedings of the 17th Python in Science Conference, 10.25080/Majora-4af1f417-011
拉默,K.(2018),不同云和降水条件下液态水、冰和混合相状态的相对出现频率:针对GCM模型评估的长期地面观测,宾夕法尼亚州立大学,博士论文。
西尔伯,I. 和杰克逊,R. C. 以及弗里德林,A. M. 和阿克曼,A. S. 和科利斯,S.,维尔林德,J. 和丁,J(2022),地球模型列协作实验室(EMC$^2$)v1.1:用于大规模模型的开源地面激光雷达和雷达仪器模拟器和子柱生成器,地球科学模型发展,《地理科学模型发展》,https://doi.org/10.5194/gmd-11-77-2018。
斯威尔斯,D.J.,平克斯,R.,博达斯-萨尔塞多,A.(2018),云反馈模型比较项目观测模拟软件包:版本2。地球科学模型发展,11,77–81。https://doi.org/10.5194/gmd-11-77-2018
蒂森等人(2019),大气社区工具包:https://github.com/ANL-DIGR/ACT。
项目详情
下载文件
下载适合您平台的文件。如果您不确定该选择哪个,请了解更多关于安装包的信息。
源代码发行版
构建发行版
emc2-1.3.2.tar.gz的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | c5aa682356d33bd253be005486590d17397135dd93e230057da9100fc4bc929b |
|
MD5 | 902b4a597a5cd71672cda61aa7c0de36 |
|
BLAKE2b-256 | acce5ecbf03c646f6b9ed72261741f1e150d74e0b22deabca8c1b4a93dbcff98 |
emc2-1.3.2-py3-none-any.whl的哈希值
算法 | 哈希摘要 | |
---|---|---|
SHA256 | 294fd08040b983b83375a91487ca9f1b8cc440f463c9ef67bdb9ac50b166bb2d |
|
MD5 | 57bc0b14146f3ca88e1dad59ec87917c |
|
BLAKE2b-256 | 2dfaa9b9cd977ffb4d346fa91bfcb6e2a9e63b49ade89160b64f315a46c7ae7d |