下垫面类型对于WRF的地表过程十分重要，而在我们研究WRF的地表过程之前，需要对输入的土地利用类型进行一些绘制，以便后续的修改。LU_MODIS21函数定义了绘制的土地类型、标签与对应色标，我们使用时，直接引用LU_MODIS21（）即可返回。其实很简单，只要将你拥有的土地类型数据提取出来，将原本函数中的labels和C切片，重新定义色标再绘制即可。在这里，我将以北极地区为例，绘制北极地区的WRF

实际上，这个问题原因还是由于投影转换的问题，在set_extend时，绘制的上下边界仍然是方形、未被正确投影的边界，与我们的set_boundary存在冲突，最根本的原因还是在于cartopy对于投影计算的一些缺陷。另外我们需要指出的是：**该方法不适用于极地投影，即NorthPolarStereo，由于NorthPolarStereo本身投影特性只需一个参数，本身并不适合。我们绘制极地投影时，同

国际耦合模式比较计划（CMIP）为研究不同情景下的气候变化提供了大量的模拟数据，而在实际研究中，全球气候模式输出的数据空间分辨率往往较低（>100Km，缺乏区域气候特征，为了更好地研究不同情景下，某一区域的气候变化特征，我们往往需要更高分辨率的模拟数据。此时便需要对全球模式输出的数据进行降尺度研究，将大尺度信息变量与小尺度信息变量建立联系，获得更多的小尺度的变量。通常，降尺度可分为（1）动力降尺度

Noah-MP是以Noah-LSM为基础发展的一种多层模型，相对于Noah-LSM，它对于下垫面的冠层、土壤、积雪有了更多的拓展。Noah-MP允许3层雪，对于雪的模拟有了极大的提升，同时，Polar-WRF中对Noah LSM和Noah MP中海冰过程进行了改进，使得其在极地区域的能量模拟有了较大改善。雪是重要的地表参数，尤其在积雪冰川常年覆盖的极地区域，将Polar-WRF中雪反照率的修改、订

在之前的博客。中，我曾经提到过python cartopy在极地投影中难以添加坐标标签的问题，当时解决方法是使用文本的方式添加，但这种方式的麻烦且并不统一适用。而在之后的可视化过程，我发现python在极地投影时仍会出现一些奇怪的问题：比如，等值线扭曲，出现不规则多边形，风场分布不均匀等等。然而，这些问题都在最新版的cartopy21中解决，因此被cartopy极地投影折磨了数月而不得不转用m_m

判断需要提取的变量与诊断量确定后，使用getvar函数进行提取。可使用ncdump-h命令查看wrfout中的变量，wrf中的诊断量分类也可从官方文档处查阅。判断绘图类型所需的可视化绘图类型，决定了你在WRF后处理中的计算步骤。1D点线图：ll_to_xy interpline2D填色图：interplevel3D剖面图:vinterp vertcross绘图、美化色标、XY轴、标签的设置等等。

…开学回所，打开电脑spyder一看一脸懵逼，简直不敢相信这些都是我自己用过的代码，想把以前的自己喊过来科研了（×）其实就是地图底图＋散点图的绘制，思路很明确：先绘制底图＋地理要素，再在底图上画散点图，那么作为开学编程复建，先一步步来。

HDF 是由美国国家超级计算应用中心（NCSA）创建的，以满足不同群体的科学家在不同工程项目领域之需要所建立一种文件格式。主要用来存储与分发不同科学数据。在研究过程中，我们往往需要多种数据，而数据与数据间有着不同的特性、来源、信息，将不同格式与来源的数据进行存储交换，并给予对应的数据说明，便是HDF格式文件解决的问题。HDF格式一般有HDF4/HDF5，目前许多卫星遥感数据便以HDF5的格式储存。

原本是打算尝试用python的，但是MRT毕竟是专门用来批量处理MODIS数据的工具，加之本人的python并不算熟练，与MOD16本身的一些数据特点，最终还是选择了MRT，当然，也是我比较懒惰的缘故。看了很多篇博文教程，过于零碎，在这里总结一下，顺便解释一下MOD16让我纠结的点。MRT的安装建议照着这篇做：MRT下载及安装数据MOD16的hv2504和hv2506两个通道，2005-2014年

想用WRF模拟地气交换过程，对于WRF的地表数据，尤其是土壤温湿度数据要求便会很大，传统使用ERA5-singledata数据精度也许不足以满足需求，为此，本文尝试使用ERA5-land数据替换驱动WRF。