Downscaling =========== Exemple 1: reprojeccions i interpolacions ***************************************** En aquest exemple suposarem que ja tenim carregat un `xarray.DataArray` a la variable `nwp_data`. Comencem primer amb dues interpolacions (bilinear i nearest) que no impliquen una reprojecció, sinó que es treballa en la projecció de l'`xarray.DataArray` d'entrada. Això s'aconsegueix no informant de la projecció a les funcions :py:func:`unimodel.downscaling.interpolation.bilinear` i :py:func:`unimodel.downscaling.interpolation.nearest`. .. code-block:: python from unimodel.downscaling.interpolation import bilinear, nearest rep_data = bilinear(nwp_data, config['corner_ul'], config['grid_shape'], config['grid_res']) rep_data = nearest(nwp_data, config['corner_ul'], config['grid_shape'], config['grid_res']) Repetim l'exemple anterior, però en aquest cas, informant una projecció. Així, a part de la interpolació es farà una reprojecció mitjançant una de les dues metodologies que indiquem, bilinear o nearest. .. code-block:: python from unimodel.downscaling.interpolation import bilinear, nearest rep_data = bilinear(nwp_data, config['corner_ul'], config['grid_shape'], config['grid_res'], 'epsg:4326') rep_data = nearest(nwp_data, config['corner_ul'], config['grid_shape'], config['grid_res'], 'epsg:4326') Les funcions :py:func:`unimodel.downscaling.interpolation.bilinear` i :py:func:`unimodel.downscaling.interpolation.nearest` no deixen de ser un cas concret de l'aplicació de la funció :py:func:`unimodel.utils.geotools.reproject_xarray`. .. _downscaling-ecorr: Exemple 2: correcció per elevació ********************************* En aquest apartat es mostra el funcionament de la classe :py:class:`unimodel.downscaling.ecorrection.Ecorrection` del mòdul :ref:`api-downscaling` del paquet **unimodel**. La idea d'aquesta funció és aplicar una correcció per elevació al camp de temperatura. Per això, s'aplica un lapse rate de temperatura a les diferències d'altitud entre l'orografia nativa del NWP i l'orografia donada per un model de terreny digital (dem) seguint la següent equació: .. math:: T_{1km} = T_{3km} - \gamma\cdot(z_{1km} - z_{3km}) on :math:`T` és la temperatura, :math:`\gamma` és el lapse rate, :math:`z_{1km}` és l'altitud donada per un model de terreny digital (dem) amb 1 km de longitud de quadrícula i :math:`z_{3km}` l'altitud del model NWP natiu amb una resolució de 3 km. El lapse rate per a cada pixel es calcula a partir de la temperatura i altitud dels píxels dels veïns més propers. Aquests pixels són només aquells que el NWP considera que es troben a terra. Es calcula utilitzant el mètode dels mínims quadrats tenint en compte la temperatura i l'altitud. En aquest exemple importarem i llegirem la simulació de les 00 UTC del model WRF del 24 de febrer del 2022 per a l'horitzó de pronòstic 10. Es carregarà un `xarray.DataArray` per a cada variable: `nwp_lsm`, per inicialitzar la classe, i temperatura, `da_2t` i orografia, `da_orog`, com a paràmetres de la funció que aplica la correcció :py:func:`unimodel.downscaling.ecorrection.Ecorrection.apply_correction`. Aquesta funció també permet tenir en compte una màscara terra-mar a alta resolució per evitar que els punts propers corregits a la línia de la costa tinguin influència de la temperatura sobre el mar. Per activar aquesta opció, cal proporcionar un fitxer shp amb un o diversos polígons que indiquin el perfil de la costa a més alta resolució. .. code-block:: python from datetime import datetime import unimodel.io from unimodel.io.importers_nwp import import_nwp_grib from unimodel.utils.load_config import load_config from unimodel.downscaling.ecorrection import Ecorrection if __name__ == '__main__': # Definim els paràmetres inicials date = datetime(2022, 2, 24, 0) model = 'wrf_ecm' lead_time = 10 config = load_config('path-al-config') # Copiem el fitxer des del Filer fins al directori de treball nwp_file = import_nwp_grib(date, lead_time, model, config) # Importem el lector a través de la interfície, el 'reader' és # equivalent a 'read_wrf_grib_prs' reader = unimodel.io.get_reader(model) # Cridem la funció reader on llegim la variable 'lsm' nwp_lsm = reader(nwp_file, 'lsm', model) dem_file = 'tests/data/test_data/hres_dem_25831.tif' ecorr = Ecorrection(nwp_lsm, dem_file) da_2t = reader(nwp_file, '2t', model) da_orog = reader(nwp_file, 'orog', model) da_2t_corrected = ecorr.apply_correction(da_2t, da_orog) En cas que volguéssim tenir en compte el `land_sea_mask`, a la funció :py:func:`unimodel.downscaling.ecorrection.Ecorrection.apply_correction`, posaríem `lsm_shp=path-a-la-carpeta-shp`: .. code-block:: python from datetime import datetime import unimodel.io from unimodel.io.importers_nwp import import_nwp_grib from unimodel.utils.load_config import load_config from unimodel.downscaling.ecorrection import Ecorrection if __name__ == '__main__': # Definim els paràmetres inicials date = datetime(2022, 2, 24, 0) model = 'wrf_ecm' lead_time = 10 config = load_config('path-al-config') # Copiem el fitxer des del Filer fins al directori de treball nwp_file = import_nwp_grib(date, lead_time, model, config) # Importem el lector a través de la interfície, el 'reader' és # equivalent a 'read_wrf_grib_prs' reader = unimodel.io.get_reader(model) # Cridem la funció reader on llegim la variable 'lsm' nwp_lsm = reader(nwp_file, 'lsm', model) dem_file = 'tests/data/test_data/hres_dem_25831.tif' land_sea_mask_shp = 'tests/data/coastline/coastline_weurope' ecorr = Ecorrection(nwp_lsm, dem_file) da_2t = reader(nwp_file, '2t', model) da_orog = reader(nwp_file, 'orog', model) da_2t_corrected = ecorr.apply_correction(da_2t, da_orog, lsm_shp=land_sea_mask_shp)