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 unimodel.downscaling.interpolation.bilinear() i unimodel.downscaling.interpolation.nearest().

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.

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 unimodel.downscaling.interpolation.bilinear() i unimodel.downscaling.interpolation.nearest() no deixen de ser un cas concret de l’aplicació de la funció unimodel.utils.geotools.reproject_xarray().

Exemple 2: correcció per elevació#

En aquest apartat es mostra el funcionament de la classe unimodel.downscaling.ecorrection.Ecorrection del mòdul 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:

\[T_{1km} = T_{3km} - \gamma\cdot(z_{1km} - z_{3km})\]

on \(T\) és la temperatura, \(\gamma\) és el lapse rate, \(z_{1km}\) és l’altitud donada per un model de terreny digital (dem) amb 1 km de longitud de quadrícula i \(z_{3km}\) 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 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.

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 unimodel.downscaling.ecorrection.Ecorrection.apply_correction(), posaríem lsm_shp=path-a-la-carpeta-shp:

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)

Downscaling

Contents

Downscaling#

Exemple 1: reprojeccions i interpolacions#

Exemple 2: correcció per elevació#