مبانی wrf: نصب، تنظیمات و کاربردهای مدل پیش‌بینی و تحقیق هواشناسی

در این دوره به آموزش کامل WRF و اجرای آن بر روی کامپیوترهای خانگی و سرورهای محاسباتی می‌پردازیم. تعداد بسیار زیادی از نرم‌افزارها و کتابخانه‌ها وجود دارد که به معرفی و بررسی هریک از آنها خواهیم پرداخت.

این محصول آپدیت خواهد شد و تغییرات به طور رایگان در اختیار خریداران قرار خواهد گرفت.

ویدئوی زیر به معرفی این آموزش پرداخته است:

ویژگی های آموزش:

• مدرس: امیر باقرزاده
• تخصص: کارشناس هواشناسی
• موضوع: آموزش نصب و کار با مدل هواشناسی WRF
• نرم افزار: WRF
• مخاطب: دانشجویان و پژوهشگران حوزه هواشناسی
• نوع آموزش: ویدیویی
• پیش نیاز: ندارد

تهیه آموزش:

برای تهیه بر روی دکمه زیر کلیک کنید.

معرفی مدرس

• امیر باقرزاده
• کارشناس هواشناسی و مدیریت بحران‌های جوی سازمان هواشناسی ایران
• دارنده مدرک کارشناسی ارشد ژئوفیزیک در گرایش لرزه‌شناسی از دانشگاه آزاد علوم و تحقیقات تهران
• دارنده مدرک کارشناسی فیزیک دانشگاه قم

عناوین آموزشی

عناوین درنظر گرفته شده شامل موارد زیر است:

• بخش اول: معرفی دوره
• بخش دوم: WRF چیست و کاربردهای آن
• بخش سوم: مروری بر دستورهای UNIX و آشنایی با سیستم عامل Linux
• بخش چهارم: نصب WRF
• بخش پنجم: نصب WRF روی سرور ابری
• بخش ششم: پیش‌پردازش WPS
• بخش هفتم: اجرای مدل
• بخش هشتم: معرفی ابزارهای پس‌پردازش

معرفی نرم افزار

مدل تحقیق و پیش بینی آب و هوا (WRF) یک سیستم پیش بینی عددی آب و هوا Mesoscale ​​(میان‌مقیاس) است که هم برای تحقیقات جوی و هم برای کاربردهای پیش بینیِ عملیاتی طراحی شده است. دارای دو هسته دینامیکی، سیستمی همسان‌سازی داده ها و یک معماری نرم افزاری است که از محاسبات موازی (parallel) سیستم پشتیبانی می کند.

این مدل طیف وسیعی از کاربردهای هواشناسی را در مقیاس‌هایی از ده‌ها متر تا هزاران کیلومتر ارائه می‌کند. تلاش برای توسعه WRF در اواخر دهه 1990 آغاز شد و با مشارکت مشترک مرکز ملی تحقیقات جوی (NCAR)، اداره ملی اقیانوسی و جوی (noaa) و نیروی هوایی ایالات متحده، آزمایشگاه تحقیقات دریایی، دانشگاه اوکلاهما و اداره هوانوردی فدرال (FAA).انجام شد

برای محققان، WRF می‌تواند شبیه‌سازی‌هایی را بر اساس شرایط واقعی جوی (به عنوان مثال، از مشاهدات و تحلیل‌ها) یا شرایط ایده‌آل تولید کند. WRF .پیش‌بینی عملیاتی را در قالب یک پلت‌فرم انعطاف‌پذیر و محاسباتی کارآمد ارائه می‌دهد و جامعه‌ی بزرگ کاربران و برنامه‌نویسان و دانشمندان در توسعه و بهبود آن تلاش می کنند.

داده ها

منابع مختلف برای دستری به داده‌های ضروری و اغلب حجیم برای اجرای مدل معرفی و بررسی می‌شود.

کاربرد این آموزش:

• آموزش کدهای UNIX و کار در محیط ترمینال سیستم عامل LINUX و آشنایی با دستورات اساسی
• آموزش نصب کتابخانه‌ها و نرم‌افزارهای مورد نیاز برای نصب WRF
• آموزش نصب WRF بر روی کامپیوترهای خانگی و سرورهای محاسباتب
• آموزش اجرای پیش‌پردازش WPS
• آموزش اجرای مدل و مانیتورینگ شبیه‌سازی و رفع خطا

مخاطبان این آموزش:

مخاطبان یادگیری کتابخانه WRF-Python عبارتند از:

• ۱- محققان هواشناسی: برای درک عمیق‌تر نحوه عملکرد مدلهای پیش‌بینی عددی هواشناسی
• ۲- دانشجویان و پژوهشگران: بسیاری از تحقیقات و مقالات مرتبط با این مدل یا مدلهای عددی به طور کل است.
• ۳- اساتید و مدرسان: از این مدل  برای آموزش دانشجویان و انجام پژوهش‌های مرتبط با علوم زمین و هواشناسی می‌توان استفاده کرد.
• ۴- توسعه‌دهندگان نرم‌افزار: برای توسعه نرم‌افزارها و ابزارهای هواشناسی آشنایی با یکی از مهمترین مدلهای عددی پیش‌بینی هواشناسی ضروری است.
• ۵- کارشناسان پیش‌بینی: کارشناسان شاغل در پیش‌بینی رخدادهای جوی می توانند از WRF-Python برای تحلیل داده‌های مدل‌های جوی در نرم‌افزارهای خود استفاده کنند.
• 6- علاقمندان به هواشناسی: علاقمندان به هواشناسی می‌توانند از این کتابخانه برای آموزش و یادگیری در زمینه تحلیل داده‌های هواشناسی و درک بهتر از پدیده‌های جوی استفاده کنند.

تهیه آموزش:

برای تهیه بر روی دکمه زیر کلیک کنید.