237]

WRF输出数据降雨量来自于三个变量：RAINC: ACCUMULATED TOTAL CUMULUS PRECIPITATIONRAINNC: ACCUMULATED TOTAL GRID SCALE PRECIPITATIONRAINSH: ACCUMULATED SHALLOW CUMULUS PRECIPITATION

RAINC: 积云深对流经由产生的积蓄降水量，也便是款式中的积云对流参数化决策导致的降雨( cu_physics)。关于高分袂率的模拟，比如dx<5km，时时会将积云对流参数化决策关闭，此时RAINC为0。RANNC: 此类降雨开端于云微物理参数化决策(mp_physics)，如大法式抬升经由产生的凝结等微物理经由降水，也就长短对流产生的降水。RAINSH: 积云对流参数化决策主淌若反应深对流的降水经由，可是一些积云对流参数化决策，概况相沿浅对流导致的降水，此时总降水还需要加上RAINSH。WRF中相沿浅对流的参数化决策(cu_physics)有以下几种：KF，SAS，G3，BMJ，Tiedtke。WRF中也有安稳于深对流经由的浅对流决策，通过namelist中设立shcu_physics。一般情况下，浅对流产生的降水量较小。

此外，固态降水举例雪(SNOWC/SNOWNC)、霰(GRAUPELC/GRAUPELNC)等降水，它们是降水的不同相态，依然齐包含在RAINC/RAINNC中，不需要迥殊添加。

回归为一句话：总降水=RAINNC + RAINC + RAINSH，其中RAINC和RAINSH笔据物理参数化决策的设立可能为0。

需要精致的是，降雨是个积蓄量，而不是瞬时值，在wrfout中如果需要赢得模拟起止日历内的降雨，需要将临了一个时刻的降雨量减去第一个时刻的降雨量.

图片

import numpy as npfrom netCDF4 import Datasetfrom wrf import (getvar， to_np) import matplotlib.pyplot as pltimport cartopy.crs as ccrsfrom cartopy.mpl.gridliner import LONGITUDE_FORMATTER， LATITUDE_FORMATTERfrom cartopy.io.shapereader import BasicReaderimport matplotlib.ticker as mticker# 读取数据f='E:\BaiduSyncdisk\Code\python\WRF\Data\wrfout_d01_2020-06-11_06_00_00'ncfile = Dataset(f)R = to_np(getvar(ncfile，"RAINC"))+to_np(getvar(ncfile，"RAINNC"))+to_np(getvar(ncfile，"RAINSH"))lon = np.array(ncfile['XLONG'])[0，:，:]lat = np.array(ncfile['XLAT'])[0，:，:]# shape文献读取countries=BasicReader(r'E:\BaiduSyncdisk\Code\Data\shape数据\国界\国度矢量.shp')ten=BasicReader(r'E:\BaiduSyncdisk\Code\Data\shape数据\九段线\九段线.shp')province=BasicReader(r'E:\BaiduSyncdisk\Code\Data\shape数据\2023年省级\2023年省级.shp')# 热情条设立rgb = ([237， 237， 237]，[209， 209， 209]，[173， 173， 173]，[131， 131， 131]，        [93 ， 93 ， 93]，[151， 198， 223]，[111， 176， 214]，
冷光源[49 ，仪器 129，
减速机 189]，        [26 ， 104， 174]，[8  ， 79 ， 153]，[62 ， 168， 91]，[110， 193， 115]，        [154， 214， 149]，[192， 230， 185]，[223， 242， 217]，[255， 255， 164]，        [255，饮水机 243， 0]，[255， 183， 0]，[255， 123， 0]，[255， 62 ， 0]，        [255， 2  ， 0]，[196， 0  ， 0]，[136， 0  ， 0]，)clors = np.array(rgb)/255.clevs = [0.1， 1，  2，  5， 7.5， 10， 13， 16， 20， 25， 30， 35， 40， 50， 60，         70， 80， 90， 100， 125， 150， 175， 200， 250          ]# 绘制fig = plt.figure(figsize=(10， 10))ax = fig.add_subplot(111， projection=ccrs.PlateCarree())contour = ax.contourf(lon，lat， R， clevs， colors=clors， transform=ccrs.PlateCarree())cb_cf = fig.colorbar(contour， ax=ax，ticks=clevs， shrink=.65)ax.add_geometries(countries.geometries()，linewidth=.5，edgecolor='black'，crs=ccrs.PlateCarree()，facecolor='none') ax.add_geometries(ten.geometries()，linewidth=.5，edgecolor='black'，crs=ccrs.PlateCarree()，facecolor='none') ax.add_geometries(province.geometries()，linewidth=.5，edgecolor='black'，crs=ccrs.PlateCarree()，facecolor='none') ax.set_extent([60，140，10，60]，crs=ccrs.PlateCarree()) # 小畛域g1=ax.gridlines(draw_labels=True，linewidth=1，color='none'，alpha=0.5，linestyle='--'，x_inline=False，y_inline=False)g1.top_labels=Falseg1.right_labels=Falseg1.xformatter=LONGITUDE_FORMATTERg1.yformatter=LATITUDE_FORMATTERg1.rotate_labels=Falseg1.xlocator = mticker.FixedLocator(np.arange(60，140，10))g1.ylocator = mticker.FixedLocator(np.arange(10，60，5))g1.xlabel_style={'size':17}g1.ylabel_style={'size':17}

参考贵寓：

https://blog.csdn.net/islandowner2017/article/details/119719854饮水机

https://www.heywhale.com/mw/project/6284b478901f1de4da8c8169 本站仅提供存储作事，整个实质均由用户发布，如发现存害或侵权实质，请点击举报。

• 饮水机