开灌溉+作物（clm5）

2023-11-06 09:30
文章标签 作物 灌溉 clm5

本文主要是介绍开灌溉+作物（clm5），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

开灌溉+作物（clm5）

  • 全球出现错误记录
  • 中国区域错误记录
    • 制作地面数据
    • 运行case

全球出现错误记录

按照user guide步骤开启灌溉模块
在这里插入图片描述
出现如下错误：
在这里插入图片描述

查看build-namelist后发现没有irrig选项
更改为：
在这里插入图片描述
似乎成功

中国区域错误记录

制作地面数据

mkmapdata.sh 出现如下错误：
在这里插入图片描述
是mpi配置问题，更换mpi

再运行，出现如下错误
ncatted: command not found

安装nco
module load apps/nco/4.7.8

运行成功

运行case

编译成功，运行出现问题：
在这里插入图片描述
查看log：
在这里插入图片描述
在论坛上搜索，有可能是因为选择的compset需要特定的分辨率，而本case替换了自己制作的地面数据
在这里插入图片描述
把compset改成：I1850Clm50BgcCropG 试试 PASS

在这里插入图片描述

开了冰川模型

在这里插入图片描述
把compset改成：I2000Clm50BgcCropGs 试试 成功~

编译成功，运行又出问题了，麻了在这里插入图片描述
改成冷启动 试试
./xmlchange CLM_FORCE_COLDSTART=on

全球初始场到中国区域网格对不上所以崩了
需要spin-up获得初始场
冷启动相当于从零开始跑所以跑通了

这篇关于开灌溉+作物（clm5）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/355801。

相关文章

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型，它综合考虑了土壤-水分-大气以及植被间的相互作用；是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程，使其能够精确的模拟土壤中水分的运动，而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者
阅读更多...
2016-2023 年美国农业部作物序列边界

2016-2023 年美国农业部作物序列边界

简介 2016-2023 年美国农业部作物序列边界 作物序列边界（CSB）是与美国农业部经济研究局合作开发的，它提供了美国毗连地区的田间边界、作物种植面积和作物轮作的估计数据。该数据集利用卫星图像和其他公共数据，并且是开放源码的，使用户能够对美国种植的商品进行面积和统计分析。它为农民的种植决策和实践提供了宝贵的见解。 NASS 需要一个有代表性的田间数据集来预测玉米-大豆等常见轮作的作物种植
阅读更多...
2000 年至 2015 年中国（即水稻、小麦和玉米1km 网格）三种主要作物年收获面积的时空变化

2000 年至 2015 年中国（即水稻、小麦和玉米1km 网格）三种主要作物年收获面积的时空变化

摘要 可靠、连续的主要作物收获面积信息对于研究地表动态和制定影响农业生产、土地利用和可持续发展的政策至关重要。然而，中国目前还没有高分辨率的空间明确和时间连续的作物收获面积信息。全国范围内主要农作物收获面积的时空格局也鲜有研究。在本研究中，我们提出了一种新的基于作物物候的作物制图方法，以 GLASS 叶面积指数（LAI）产品为基础，生成 2000 年至 2015 年中国三种主要作物（即水稻、小麦
阅读更多...
GEE深度学习——地代码作物分类（Vertex AI 机器学习MLPINGTAI ）

GEE深度学习——地代码作物分类（Vertex AI 机器学习MLPINGTAI ）

低代码作物分类 AutoML 能以最小的技术投入创建和训练模型。本示例演示了使用 Vertex AI Python SDK 训练和部署一个 AutoML 表格式模型，然后从 Earth Engine 连接到该模型，对国家农业图像计划 (NAIP) 航空图像中的作物类型进行分类。 本教程的主要流程是为了将选好的训练数据，进行GCS的问格式转换，然后进行数据集的创建，作为新格式的训练数据集，使用c
阅读更多...
CCF CSP认证 题解：201412-4 最优灌溉 Kruskal最小生成树+并查集（Java语言原创）

CCF CSP认证 题解：201412-4 最优灌溉 Kruskal最小生成树+并查集（Java语言原创）

问题描述 雷雷承包了很多片麦田，为了灌溉这些麦田，雷雷在第一个麦田挖了一口很深的水井，所有的麦田都从这口井来引水灌溉。 　　为了灌溉，雷雷需要建立一些水渠，以连接水井和麦田，雷雷也可以利用部分麦田作为“中转站”，利用水渠连接不同的麦田，这样只要一片麦田能被灌溉，则与其连接的麦田也能被灌溉。 　　现在雷雷知道哪些麦田之间可以建设水渠和建设每个水渠所需要的费用（注意不是所有麦田之间都可以建立
阅读更多...
AquaCrop模型运行及结果分析、代码解析；气象、土壤、作物和管理措施等数据的准备和输入；农业水资源管理

AquaCrop模型运行及结果分析、代码解析；气象、土壤、作物和管理措施等数据的准备和输入；农业水资源管理

目录 专题一 模型原理与数据要求 专题二 模型数据准备 专题三 模型运行及结果分析 专题四 参数分析 专题五 源代码分析 更多应用 AquaCrop是由世界粮食及农业组织（FAO）开发的一个先进模型，旨在研究和优化农作物的水分生产效率。这个模型在全球范围内被广泛应用于农业水管理，特别是在制定农作物灌溉计划和应对水资源限制方面显示出其强大的实用性。AquaCrop 不仅包含一个全面
阅读更多...
GEE案例分析——利用多时 Sentinel-1/2 和 Landsat-8/9 遥感数据在GEE中使用机器学习方法进行作物类时序分类

GEE案例分析——利用多时 Sentinel-1/2 和 Landsat-8/9 遥感数据在GEE中使用机器学习方法进行作物类时序分类

摘要 准确绘制作物类型图对于确保粮食安全至关重要。遥感（RS）卫星数据空间覆盖面广，时间频率高，是这一领域前景广阔的工具。然而，由于作物的类内和类间变异性很高，利用 RS 数据进行准确的作物类型分类方法的需求仍在不断增长。为此，本研究提出了一种新颖的并行级联集合结构（Pa-PCA-Ca），在谷歌地球引擎（GEE）中包含七个目标类别。Pa 部分由五个并行分支组成，每个分支利用多时 Sentinel
阅读更多...
DSSAT作物模建模方法

DSSAT作物模建模方法

原文链接：DSSAT作物模建模方法https://mp.weixin.qq.com/s?__biz=MzUzNTczMDMxMg==&mid=2247604079&idx=5&sn=0151d083d35c9ea259cf155d082b0145&chksm=fa821688cdf59f9eddae14a99fce4f56c6ad9d73db38e0b9b165dcb9b315b6ed845d83
阅读更多...
灌溉排涝设计乙级升甲级全程跟踪：关键节点与注意事项

灌溉排涝设计乙级升甲级全程跟踪：关键节点与注意事项

灌溉排涝设计乙级升甲级的过程中，需要关注一些关键节点和注意事项，以确保升级过程的顺利进行。以下是对这一过程的全程跟踪及关键节点和注意事项的概述： 一、前期准备阶段 了解资质要求：深入研究并理解甲级资质的具体要求，包括技术、管理、业绩等多个方面。对比乙级与甲级的差异，明确需要提升和完善的关键点。自我评估：对照甲级资质要求，对企业现有的技术人员配备、技术水平、管理能力、业绩等进行全面评估，找出需要
阅读更多...
FloodFill-----洪水灌溉算法（DFS例题详解）

FloodFill-----洪水灌溉算法（DFS例题详解）

目录 一.图像渲染： 代码详解： 二.岛屿数量： 代码详解： 三.岛屿的最大面积： 代码详解： 四.被围绕的区域： 代码详解： 五.太平洋大西洋水流问题： 代码详解： FloodFill算法简介：FloodFill（泛洪填充）算法是一种图像处理的基本算法，用于填充连通区域。该算法通常从一个种子点开始，沿着种子点的相邻像素进行填充，直到遇到边界或者其他指定的条件为止。F
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2