想用WRF模拟地气交换过程，对于WRF的地表数据，尤其是土壤温湿度数据要求便会很大，传统使用ERA5-singledata数据精度也许不足以满足需求，为此，本文尝试使用ERA5-land数据替换驱动WRF。

数据下载

ERA5-land的数据下载与ERA5其他数据并无不同，只不过需要注意一点：当下载grib格式时，部分变量是以grib2形式储存。而有些则是以grib1格式，下载时请注意分开下载，切勿混合，否则将无法解码与读取。
关于变量的格式，请参看：ERA5-landParameterlistings

同时还请注意：在ungrib解码时，地面数据与高空数据存在重合，即地面气温、10m风速、10m相对湿度等（写作UU VV TT RH）解码时是一起解码的，这就要求它们之间的分辨率等匹配，换句话说，在使用ERA5-land数据时，我们不使用它的地面温湿度数据，而是只使用精度更高更准确的土壤温湿度数据，其他数据依然使用ERA5-single，否则极有可能出现WRF无法运行的情况。
数据下载脚本如下：

import cdsapi
import calendar
from subprocess import call


def idmDownloader(task_url, folder_path, file_name):
    """
    IDM下载器
    :param task_url: 下载任务地址
    :param folder_path: 存放文件夹
    :param file_name: 文件名
    :return:
    """
    # IDM安装目录
    idm_engine = "C:\\Program Files (x86)\\Internet Download Manager\\IDMan.exe"
    # 将任务添加至队列
    call([idm_engine, '/d', task_url, '/p', folder_path, '/f', file_name, '/a'])
    # 开始任务队列
    call([idm_engine, '/s'])


if __name__ == '__main__':
    c = cdsapi.Client()  # 创建用户

    # 数据信息字典
    dic = {
        'product_type': 'reanalysis',  # 产品类型
        'format': 'grib',  # 数据格式
        'variable':  [
            'soil_temperature_level_1', 'soil_temperature_level_2', 'soil_temperature_level_3',
            'soil_temperature_level_4', 'surface_latent_heat_flux', 'surface_net_solar_radiation',
            'surface_net_thermal_radiation', 'surface_pressure', 'surface_sensible_heat_flux',
            'surface_solar_radiation_downwards', 'surface_thermal_radiation_downwards', 'volumetric_soil_water_layer_1',
            'volumetric_soil_water_layer_2', 'volumetric_soil_water_layer_3', 'volumetric_soil_water_layer_4',],
        'year': [],  # 年，设为空
        'month': [],  # 月，设为空
        'day': [],  # 日，设为空
        'time': [  # 小时
             '00:00', "03:00","06:00",'12:00','15:00',"18:00","21:00"
        ],
        'area': [90, -180, 45, 180],
    }

grib2=[]
 # 通过循环批量下载1979年到2020年所有月份数据

    for y in range(2020, 2021):  # 遍历年
        for m in range(1, 13):  # 遍历月
        
            day_num = calendar.monthrange(y, m)[1]  # 根据年月，获取当月日数
            # 将年、月、日更新至字典中
            dic['year'] = str(y)
            dic['month'] = str(m).zfill(2)
            dic['day'] = [str(d).zfill(2) for d in range(1, day_num + 1)]
            r = c.retrieve('reanalysis-era5-land', dic, )  # 文件
            url = r.location  # 获取文件下载地址
            path = 'F:\\ERA5\\hf\\'  # 存放文件夹
            filename = 'land'+str(y) + str(m).zfill(2) + '.grib'  # 文件名
            idmDownloader(url, path, filename)  # 添加进IDM中下载

#day_num = calendar.monthrange(2018, 5)[1]  # 根据年月，获取当月日数
#dic['day'] = [str(d).zfill(2) for d in range(1, day_num + 1)]


#day_num = calendar.monthrange(2018, 5)[1]  # 根据年月，获取当月日数
#dic['day'] = [str(d).zfill(2) for d in range(1, day_num + 1)]

修改VTABLE文件

WRF主要是使用ungrib解码数据，而ungrib文件的解码依赖于Vtable文件中描述的grib数据格式，当我们想添加新的气象场时，一定要链接正确的Vtable文件。
对于ERA5-land而言，直接使用默认的Vtable-ECWMF，需要注意的是，有时我们还下载了地面温湿度等数据，但我们并不需要使用它，为了避免ungrib将不需要的数据解码，我们只需删除Vtable文件中对应的部分，只保留需要的数据描述即可，比如这是我新建的Vtable-land文件：

GRIB | Level| Level| Level| metgrid  |  metgrid | metgrid                                  |
Code | Code |   1  |   2  | Name     |  Units   | Description                              |
-----+------+------+------+----------+----------+------------------------------------------+

 139 | 112  |   0  |   7  | ST000007 | K        | T of 0-7 cm ground layer                 |
 170 | 112  |   7  |  28  | ST007028 | K        | T of 7-28 cm ground layer                |
 183 | 112  |  28  | 100  | ST028100 | K        | T of 28-100 cm ground layer              |
 236 | 112  | 100  | 255  | ST100289 | K        | T of 100-289 cm ground layer             |
  39 | 112  |   0  |   7  | SM000007 | fraction | Soil moisture of 0-7 cm ground layer     |
  40 | 112  |   7  |  28  | SM007028 | fraction | Soil moisture of 7-28 cm ground layer    |
  41 | 112  |  28  | 100  | SM028100 | fraction | Soil moisture of 28-100 cm ground layer  |
  42 | 112  | 100  | 255  | SM100289 | fraction | Soil moisture of 100-289 cm ground layer |
@                                                                                                                                         1,1           Top

指解码土壤温湿度。

修改METGRID.TBL

WRF前处理时需要将输入的数据插值到对应的模拟域，此时使用的便是metgrid.exe，metgrid.exe则通过METGRID.TBL文件中规定的变量特点：如，缺失值、覆盖、层数、变量描述等对各种变量进行插值。
当我们使用ERA5-land中的土壤温湿度数据时，我们的土壤温湿度数据变量名称与ERA5-single中不同，而在METGRID.TBL中，缺少对于缺失值missing_value的描述，导致直接插值时为误将缺失值插值从而出现异常值导致无法完成初始化，在此，我们需要在METGRID.TBL文件中添加缺失值信息。
打开METGRID.TBL,找到变量ST SM开头的对应部分，查看是否缺失miss_value这一行，如果缺失就添加：` missing_value=-1.E30，如下图：

`

修改namelist.wps

由于我们的ERA5-land是独立于single和pressure输入的，此时我们最好将其作为单独的中间文件输入，打开namelist.wps&ungrib部分，修改解码输出前缀为SOIL，并添加读取前缀名，如:

&ungrib
 out_format = 'WPS',
 prefix = 'SOIL',
/

&metgrid
 fg_name = 'FILE','SEAICE','ALBSI','ICEDEPTH','SNOWSI','SNOW',"SOIL"
 opt_output_from_metgrid_path="/public/home/zhangzilu/Build_WRF/WPS-4.3/met_2020/"
/

这样ungirb解码是会单独输出以SOIL开头ERA5-LAND土壤数据，metgird插值时也会读取包含ERA5-single和ERA5-PRESSURE的FILE和ERA5-LAND的SOIL文件插值。
之后metgrid.exe，得到met_em*。提交WRF初始化运行即可。
需要注意的是：我个人虽然可以正常运行，但是对应的计算时间却长了很多，这可能与我的分辨率＞ERA5-LAND的0.1°有关，如果对分辨率要求高的人可以另外试试看。