WRF模式广泛应用于台风的模拟和预报，但是其并不能输出台风路径信息（除非编译的时候nesting选择vortex following选项，运行时会输出ATCF数据，不过这个不常用）。
因此使用WRF模拟台风，后处理需要解决如何从wrfout数据提取出台风路径的问题。NCL官网提供的脚本中，是以每个时刻海平面气压(SLP)最小处作为台风的中心位置，简单易行。但是在一些特定情况存在问题，比如双台风的时候。
为了避免上述的问题，提取台风在T时的位置时必须要参考T-1时刻的位置。即以T-1时刻台风的位置为圆心，给定半径radius确定一个圆，在此范围内寻找T时刻的台风位置。以下为具体的操作步骤：
（1）第1时刻，找到min(SLP)的的位置索引，然后提取台风中心经纬度(lonTC, latTC)。或者由观测或者最佳路径数据集给定模拟初始时刻的台风中心位置。
（2）第it个时刻，根据it-1时刻的台风中心位置(lonTC, latTC)计算it-1时刻的台风中心位置索引(ic, jc)。北纬30°以南，台风一般移动速度spd不超过0.5deg/hour，北纬30°以北一般不超过2.0deg/hour，wrfout输出时间间隔为history_interval(hours)。根据移速和输出间隔，计算台风最大移动半径radius=spd*history_interval。最大移动半径除以网格分辨率，得到移动半径所对应的索引半径indexRadius。根据索引半径确定台风所在的范围，此范围内的SLP最小处即是it时刻的台风中心位置。
T时刻的台风中心，应该在T-1时刻台风中心的附近，根据T时刻的SLP场在这个范围内的最小值位置，确定T时刻的台风中心
（3）遍历所有时刻，得到完整的台风路径，并且每一步可以保存最低气压Pmin，最大风速Vmax等信息。
以1713号台风天鸽(Hato)为例，进行模拟。WRF模式分辨率为15km，模拟起止时间：-08-21_00 至 -08-24_00 UTC。
从此次模拟结果看，基本模拟出了台风"天鸽"的大致走向，只是模拟的台风移速偏慢。
模拟的台风路径与观测对比
该算法需要使用海平面气压(SLP)，但是WRF的输出数据中是没有海平面气压的，因此需要根据已有的气压和温度场等信息诊断得到SLP。使用wrf-python库的getvar函数可以直接实现这个功能，直接得到SLP。
PS1:实际应用发现一个问题，WRF初始时刻诊断得到的SLP，台风中心特别不明显（甚至不存在）。如果模拟区域存在高山，比如台湾的山脉，则往往山脉的SLP最低，因此根据SLP最小确定台风的位置则容易出错，即导致台风位置错误的出现在高山上。因此初始时刻最好给定台风的大致位置，并且最大移动半径设置较小(<0.5°)。如果无法给出初始时刻的台风位置，可以跳过初始时刻，从第二个时刻开始。
初始时刻SLP诊断场，无明显的台风中心，但实际上此时台风已经比较成熟。
初始时刻基于SLP最小确定台风中心位置，SLP场的结果较差导致台风位置出现在山脉。
PS2: 实际使用，如果双台风距离太近，台风之间的距离小于最大移动半径时，也可能会发生误判，此类情况可以缩小最大移动半径。
以上实现代码可以扫描下方二维码，关注气海同途，获取源码。
如果觉得《Python提取WRF模拟的台风路径》对你有帮助，请点赞、收藏，并留下你的观点哦！
