企业官网建设流程全解析

提到LBM模式，很多做大气动力学和气候诊断的同行应该不陌生，全称是Linear Baroclinic Model，也就是线性斜压模式。第一次看到这个名词的时候，我还误以为它和计算流体里的格子玻尔兹曼方法有什么关系，后来才发现完全是两回事。学术圈内聊到LBM，默认指的就是这个线性模式：它把大气控制方程在某个气候态背景场上做线性化，专门用来高效求解大气对异常强迫的定常响应。网上能搜到不少论文里的LBM响应图，但真正手把手教你怎么装、怎么跑、怎么出图的保姆级中文资料非常少。我当初卡在编译这一步整整折腾了一个周末，最后发现说穿了就是环境变量和库链接那点事，特别希望当时有人能直接告诉我“照着这几步做就行”。这篇就是补上这个缺口，从源码编译到第一个试验出图，整个过程按最省心的路线走一遍，适合刚接触模式模拟、课程需要做敏感性试验，或者想给论文补一张机制诊断图的同学参考。

1. 先搞清楚LBM模式到底在算什么

1.1 “线性”是个什么意思

理解LBM的关键，在于“线性”这两个字。大气运动本质上是非线性的，温度、风场、气压之间互相反馈，想要完整模拟就得靠CESM、CAM这类全物理过程模式，计算量巨大，跑一次几个月也不是没可能。LBM另辟蹊径：它假设大气状态可以拆成两部分，一部分是给定的“背景场”，通常用气候平均态，另一部分是叠加在背景场上的“扰动场”。模式只研究扰动场怎么发展，并且在方程里忽略了扰动项之间的非线性乘积，只保留扰动和背景场相互作用的部分。

打个比方，一条河整体上流得比较平稳，你往河里扔一块石头，水面上会荡起一圈圈波纹。你想要知道的不是整条河的复杂湍流，而是“这块石头激起的波纹能传多远、在哪些地方放大”。LBM干的就是这件事：背景场就是河流的主流态，强迫项就是那块石头，输出结果是波纹的传播路径和结构，而不是整条河的完整状态。这种化繁为简的处理方式，使得LBM的计算量比全物理模式小好几个数量级，通常几分钟就能跑完一个试验。

1.2 它擅长回答什么样的科学问题

LBM模式在气候动力学里属于“归因工具”，它不预测未来天气，也不模拟真实大气状态，而是回答“如果给大气一个指定的异常强迫，线性动力过程会给出什么样的响应”。这种问题在机制研究里出现的频率相当高。

• 热带降水异常如何影响中高纬环流，比如ENSO暖事件如何激发出PNA型遥相关。
• 青藏高原或海洋性大陆的热源异常，会通过定常Rossby波列影响哪些区域。
• 不同的背景风场下，同一个强迫激发的波传播路径有什么差异。
• 观测中出现的遥相关型，有多少能被线性动力过程解释，多少需要靠非线性过程。

它把“因果关系”单独拎出来，把复杂的物理化学过程全部拿掉，只保留动力核心，结果反而特别适合用来讲机制。我在实际使用中最大的体感是：想解释一个现象，拿LBM跑一组敏感性试验，比翻遍再分析资料的合成分析要省力得多，而且因果方向是明确的。

1.3 和全物理模式比，它的边界在哪里

刚开始用LBM的人最常犯的错，是把它当成万能模式，想让它模拟出真实大气的完整演变，然后抱怨“为什么结果和观测差距这么大”。这是预期错位。LBM的定位是“诊断工具”，和CAM这类“模拟工具”各有分工。

搞清楚这个边界之后，你看结果的心态会稳很多：LBM给出的不是“大气会发生什么”，而是“纯粹从线性动力角度看，这个强迫会引起什么样的波列”。这个答案本身就是很有价值的一环证据。

2. 安装前，先把这几样环境准备好

2.1 一张环境清单和最快的安装命令

我见过不少人在模式编译环节被劝退，其实LBM的依赖非常传统，只要系统里有Fortran编译器和NetCDF库，基本就成功了一大半。按踩坑频率从高到低排序，建议提前准备好四样东西：

• Linux环境。原生的Ubuntu/Debian最省心，Windows用户强烈建议装一个WSL2，比虚拟机轻量，也比在Windows上想办法编译Fortran程序靠谱得多。
• gfortran编译器。开源、免费、兼容性好，新手不要一上来就追ifort。等后面跑熟了，再根据模式文档考虑要不要切换。
• NetCDF的Fortran接口库，名称为netcdf-fortran。注意只有netcdf-c是不够的，Fortran程序需要额外的接口层。
• 画图工具。我习惯用Python的matplotlib加Cartopy，你也可以用NCL，看你自己顺手。

系统包管理器装依赖是最快的。Ubuntu系直接执行：

sudo apt update sudo apt install -y gfortran libnetcdf-dev libnetcdf-fortran-dev

如果你用的是conda，可以建一个干净的环境：

conda create -n lbm python=3.10 conda activate lbm conda install -c conda-forge netcdf-fortran

2.2 为什么不建议自己从源码编译NetCDF

很多新人在这一步踩了大坑：网上的安装教程说要自己编译hdf5、netcdf-c、netcdf-fortran，于是一路configure、make、make install，运气不好还会碰到hdf5和NetCDF版本不兼容，折腾两三天最后还在跟“undefined reference”搏斗。我的建议很直接：能用包管理器装就用包管理器装，能用conda-forge就用conda-forge。

原因很简单，LBM模式本身对NetCDF的版本没有特别苛刻的要求，系统自带的版本完全够用。自己从源码编译NetCDF唯一的收益是能精确控制路径，但对新手来说，引入的版本依赖问题远比收益大。如果你确实需要指定安装路径，用conda装到某个环境里同样能达到可控的目的，还不会污染系统环境。

2.3 装完之后怎么确认环境没问题

环境装完先别急着下载模式，打开终端验证一下：

which gfortran && gfortran --version nf-config --all

第一条确认编译器存在，第二条最关键。nf-config是netcdf-fortran自带的配置命令，会打印出include路径、库路径、链接参数，这些信息后面改Makefile时直接抄就行。如果执行后提示找不到nf-config，说明你的netcdf-fortran没装好或者不在PATH里，这时候先排查依赖，不要贸然进入编译阶段。

3. 源码获取与编译：把Makefile改到能跑为止

3.1 源码通常长什么样

LBM模式源码一般以压缩包形式在开发者的主页或课题组资源页提供，常见的名字是lbm_src.tar.gz或者lbm_t21.tar.gz。解压之后，目录结构大致是src、run、data、namelist几个区。src下面是一堆Fortran源文件，主程序一般是lbm_main.f90这类名字，run目录通常放着模板namelist和作业脚本，data目录放背景场样例。这里提醒一句：因为LBM有不少流传版本，目录和文件名会有差异，具体以你拿到的README文件为准，但总体逻辑是一致的。

我第一次拿到压缩包时习惯先解压到一个工作目录，比如~/lbm，然后花三分钟把所有README和目录结构扫一遍。这个习惯帮我避过很多坑，因为不同版本对输入文件命名的要求实在不太一样。

3.2 改Makefile之前，先用一条命令探好路

编译LBM的核心工作就是改对Makefile。Makefile里的核心变量就是编译器（FC）、包含路径（INCLUDE）和库路径（LIB）。最稳妥的操作是直接利用nf-config的输出结果：

nf-config --fflags nf-config --flibs

假设输出分别是-I/usr/include和-L/usr/lib -lnetcdff -lnetcdf，那么在Makefile里对应写上：

FC = gfortran FFLAGS = -O2 -ffixed-line-length-none INCLUDE = -I/usr/include LIBS = -L/usr/lib -lnetcdff -lnetcdf

实际安装路径不同，这里不要复制，要跟着你机器上nf-config的输出填。注意-lnetcdff是Fortran接口库，-lnetcdf是C底层库，两个都要有，顺序也不要乱。有些版本还需要额外的-I$(NETCDF_DIR)/include，如果你是用conda装的，可以通过nf-config --prefix拿到安装根目录，再把include和lib路径拼上去。

3.3 编译和验证

改好Makefile之后，执行编译：

make clean make

正常情况下屏幕上会滚过一串gfortran编译命令，最后在当前目录或src目录下生成一个名为lbm或者lbm.exe的可执行文件。如果编译中途报错，先看错误是不是指向netcdf.mod找不到。如果是，说明你的INCLUDE路径没写对，gfortran没找到NetCDF的Fortran模块文件；如果错误是undefined reference to nf_open_这类，说明编译过了但链接阶段没找到库，检查LIBS这一行，并且确保库路径正确。

编译成功后可以试着运行一下：

./lbm

这时候如果你还没准备输入文件，程序大概率会报“找不到输入文件”或者打印出默认namelist信息。能看到这类输出反而是好消息，说明可执行文件本身没问题。

3.4 编译阶段最常踩的四个坑

这里特别想强调链接顺序的问题。Fortran链接NetCDF时，库的书写顺序是有讲究的，被依赖的库要放在后面。如果-lnetcdff和-lnetcdf的位置放错了，有些版本会报未定义引用，有些版本能正常过，取决于库的静态还是动态方式，但你的Makefile最好一开始就按正确顺序写。

4. 第一次运行：文件、参数和输出

4.1 三个输入文件是什么

编译成功只完成了一半，第一次真正把LBM跑起来，需要准备三类输入。背景场文件是模式线性化的基准态，通常取再分析资料的气候平均，我一般命名为clim.nc。强迫场文件是你施加的异常外强迫，比如某个区域的对流加热异常，命名为forcing.nc。最后是namelist控制文件，LBM读入的参数都在里面，相当于控制面板。

我的工作习惯是，不管模式版面默认支持什么格式，先把所有输入输出统一转成NetCDF。原因很简单：Python生态里xarray读NetCDF太方便了，后面做强迫场、读结果、画图，全流程用一套格式会少踩非常多坑。如果你拿到的LBM版本支持netCDF的话，这一步几乎不需要额外转换。

4.2 namelist里的关键参数怎么定

namelist里面参数命名在不同版本里略有差异，但核心概念是通用的。以最常见的T21L20配置为例，水平分辨率用球谐截断波数控制，T21大约对应64乘32的经纬网格，垂直方向20层，时间步长用1800秒，积分120天需要跑5760步。参考参数的逻辑是这样的：

这里提醒两个最容易出问题的点：网格数必须和截断波数匹配，T21配64乘32，T42配128乘64，乱填虽然能编译通过，但运行时大概率出问题；垂直层数必须和背景场文件里的层数完全一致，不然模式读取时维度对不上，轻则警告，重则直接崩溃。第一次跑可以先设一个很小的nstep，比如5步，先验证程序流程能走通，再跑完整积分。

4.3 跑起来之后怎么判断结果正常

配置好之后运行：

./lbm < namelist.ctl

或者按照你版本里的作业脚本执行。正常运行时终端会滚动输出积分进度，几秒到几分钟后结束，生成响应场文件。很多版本输出的变量名是gph、temp、u、v这类，注意这些是相对于背景场的“异常响应”，不是完整场，解读结果时要明确这一点。

我第一次跑完的时候，习惯先看输出文件里有没有NaN或全零，再看一把500hPa位势高度异常的分布。如果响应场看起来是平滑的大尺度波列结构，说明试验基本成功了；如果全是噪声或不规则斑点，先查强迫场是不是有NaN，再查背景场格式是否正确。

5. 动手做一个经典试验：热带加热强迫响应

5.1 试验设计思路

一个适合入门又能发论文的经典试验，是复现热带异常加热激发中高纬遥相关波列。通俗点说，把某个热带区域的降水异常等价成大气中低层的异常加热，然后看这个加热会在500hPa位势高度场上激起什么样的远距离响应。这个试验思路在ENSO、青藏高原加热影响的论文里都很常见，跑通它基本上等于掌握了LBM的核心玩法。

我推荐的第一个试验是：在赤道中东太平洋附近放置一个对流层中低层的异常加热中心，中心强度大约每天3K，水平范围取几十个经度乘几十个纬度，垂直范围大概400到850hPa。背景场用气候平均态，积分120天，然后看500hPa高度响应的波列路径。这个试验预期能看到从热源区向东向北传的定常Rossby波列，也就是PNA型响应的大致骨架。

5.2 用Python生成强迫场

强迫场的基本要求是：和背景场使用相同的经纬网格、相同的垂直层数，变量名和单位跟模式约定一致。下面是一段可以直接修改的生成脚本框架，用xarray创建强迫场：

import numpy as np import xarray as xr # 从背景场读网格信息 ds = xr.open_dataset("clim.nc") lon = ds.lon.values lat = ds.lat.values lev = ds.lev.values # 初始化加热场，变量名请按模式文档替换 F = xr.zeros_like(ds["t"]) # 选取热源区域：例如180W-140W，5S-10N region = ( (ds.lon >= 180) & (ds.lon <= 220) & (ds.lat >= -5) & (ds.lat <= 10) ) # 垂直范围：850hPa到400hPa vertical_mask = (ds.lev <= 850) & (ds.lev >= 400) # 设定加热强度，单位按模式文档调整 F = F.where(~(region & vertical_mask), 3.0) # 写出强迫场 F.to_netcdf("forcing.nc")

注意经度范围处理。如果模式的经度是0到360，180W要换算成180，140W要换算成220，代码里已经这么做了；如果你的背景场经度是-180到180，需要换一种写法。加热中心也可以做高斯平滑，避免强迫场在边界上产生突变，我的经验是平滑后的结果更干净。

5.3 运行、画图、判断波列

强迫场准备好之后，把namelist里的强迫文件路径指向forcing.nc，重新运行模式。结束后读取输出文件，画500hPa位势高度异常：

import matplotlib.pyplot as plt import cartopy.crs as ccrs import xarray as xr resp = xr.open_dataset("response.nc") hgt_500 = resp["gph"].sel(lev=500).squeeze() fig = plt.figure(figsize=(10, 5)) ax = fig.add_subplot(111, projection=ccrs.PlateCarree()) hgt_500.plot.contourf(ax=ax, transform=ccrs.PlateCarree(), levels=21, cmap="RdBu_r") ax.coastlines() plt.show()

正常的结果是：在热带加热区附近出现局地高度异常，然后异常成波列状向中高纬度传播，正负异常交替排列。如果图出来乱成一团，先检查强迫场量级是否合适、是否有NaN，再把积分时长适当增加。若你发现响应始终局限在热源附近，没有明显的远距离波列，可以对照一下背景场文件是不是真的取成了气候平均态，以及加热的位置是不是落在模式的有效强迫区里。

6. 我踩过的坑和留给你的建议

6.1 编译运行常见问题速查表

Segmentation fault这个我特别想多说两句。Fortran程序没有Python那种友好的报错，常常一个段错误就默默退出，新手容易毫无头绪。遇到这种情况别慌，先用最笨的方法排查：检查namelist里的网格参数和NetCDF文件的实际维度是否一致，尤其是nlev和背景场层数，只要错一位基本就是段错误。问题排查一步一步来，不要同时改一堆参数。

6.2 几条提高效率的小习惯

跑了半年LBM之后，我总结了几条让整个工作流更顺手的经验。所有输入输出统一用NetCDF，不同版本之间迁移时省去格式转换的麻烦。试验文件夹按日期和试验目的命名，比如exp_20250115_enso_nwpac，强迫场生成脚本、namelist、输出图全放进同一个文件夹。这样即使过了半年再回来，也能完全复现当时的试验条件。

新改动参数之前，永远先把当前可正常运行的namelist备份一份。很多编译器报错查了半天，最后发现是namelist里多打了一个空格或者少了一个逗号。养成“改前备份、改后对比”的习惯，能帮你省掉大量无效调试时间。

最后，第一次跑通后不要急着上高分辨率。T21L20跑通一个试验只要几分钟，足够你把整个流程理清楚。T42甚至更高分辨率的试验，等你对参数之间怎么配合有了手感再换不迟。模式只是一件工具，真正提效率的是标准化的流程和可复现的记录习惯。