安装Theano需要Numpy Scipy 的支持 安装过程很简单 运行可能会出问题
但需要Blas的支持 可以选择 conda 的blas 也可以下载 blas的库
不过值得注意的是 在conda下面 注意numoy-base与numpy是否重复
尤其是mingw的gcc版本是4.7 与安装 conda install theano附带安装的gcc版本5.3 是否冲突
否者theano运行会出现 gof dll load fail的问题
安装Theano需要Numpy Scipy 的支持 安装过程很简单 运行可能会出问题
但需要Blas的支持 可以选择 conda 的blas 也可以下载 blas的库
不过值得注意的是 在conda下面 注意numoy-base与numpy是否重复
尤其是mingw的gcc版本是4.7 与安装 conda install theano附带安装的gcc版本5.3 是否冲突
否者theano运行会出现 gof dll load fail的问题
植被和土壤参数会较大影响到陆面过程模型的模拟结果，但在青藏高原的相关模拟中，通常并没有对这些参数进行专门的考虑，而相对其他区域，青藏高原具有植被稀疏和土壤粗颗粒含量高等显著特征，那么这些特点会对多年冻土的模拟结果产生多大的影响？
本工作基于Noah陆面过程模型 (LSM)，通过对比考虑与不考虑植被和土壤特性的模拟结果，评价了区域植被和土壤特性对多年冻土分布和关键属性模拟的影响。
精确的青藏高原多年冻土分布和水热特征对环境管理，水资源开发利用和工程维护十分重要。而整个高原尺度的多年冻土很难通过调查获得，而模型模拟成为主要的工具。本工作针对传统经验统计模型模拟多年冻土的问题，发展了基于Noah陆面过程模型模拟青藏高原多年冻土的新方法，包括模拟了多年冻土分布和其活动层厚度，年平均地温，地下冰含量等。而以往陆面过程模式只在单点或者小区域进行过类似。
模型模拟首先在数据丰富的唐古拉站点展开，详细评估了模型的模拟效果，进而推广到整个高原，并用西昆仑，改则，温泉和青藏公路沿线实地调查资料对模型模拟结果进行验证。
NetCDF（http://www.unidata.ucar.edu/software/netcdf/）格式是比较常见的地学数据存储格式，但是，很多NetCDF数据都是全球或大区域尺度，存储整个数据很浪费空间（比如中国区域CFMD数据集解压后占据硬盘380多G，而占国土面积1/4的青藏高原裁剪后的CFMD-QTP预计能节约90%的空间），网上找了很久也没有找到合适的裁剪code。本文描述了通过shapefile来裁剪Python的思路（需要netcdf4-python、gdal 等支持）。
前面学过R，是一个站在巨人肩膀上的语言，他有很多package，都很专业。 但是计算效率低，跟matlab差不多，甚至还慢，做大数据（>1G）处理时，一般需要数分钟，所以这几天初步学习了一下Python语言，它计算效率高，同时，它也属于GNU系统的一个自由、免费、源代码开放的语言，对面向对象的支持也有完善，能少写n多code，最为重要的是，它也有很多实用的package，所以，它跟R、matlab一样，也是站在巨人肩膀上的语言。