Universidad del Pais Vasco/Euskal Herriko Unibertsitatea

EOLO: Grupo de Meteorología, Clima y Medio Ambiente de la UPV/EHU

Facultad de Ciencia y Tecnologia/Zientzi eta Teknologia Fakultatea

Software

[ English version ]

Con motivo de sus actividades en el análisis de la variabilidad climática, el grupo desarrolla una serie de programas que ofrece pública y libremente. La mayor parte del software desarrollado se encuentra reunido en el paquete PyClimate que ya no se soporta.

PyClimate
Son una serie de rutinas para realizar tareas comunes en el análisis de la variabilidad climática. Están escritas en Python, un lenguaje de programación de alto nivel, interpretado y gratuito. Hace uso de las extensiones Numeric para optimizar los cálculos.

El paquete (última versión soportada, usando Numeric) se puede obtener en PyClimate-1.2.2.tar.gz

readmm5v3
Es un módulo Python para acceder a los ficheros de salida del modelo de mesoescala MM5 (formato mm5v3). Utiliza una sintaxis muy similar al módulo Scientific.IO.NetCDF de Konrad Hinsen y permite el acceso aleatorio a cualquier registro del fichero asi como el acceso simultaneo a un conjunto de ficheros de forma transparente.

El módulo se puede obtener aquí

mm5diagnostics
Otro módulo Python. En este caso permite calcular variables de diagnóstico de la inestabilidad vertical atmosférica (índices K, LI, TT, CAPE/CIN) a partir de los ficheros de salida de MM5 en niveles sigma (MMOUT_DOMAIN*). Requiere del módulo readmm5v3.

El módulo se puede obtener aquí

BISTAPOF_DEMO
Sample programs and additional information associated to ENVSOFT-D-06-00083R1. These files constitute additional information associated with contribution From diagnosis to prognosis for forecasting air pollution using neural networks: air pollution monitoring in Bilbao, in press, Environmental Modelling & Software 23,(5),622-637, (Ibarra-Berastegi et al, 2008).

You can get the files here

rairmon - R AIR quality MONitoring
R scripts associated with contribution ASSESSING SPATIAL VARIABILITY OF SO2 FIELD AS DETECTED BY AN AIR QUALITY NETWORK USING SELF-ORGANIZING MAPS, CLUSTER, AND PRINCIPAL COMPONENT ANALYSIS, Atmospheric Environment in press. (Ibarra-Berastegi et al, 2009).

You can get the files here

aiRthermo
Termodinámica atmosférica en R

Paquete aiRthermo en CRAN here