minor changes Friday 1st Feb

da/tm5/observationoperator.py

@@ -367,7 +367,7 @@ class TM5ObservationOperator(ObservationOperator):
             raise IOError
 
 #LU kopiujemy tm5-owe restarty , chociaz w sumie juz je skopiowalismy wczesniej
-    def get_initial_data(self): #LU tylko dir.restrt.curret jkao miejsce z ktorego zbiore  pliki typu "tm5_restart"
+    def get_initial_data(self, sourcedir): #LU tylko dir.restrt.curret jkao miejsce z ktorego zbiore  pliki typu "tm5_restart"
         """ This method places all initial data needed by an ObservationOperator in the proper folder for the model.
             For TM5, this means copying the save_*.hdf* files to the dir.save directory from which TM5 will read initial
             concentrations for all tracers. 
@@ -382,7 +382,7 @@ class TM5ObservationOperator(ObservationOperator):
 
         # First get the restart data for TM5 from the current restart dir of the filter
 
-        sourcedir = self.DaCycle['dir.restart.current']
+        # sourcedir = self.DaCycle['dir.restart.current']
         targetdir = self.tm_settings[self.savedirkey]
         self.outputdir = self.tm_settings[self.outputdirkey]  #IV test
 

da/tools/pipeline.py

@@ -69,16 +69,15 @@ def prepare_state(DaCycle, StateVector, newrc):
     StateVector.Initialize(newrc)                            #LU w prepare state inicjalizujemy wektor stanu ktoremu dopiero co przypisalismy wartosci.
                                                         #LU to jest zalezne od cyklu, i cykl pojedynczy moze miec time.restart lub moze nie miec.
 
-    if not DaCycle['time.restart']:                     #LU jesli jest to pierwszy cykl
+    if not DaCycle['time.restart']:     
 
         # Fill each week from n=1 to n=nlag with a new ensemble
 
-        nlag = StateVector.nlag                         #LU dla kazdego od zera do dlugosc(cykl) wyznaczamy date oraz znajdujemy kowariancje i robimy nowa ensemble.
-        for n in range(0, nlag):
+        for n in range(StateVector.nlag):
             date = DaCycle['time.start'] + datetime.timedelta(days=(n + 0.5) * int(DaCycle['time.cycle']))    
             #LU ta data jest tutaj potrzebna tylko do znalezienia odpowiedniego pliku z kowariancja. 
             svparams = {k: newrc[k] for k in ('ocn.covariance', 'bio.covariance')}
-            cov = StateVector.get_covariance(date, svparams)    #LU to mozna zrobic w srodku, bo przeciez nie potrzebna mu ta kowariancja a z drugiej strony zawsze potrzebuje kowariancji zeby stworzyc nowa ensemble
+            cov = StateVector.get_covariance(date, svparams)    #LU to mozna zrobic w srodku, bo przeciez nie potrzebna tu ta kowariancja a z drugiej strony zawsze potrzebuje kowariancji zeby stworzyc nowa ensemble
             StateVector.make_new_ensemble(n + 1, cov)
 
     else:
@@ -117,7 +116,7 @@ def sample_state(DaCycle, Samples, StateVector, ObservationOperator, newrc):
     # If we are going to sample the lag = 0 time step, place the needed files to run the transport model in the right folder first
 
         if lag == 0:                                                         #LU w pierwszym tygodniu danego cyklu bierzemy initial data dla tm5, tzn jakies pewnie ustawienia. dokladnie: restart files z poprzednich
-            ObservationOperator.get_initial_data()
+            ObservationOperator.get_initial_data(DaCycle['dir.restart.current'])
 
         ############# Perform the actual sampling loop #####################