CN107390298B - 一种复杂山地下垫面大风的模拟方法及装置 - Google Patents
一种复杂山地下垫面大风的模拟方法及装置 Download PDFInfo
- Publication number
- CN107390298B CN107390298B CN201710588312.2A CN201710588312A CN107390298B CN 107390298 B CN107390298 B CN 107390298B CN 201710588312 A CN201710588312 A CN 201710588312A CN 107390298 B CN107390298 B CN 107390298B
- Authority
- CN
- China
- Prior art keywords
- simulation
- data
- wind
- wrf
- wind field
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种复杂山地下垫面大风的模拟方法及装置,采用WRF模式模拟和大涡模式模拟相结合的方法。将复杂下垫面随时间演变的地表特征参数引入中尺度天气预报系统WRF,结合观测数据进一步同化和订正,再进行降尺度处理,输出高精度时空分辨率的风场。再利用大涡模拟方法,将复杂下垫面地表数据输入大涡模式,以高分辨率的风场作为初始场进行模拟,给出概念模型。将WRF模式模拟和大涡模式模拟的输出结果进行比较,建立风场精细化预测系统。本发明提供的方法及装置,数据获取更加可靠,可以实现复杂山地地貌近地层风的精准预报。本发明提供的方法及装置适用于有地形影响下、复杂下垫面、中、大尺度近地层和高层风的模拟和统计分析。
Description
技术领域
本发明涉及风的模拟和统计分析技术领域,尤其涉及一种复杂山地下垫面大风的模拟方法及装置。
背景技术
风害是造成输电线路运行故障的主要因素之一,防风工作一直受电网运行部门重视。研究电网风害的首要前提是对近地层风的精准预报。然而近地层风速受地形、地表状况、植被覆盖、近地层大气中的湍流以及近地层大气和混合层、残留层、稳定边界层之间夹卷过程等因素的影响,其风速具有较强的波动性、瞬变性和间歇性特点,其时间尺度可以到分钟甚至秒的量级,在短时间内可以发生剧烈的风速风向变化;此外,不同地形、不同下垫面和不同季节对近地层大气的热动力作用有显著的差异,使得近地层风速具有较强的局地性和短时间尺度特点,常产生局地风和阵风。
近地层是大气边界层的最下层,其上界离地面约几十米至一百米。对近地层影响最直接的是下垫面。下垫面是指与大气下层直接接触的地球表面,即大气圈。大气圈以地球的水陆表面为其下界,称为大气层的下垫面。它包括地形、山地、地质、土壤、河流和植被等。下垫面的性质和形状,对大气的热量、水分、干洁度和运动状况有明显的影响,在气候的形成过程中起着重要的影响。
现有技术中,对近地层风速的预报的方法包括两类,一种是基于气象台历史常规观测资料的统计方法,即运用气象台站10m高度处一天4次或24次的常规气象观测数据进行风速预报。但是,其对历史观测数据的可靠性、样本个数以及时效性较差,很难准确预测未来时刻的大风风速,从而导致预测水平的降低,因此该方法不适合用于复杂下垫面条件下的风场风灾预测和评估。第二种是基于测风塔观测资料对风场进行预报,即运用测风塔至少一年以上的测风数据进行风场预测。建立测风塔对风场进行预报需要对不同高度处的风速进行测量,且由于复杂下垫面的影响,需布局多个观测点进行多处风速监测,需要耗费大量的人力、物力,一般很难通过高密度布塔测风来进行区域风场预报和监测。因此测风塔监测一般仅用于风电场尺度的风场预测和评估。
由以上可见,上述方法并不能适用于复杂山地环境,且预报方法中的观测数据的可靠性、时效性很难保证,观测数据的获取也较难,无法实现实时模拟,使模拟结果不准确,进而导致对近地层风的预报结果不精准。
发明内容
本发明提供了一种复杂山地下垫面大风的模拟方法及装置,以解决现有的模拟方法无法实现实时模拟,使模拟结果不准确,进而导致对近地层风的预报结果不精准的问题。
第一方面,本发明提供了一种复杂山地下垫面大风的模拟方法,该方法包括:
建立高分辨率地表数据集,根据所述高分辨率地表数据集确定下边界参数;
根据所述下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数;
获取观测数据;以及,根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用WRF模式进行风场模拟,建立WRF模拟预报系统;其中,所述观测数据包括:观测风场、气象数据和地理数据;
根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用大涡模式进行湍流模拟,建立大涡模拟预报系统;
根据所述WRF模拟预报系统和大涡模拟预报系统,建立风场精细化预测系统;
根据所述风场精细化预测系统,得到近地层风场平均分布图。
可选的,所述建立高分辨率地表数据集的过程包括:
获取数字地形高程模型、TM影像数据、土地利用类型、地表反照率、叶面积指数和植被覆盖指数;
根据所述植被覆盖指数,得到植被覆盖度;
对所述TM影像数据、地表反照率和叶面积指数进行剔除无效数据处理,得到TM影像数据、地表反照率和叶面积指数的有效数据;
根据所述TM影像数据、地表反照率和叶面积指数的有效数据修正土地利用类型;
根据所述修正后的土地利用类型、数字地形高程模型、TM影像数据的有效数据、地表反照率的有效数据、叶面积指数的有效数据和植被覆盖度,建立基础数据库;
确定WRF模式的地球投影类型、时间分辨率和空间分辨率;将所述基础数据库、WRF模式的地球投影类型、时间分辨率和空间分辨率进行数据转换处理,得到高分辨率地表数据集。
可选的,所述根据下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数的过程,包括:
根据所述下边界参数,利用风洞试验,建立等比模型,与模拟风速对比,得到下垫面动力学粗糙度参数;
根据所述高分辨率地表数据集,利用涡动系统进行分析,得到下垫面热力学粗糙度参数。
可选的,所述利用WRF模式进行风场模拟的过程,包括:
根据嵌套模拟处理方法,确定模拟方案;
根据下边界参数,对所述地表反照率、植被覆盖度和叶表面指数进行实时更新,利用所述模拟方案模拟风场分布;
利用WRF同化方法,对所述模拟后的风场分布进行同化观测数据处理,得到输出模拟风场;
对比所述输出模拟风场和观测风场,利用订正处理方法,建立WRF模拟预报系统。
可选的,所述建立WRF模拟预报系统的过程,包括:
根据降尺度模型,对所述输出模拟风场进行降尺度处理;
根据所述降尺度处理后的输出模拟风场和观测风场,利用线性回归方法进行对比,得到近地层大风分布图,建立WRF模拟预报系统。
可选的,所述利用大涡模式进行湍流模拟,建立大涡模拟预报系统的过程,包括:
根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用一阶湍流闭合方案进行大气湍流模拟;
根据所述大气湍流模拟的结果得到多个湍流混合强度分布;
将多个所述湍流混合强度分布,利用三维大涡模式进行数值计算,得到微气象数据;其中,所述微气象数据包括温度、湿度、压强、风速和风向;
根据所述微气象数据建立大涡模拟预报系统。
第二方面,本发明还提供了一种复杂山地下垫面大风的模拟装置,所述装置包括用于执行第一方面各种实现方式中方法步骤的模块。所述装置包括:
数据集建立模块,用于建立高分辨率地表数据集,根据所述高分辨率地表数据集确定下边界参数;
参数确定模块,用于根据所述下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数;
WRF模拟模块,用于获取观测数据;以及,根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用WRF模式进行风场模拟,建立WRF模拟预报系统;其中,所述观测数据包括:观测风场、气象数据和地理数据;
大涡模拟模块,用于根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用大涡模式进行湍流模拟,建立大涡模拟预报系统;
预测系统建立模块,用于根据所述WRF模拟预报系统和大涡模拟预报系统,建立风场精细化预测系统;
平均分布图确定模块,用于根据所述风场精细化预测系统,得到近地层风场平均分布图。
可选的,所述WRF模拟模块,包括:
模拟方案确定单元,用于根据嵌套模拟处理方法,确定模拟方案;
风场模拟单元,用于根据下边界参数,对所述地表反照率、植被覆盖度和叶表面指数进行实时更新,利用所述模拟方案模拟风场分布;
同化单元,用于利用WRF同化方法,对所述模拟后的风场分布进行同化观测数据处理,得到输出模拟风场;
WRF模拟预报系统建立单元,用于对比所述输出模拟风场和观测风场,利用订正处理方法,建立WRF模拟预报系统。
可选的,所述WRF模拟预报系统建立单元包括:
降尺度子单元,用于根据降尺度模型,对所述输出模拟风场进行降尺度处理;
WRF模拟预报系统建立子单元,用于根据所述降尺度处理后的输出模拟风场和观测风场,利用线性回归方法进行对比,得到近地层大风分布图,建立WRF模拟预报系统。
可选的,所述大涡模拟模块,包括:
湍流模拟单元,用于根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用一阶湍流闭合方案进行大气湍流模拟;
湍流混合强度分布确定单元,用于根据所述大气湍流模拟的结果得到多个湍流混合强度分布;
计算单元,用于将多个所述湍流混合强度分布,利用三维大涡模式进行数值计算,得到微气象数据;其中,所述微气象数据包括温度、湿度、压强、风速和风向;
大涡模拟预报系统建立单元,用于根据所述微气象数据建立大涡模拟预报系统。
由以上技术方案可知,本发明实施例提供了一种复杂山地下垫面大风的模拟方法及装置,采用WRF模式模拟和大涡模式模拟相结合的方法。一方面将复杂下垫面随时间演变的地表特征参数引入中尺度天气预报系统WRF,结合观测数据进一步同化和订正,输出粗分辨率风场,然后输入小尺度模型CALMET经由地形的动力学影响调整做进一步降尺度分析,再根据观测数据进行客观订正,从而输出高精度时空分辨率的风场。另一方面,则利用高分辨率的大涡模拟方法结合复杂下垫面地表数据开展大涡模拟研究,将复杂下垫面地表数据输入大涡模式,以WRF模式输出的高分辨率的风场作为初始场进行模拟,结合各种天气条件下,小尺度范围内地形以及下垫面非均匀区域上空的流场和各种气象参数的空间分布和时间演变的一般特征,并给出概念模型。将WRF模式模拟的输出结果和大涡模式模拟的输出的结果进行比较、相互补充和验证,建立风场精细化预测系统。本发明实施例提供的方法,数据获取更加可靠,可以实现复杂山地地貌近地层风的精准预报。本发明实施例提供的方法适用于有地形影响下、复杂下垫面、中、大尺度近地层和高层风的模拟和统计分析,还可适用于涉及风场分布的各类灾害的评估。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的复杂山地下垫面大风的模拟方法的流程图;
图2为本发明实施例提供的建立高分辨率地表数据集的流程图;
图3为本发明实施例提供的利用WRF模式进行风场模拟的流程图;
图4为本发明实施例提供的利用大涡模式进行湍流模拟的流程图;
图5为本发明实施例提供的复杂山地下垫面大风的模拟装置的结构框图。
具体实施方式
图1为本发明实施例提供的复杂山地下垫面大风的模拟方法的流程图。
参见图1,本发明采用WRF模拟技术和大涡模拟技术相结合的方法,实现对复杂地形地貌近地层风的精准预报。本发明实施例提供的复杂山地下垫面大风的模拟方法,包括以下步骤:
S101、建立高分辨率地表数据集,根据所述高分辨率地表数据集确定下边界参数;
鉴于近地层风在很大程度上受到复杂地形、地貌的影响,为了更准确地预报近地层风场,首先综合利用卫星遥感观测数据结合实地考察,定量反演复杂下垫面地表特征参数,建立高分辨率地表数据集,为数值模式模拟确定下边界条件。
可选的,如图2所示,建立高分辨率地表数据集的过程具体包括以下内容:
S1011、获取数字地形高程模型、TM影像数据、土地利用类型、地表反照率、叶面积指数和植被覆盖指数;
数据获取的具体方式如下:收集研究区1km DEM数字地形高程模型数据、LandsatTM(美国陆地探测卫星系统产品TM影像数据,指美国陆地卫星4~5号专题制图仪(thematicmapper)所获取的地球多波段扫描影像数据)、NOAA/AVHRR(美国国家海洋大气局的第三代实用气象观测卫星NOAA携带的五光谱通道的扫描辐射仪AVHRR产品)和EOS/MODIS(美国地球观测系统计划卫星EOS系列卫星的中分辨率成像光谱仪MODIS产品)的土地利用类型、地表反照率、LAI、NDVI(植被覆盖指数)的原始资料。
其中,LUCC表示土地利用类型,DEM表示数字地形高程模型,Z0m表示地表动力学粗糙度,Z0h表示地表热力学粗糙度,LAI表示叶面积指数,VEGFRA表示植被覆盖度,Albedo表示地表反照率。
S1012、根据所述植被覆盖指数,得到植被覆盖度;
利用NDVI资料计算研究区地表植被覆盖度VEGFRA,获取研究区1km分辨率的VEGFRA区域分布;利用原始资料反演研究区地表反照率Albedo,获取研究区1km分辨率的Albedo区域分布。
S1013、对所述TM影像数据、地表反照率和叶面积指数进行剔除无效数据处理,得到TM影像数据、地表反照率和叶面积指数的有效数据;
S1014、根据所述TM影像数据、地表反照率和叶面积指数的有效数据修正土地利用类型;
对观测的地表反照率、LAI和叶面积指数数据中不合理数据进行相应处理,剔除掉数据中的无效数据,选择相关系数最好的测点和气象站为参考,根据不同季节,插补有效数据,再根据上述数据结合实地考察修正从卫星遥感资料中获得的土地利用类型。
S1015、根据所述修正后的土地利用类型、数字地形高程模型、TM影像数据的有效数据、地表反照率的有效数据、叶面积指数的有效数据和植被覆盖度,建立基础数据库;
S1016、确定WRF模式的地球投影类型、时间分辨率和空间分辨率;将所述基础数据库、WRF模式的地球投影类型、时间分辨率和空间分辨率进行数据转换处理,得到高分辨率地表数据集。
确定WRF模式的地球投影类型(这里选兰勃脱投影,LAMBERT投影),确定WRF模式模拟的时间分辨率和空间分辨率,将上述所得的不同投影、不同时间和空间分辨率的卫星遥感资料进行时间与空间分辨率插值以及空间投影转换,得到与WRF模式匹配的数据,建立高分辨率地表数据集。
本实施例中,WRF模式指的是中尺度天气预报模式,是由美国环境预测中心(NCEP)和美国国家大气研究中心(NCAR)等科研机构联合开发的新一代天气研究和预报模式;主要用于水平分辨率在1km到10km、从云尺度到天气尺度的预报或者模拟。
S102、根据所述下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数;
在进行风场模拟时,风场下垫面热力、动力学参数的影响十分重要。因此,需要确定下垫面动力、热力学参数,具体过程如下:
S1021、根据所述下边界参数,利用风洞试验,建立等比模型,与模拟风速对比,得到下垫面动力学粗糙度参数;
将利用风洞试验结合数值模拟需求开展风洞试验,确定适合典型风场模拟所需的下垫面热力、动力学特征参数。该研究将根据研究区的基本状况,建立合适的等比模型,测量和调整其动力学粗糙度等参数,与模拟的风速进行对比,最终确定适合的动力学粗糙度参数。
S1022、根据所述高分辨率地表数据集,利用涡动系统进行分析,得到下垫面热力学粗糙度参数。
热力学粗糙度参数的确定是通过在研究区布设涡动相关系统,根据获取的数据,即高分辨率地表数据集进行分析,确定研究区典型下垫面热力学粗糙度参数。
S103、获取观测数据;以及,根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用WRF模式进行风场模拟,建立WRF模拟预报系统;其中,所述观测数据包括:观测风场、气象数据和地理数据;
观测数据获取的方式如下:选择NCEP美国国家环境预报中心(National Centersfor Environmental Prediction)或者ECMWF欧洲中期天气预报中心(European Centrefor Medium-Range Weather Forecasts)数据网站,确定研究时段,获取与研究时段一致的气象数据和所需地理数据;其中,气象数据包括:温度、湿度、压强、风速、风向等;地理数据包括下垫面信息和地形高度等数据。
当观测数据确定之后,进行WRF模式模拟。WRF模式模拟流程包括WRF模式安装调试、模拟方案选择、低层边界条件输入、观测资料同化和风场输出与分析主要是风场比较与MOS订正。
其中,WRF模式(Weather Research and Forecasting Model,天气研究与预报模型)包括WPS模块(WRF Pre-processing System,WRF预处理系统)和WRF模块(数值求解模块)。
如图3所示,将WRF模式安装调试好后,利用WRF模式模拟风场,具体模拟过程如下:
S1031、根据嵌套模拟处理方法,确定模拟方案;
由于复杂山地大气湍流的多尺度特点,体现在精细LES(大涡模式模拟)模拟区域(研究区域)的侧向和顶部边界条件中,因此,本发明采用嵌套模拟处理复杂山区下垫面,即DEM、Z0m、Z0h采用根据风洞试验的分析结果。
该模拟方案的内容包括:将模拟区域根据地形复杂情况划分为重点区域和和非重点区域;在重点区域采用精细网格分辨山区地形,在非重点区域将山区地形植被作为粗糙元处理,采用较粗网格。
嵌套模型是针对计算量和模拟精度矛盾提出的折中方案,其优势在于既能够在重点关注的区域获得足够精细的结果,又具有适当的网格总量和计算量。例如,在垂直方向上模式分为27层(300米以下高度近地层设为10层),模拟顶层气压设为50hPa,时间步长为90s,每24h输出一次模拟结果。
模拟实验的微物理方案选择为Kessler方案。以一个简单的暖云降水方案为例,按照该方案考虑的微物理过程包括:雨水的产生、降落以及蒸发,云水的增长,以及由凝结产生云水的过程,微物理过程中显示预报水汽、云水和雨水,无冰相过程。
长波和短波辐射方案分别选择为RRTM方案和Dudhia方案。其中,RRTM方案为利用一个预先处理的对照表来表示水汽、臭氧、二氧化碳和其他气体,以及云的光学厚度引起的长波过程;Dudhia方案采用Dudhia的方法,简单地累加由于干净空气散射、水汽吸收、云反射和吸收所引起的太阳辐射通量。陆面过程选取为Noah参数化方案,Noah方案可以预报土壤结冰、积雪影响,提高处理城市地面的能力。
边界层方案选取为YSU方案,即Yonsei University方案,增加处理边界层顶部夹卷层的方法。积云参数化方案在粗网格区域采用Kain-Fritsch方案,即用一个简单地包含水汽抬升和下沉运动的云模式,包括卷出、卷吸、气流上升和气流下沉现象,细网格区域(格距小于5km)因分辨率过高而不采用积云参数方案。
S1032、根据下边界参数,对所述地表反照率、植被覆盖度和叶表面指数进行实时更新,利用所述模拟方案模拟风场分布;
下边界参数可体现WRF模式的下垫面特征,因此,将下边界参数输入WPS模块,并在WPS输出接口中将MODIS LAI、Albedo、VEGFRA进行实时更新,以模拟真实复杂地表过程影响下的风场分布。
S1033、利用WRF同化方法,对所述模拟后的风场分布进行同化观测数据处理,得到输出模拟风场;
观测数据的WRF同化方法为利用研究区内站点观测数据(包括风向、风速、温度、湿度)结合WRF-3Dvar(WRF-Variational Data Assimilation System,是与WRF模式配套的变分分析系统)的同化技术,即利用更多的描述大气真实状况的观测资料信息,获得与预报模式更匹配的模式初始值,实时同化观测资料,订正模式误差,得到输出模拟风场。
S1034、对比所述输出模拟风场和观测风场,利用订正处理方法,建立WRF模拟预报系统。
在得到输出模拟风场之后,要对输出结果进行分析,分析过程即为风场比较和模式订正过程。利用NCL(The NCAR Command Language,专门为科学数据处理以及数据可视化设计的高级语言)绘图软件,将WRF模式的输出模拟风场(包括风向、风速)与观测风场进行模式输出统计(MOS)线性回归方法进行订正。订正后的结果利用NCL进行统计,分析最大风速、风向不同季节分布概率,绘制不同季节近地层不同高度大风分布图。
通过绘制出的不同季节近地层不同高度大风分布图进一步分析不同时刻(夜间和白天)的主流风向,最大风速的统计分布特征,再结合实际地形和大尺度环流背景,验证模拟中考虑多尺度效应和多物理过程对模拟复杂地形和下垫面影响下大风分布的重要性。
可选的,建立WRF模拟预报系统的过程,具体包括:
S10341、根据降尺度模型,对所述输出模拟风场进行降尺度处理;
S10342、根据所述降尺度处理后的输出模拟风场和观测风场,利用线性回归方法进行对比,得到近地层大风分布图,建立WRF模拟预报系统。
利用CALMET微尺度模型,根据实际观测数据建立该WRF模型在复杂山地下垫面的模拟试验方案。
通过同化和订正处理后,输出大尺度和局地作用影响下的粗分辨率风场,然后输入小尺度模型进行降尺度研究,并结合观测数据进行客观订正分析,输出预报结果。
其中,输出的预报结果为高精度时空分辨率的风场,包括风向、风速等。
S104、根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用大涡模式进行湍流模拟,建立大涡模拟预报系统;
将研究区下垫面地形数据导入大涡模式(LEM,Large Eddy Model),即流体力学中的数值模拟研究方法。并结合复杂下垫面的壁面模型后进行研究区近地层风场模拟研究。其中,下垫面地形数据包括:观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数。
如图4所示,具体的模拟过程如下:
S1041、根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用一阶湍流闭合方案进行大气湍流模拟;
S1042、根据所述大气湍流模拟的结果得到多个湍流混合强度分布;
S1043、将多个所述湍流混合强度分布,利用三维大涡模式进行数值计算,得到微气象数据;其中,所述微气象数据包括温度、湿度、压强、风速和风向;
S1044、根据所述微气象数据建立大涡模拟预报系统。
具体地,考虑到扰动气压p对环流演变的响应,那么强迫环流演变的大尺度气压梯度又与地转风ug和vg有关,大涡模式还对水平风分量方程作了地转风假设,采用一阶湍流闭合方案进行大气湍流模拟研究。
大涡模式采用地形追随坐标,模拟高度为10km,模拟区域的上半部分,即4.6km到模式顶之间加入人工瑞利阻尼层以尽量减少反射。为了使近地面层内的动、热力过程得到较详尽的描述,模式在垂直方向取不等距分层。模式在水平方向采取等距网格,分辨率为500米。模式的水平侧边界条件采用的是周期边界,将研究区观测的风场数据作为模式初始驱动场,将观测的地表通量数据作为地表通量数据,并由预报方程给出地表温度。
大涡模式最终每半小时输出一次各种微气象数据,包括:温度、湿度、压强、风速和风向。
S105、根据所述WRF模拟预报系统和大涡模拟预报系统,建立风场精细化预测系统;
S106、根据所述风场精细化预测系统,得到近地层风场平均分布图。
将利用CALMET降尺度模型进行降尺度处理后的结果和大涡模式模拟的结果,以及结合观测数据进行对比和分析,相互补充,建立风场精细化预测系统,并得到研究区不同季节近地层风场平均分布图。此近地层风场平均分布图即为对近地层风的预报结果。
由以上技术方案可知,本发明实施例提供了一种复杂山地下垫面大风的模拟方法,采用WRF模式模拟和大涡模式模拟相结合的方法。一方面将复杂下垫面随时间演变的地表特征参数引入中尺度天气预报系统WRF,结合观测数据进一步同化和订正,输出粗分辨率风场,然后输入小尺度模型CALMET经由地形的动力学影响调整做进一步降尺度分析,再根据观测数据进行客观订正,从而输出高精度时空分辨率的风场。另一方面,则利用高分辨率的大涡模拟方法结合复杂下垫面地表数据开展大涡模拟研究,将复杂下垫面地表数据输入大涡模式,以WRF模式输出的高分辨率的风场作为初始场进行模拟,结合各种天气条件下,小尺度范围内地形以及下垫面非均匀区域上空的流场和各种气象参数的空间分布和时间演变的一般特征,并给出概念模型。将WRF模式模拟的输出结果和大涡模式模拟的输出的结果进行比较、相互补充和验证,建立风场精细化预测系统。本发明实施例提供的方法,数据获取更加可靠,可以实现复杂山地地貌近地层风的精准预报。本发明实施例提供的方法适用于有地形影响下、复杂下垫面、中、大尺度近地层和高层风的模拟和统计分析,还可适用于涉及风场分布的各类灾害的评估。
为了说明本实施例提供的方法所能取得的有益效果,下面结合具体实例进行举例说明。
参照图1所示的上述实施例提供的复杂山地下垫面的模拟方法,以云贵高原为研究区为例,在详细收集研究区域复杂下垫面卫星遥感数据的基础上,利用定量遥感反演技术,结合中尺度、微尺度模式及数据同化和大涡模拟技术,以精准预报云贵高原典型下垫面近地层风为模拟主线,结合仿真风洞试验,利用“遥感—模拟—同化—统计—风洞试验—理论”的综合分析方法,实现云贵高原典型下垫面大风的精准预报,并结合不同季节大尺度环流背景及局地热力、动力过程模拟典型微气象条件和大风的形成和演变机理。具体的模拟过程及结果如下:
(a)建立高分辨率地表数据集。
(1)获取研究区DEM数字地形高程模型、Landsat TM、NOAA/AVHRR和EOS/MODIS土地利用、地表反照率、LAI、NDVI和原始资料,建立基础资料数据库;
(2)利用NDVI资料计算研究区地表植被覆盖度;利用原始资料反演研究区地表反照率;野外观测包括地表反照率、LAI等,并结合实地考察修正土地利用类型。
(3)将上述资料与模式模拟进行时间插值及空间投影和分辨率转换,建立高分辨率地表数据集。
通过上述数据即可确定用于后序风场模拟的下边界参数。
(b)确定下垫面动力学粗糙度参数和热力学粗糙度参数。
(1)选择典型下垫面特征开展风洞试验研究,根据模式所需开展不同的风洞试验。
(2)结合下边界参数,通过计算确定适合云贵高原典型下垫面热力、动力学特征参数。
(c)研究区近地层风的WRF模式模拟。
(1)利用WRF模式对研究区近地层风进行模拟研究,依据观测数据建立适合本地区的WRF模拟试验方案,特别是对下垫面参数的率定和边界层参数化方案的选取。
(2)将a)中建立的复杂下垫面地表数据,即高分辨率地表数据集中的数据分别引入WRF模式中更新下边界参数,开展模拟试验并进行对比分析。
(3)利用观测数据,确定WRF-3DVAR同化技术模拟试验方案,并与(1)和(2)的研究结果进行对比。
(4)将(1)、(2)、(3)合并开展模拟试验,根据实际观测数据进行综合评估,建立研究区的WRF模拟预报系统。
(d)高精度风场模拟及动力降尺度处理。
(1)调试CALMET微尺度模型,根据实际观测数据建立该模型在云贵高原典型下垫面的模拟试验方案。
(2)将WRF输出的粗分辨率风场输入CALMET模型进行降尺度研究,并结合观测数据进行客观订正分析,输出预报结果。
(e)云贵高原复杂下垫面近地层风大涡模式模拟。
(1)将研究区域的下垫面地形数据导入ICEM-CFD软件进行计算域的生成以及网格的划分。
(2)选用合适的亚格子模型,由此可得到较为精确的大气边界层内的湍流混合强度的空间分布。
(3)将(2)所得到的湍流混合强度分布耦合到具有第一步所生成的边界形状的复杂计算域中的三维大涡模式OpenFOAM中,在添加适合复杂下垫面的壁面模型后进行数值计算。
(f)两种模拟方式的输出结果的比较及确定风场结果
(1)将利用CALMET和大涡模式模拟的结果,再结合观测数据进行对比和评估,相互补充,最终建立研究区风场精细化预测系统。
(2)根据上述风场精细化预测系统,得到研究区不同季节近地层风场平均分布图。
(g)云贵高原典型下垫面近地层风的形成演变机理研究。
(1)利用上述研究结果,结合复杂下垫面地表动力、热力过程设计不同的敏感性试验,分析大风产生的原因及其不同季节变化特征,参考大尺度环流背景,综合研究近地层风的形成和演变机理。
(2)基于上述研究结果,建立云贵高原典型下垫面近地层风的形成演变示意图。
如图5所示,本发明实施例还提供了一种复杂山地下垫面大风的模拟装置,用于执行上述实施例提供的方法,包括:
数据集建立模块1,用于建立高分辨率地表数据集,根据所述高分辨率地表数据集确定下边界参数;
参数确定模块2,用于根据所述下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数;
WRF模拟模块3,用于获取观测数据;以及,根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用WRF模式进行风场模拟,建立WRF模拟预报系统;其中,所述观测数据包括:观测风场、气象数据和地理数据;
大涡模拟模块4,用于根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用大涡模式进行湍流模拟,建立大涡模拟预报系统;
预测系统建立模块5,用于根据所述WRF模拟预报系统和大涡模拟预报系统,建立风场精细化预测系统;
平均分布图确定模块6,用于根据所述风场精细化预测系统,得到近地层风场平均分布图。
可选的,所述数据集建立模块1,包括:
数据获取单元,用于获取数字地形高程模型、TM影像数据、土地利用类型、地表反照率、叶面积指数和植被覆盖指数;
植被覆盖度确定单元,用于根据所述植被覆盖指数,得到植被覆盖度;
无效数据剔除单元,用于对所述TM影像数据、地表反照率和叶面积指数进行剔除无效数据处理,得到TM影像数据、地表反照率和叶面积指数的有效数据;
修正单元,用于根据所述TM影像数据、地表反照率和叶面积指数的有效数据修正土地利用类型;
数据库建立单元,用于根据所述修正后的土地利用类型、数字地形高程模型、TM影像数据的有效数据、地表反照率的有效数据、叶面积指数的有效数据和植被覆盖度,建立基础数据库;
数据集建立单元,用于确定WRF模式的地球投影类型、时间分辨率和空间分辨率;将所述基础数据库、WRF模式的地球投影类型、时间分辨率和空间分辨率进行数据转换处理,得到高分辨率地表数据集。
可选的,所述参数确定模块2,包括:
动力学参数确定单元,用于根据所述下边界参数,利用风洞试验,建立等比模型,与模拟风速对比,得到下垫面动力学粗糙度参数;
热力学参数确定单元,用于根据所述高分辨率地表数据集,利用涡动系统进行分析,得到下垫面热力学粗糙度参数。
可选的,所述WRF模拟模块3,包括:
模拟方案确定单元,用于根据嵌套模拟处理方法,确定模拟方案;
风场模拟单元,用于根据下边界参数,对所述地表反照率、植被覆盖度和叶表面指数进行实时更新,利用所述模拟方案模拟风场分布;
同化单元,用于利用WRF同化方法,对所述模拟后的风场分布进行同化观测数据处理,得到输出模拟风场;
WRF模拟预报系统建立单元,用于对比所述输出模拟风场和观测风场,利用订正处理方法,建立WRF模拟预报系统。
可选的,所述WRF模拟预报系统建立单元包括:
降尺度子单元,用于根据降尺度模型,对所述输出模拟风场进行降尺度处理;
WRF模拟预报系统建立子单元,用于根据所述降尺度处理后的输出模拟风场和观测风场,利用线性回归方法进行对比,得到近地层大风分布图,建立WRF模拟预报系统。
可选的,所述大涡模拟模块4,包括:
湍流模拟单元,用于根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用一阶湍流闭合方案进行大气湍流模拟;
湍流混合强度分布确定单元,用于根据所述大气湍流模拟的结果得到多个湍流混合强度分布;
计算单元,用于将多个所述湍流混合强度分布,利用三维大涡模式进行数值计算,得到微气象数据;其中,所述微气象数据包括温度、湿度、压强、风速和风向;
大涡模拟预报系统建立单元,用于根据所述微气象数据建立大涡模拟预报系统。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于复杂山地下垫面大风的模拟装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
Claims (10)
1.一种复杂山地下垫面大风的模拟方法,其特征在于,包括:
建立高分辨率地表数据集,根据所述高分辨率地表数据集确定下边界参数;
根据所述下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数;
获取观测数据;以及,根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用WRF模式进行风场模拟,建立WRF模拟预报系统;其中,所述观测数据包括:观测风场、气象数据和地理数据;
根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用大涡模式进行湍流模拟,建立大涡模拟预报系统;
根据所述WRF模拟预报系统和大涡模拟预报系统,建立风场精细化预测系统;
根据所述风场精细化预测系统,得到近地层风场平均分布图。
2.根据权利要求1所述的方法,其特征在于,所述建立高分辨率地表数据集的过程包括:
获取数字地形高程模型、TM影像数据、土地利用类型、地表反照率、叶面积指数和植被覆盖指数;
根据所述植被覆盖指数,得到植被覆盖度;
对所述TM影像数据、地表反照率和叶面积指数进行剔除无效数据处理,得到TM影像数据、地表反照率和叶面积指数的有效数据;
根据所述TM影像数据、地表反照率和叶面积指数的有效数据修正土地利用类型;
根据所述修正后的土地利用类型、数字地形高程模型、TM影像数据的有效数据、地表反照率的有效数据、叶面积指数的有效数据和植被覆盖度,建立基础数据库;
确定WRF模式的地球投影类型、时间分辨率和空间分辨率;将所述基础数据库、WRF模式的地球投影类型、时间分辨率和空间分辨率进行数据转换处理,得到高分辨率地表数据集。
3.根据权利要求1所述的方法,其特征在于,所述根据下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数的过程,包括:
根据所述下边界参数,利用风洞试验,建立等比模型,与模拟风速对比,得到下垫面动力学粗糙度参数;
根据所述高分辨率地表数据集,利用涡动系统进行分析,得到下垫面热力学粗糙度参数。
4.根据权利要求1所述的方法,其特征在于,所述利用WRF模式进行风场模拟的过程,包括:
根据嵌套模拟处理方法,确定模拟方案;
根据下边界参数,对地表反照率、植被覆盖度和叶表面指数进行实时更新,利用所述模拟方案模拟风场分布;
利用WRF同化方法,对所述模拟后的风场分布进行同化观测数据处理,得到输出模拟风场;
对比所述输出模拟风场和观测风场,利用订正处理方法,建立WRF模拟预报系统。
5.根据权利要求4所述的方法,其特征在于,所述建立WRF模拟预报系统的过程,包括:
根据降尺度模型,对所述输出模拟风场进行降尺度处理;
根据所述降尺度处理后的输出模拟风场和观测风场,利用线性回归方法进行对比,得到近地层大风分布图,建立WRF模拟预报系统。
6.根据权利要求1所述的方法,其特征在于,所述利用大涡模式进行湍流模拟,建立大涡模拟预报系统的过程,包括:
根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用一阶湍流闭合方案进行大气湍流模拟;
根据所述大气湍流模拟的结果得到多个湍流混合强度分布;
将多个所述湍流混合强度分布,利用三维大涡模式进行数值计算,得到微气象数据;其中,所述微气象数据包括温度、湿度、压强、风速和风向;
根据所述微气象数据建立大涡模拟预报系统。
7.一种复杂山地下垫面大风的模拟装置,其特征在于,包括:
数据集建立模块,用于建立高分辨率地表数据集,根据所述高分辨率地表数据集确定下边界参数;
参数确定模块,用于根据所述下边界参数,确定下垫面动力学粗糙度参数和热力学粗糙度参数;
WRF模拟模块,用于获取观测数据;以及,根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用WRF模式进行风场模拟,建立WRF模拟预报系统;其中,所述观测数据包括:观测风场、气象数据和地理数据;
大涡模拟模块,用于根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用大涡模式进行湍流模拟,建立大涡模拟预报系统;
预测系统建立模块,用于根据所述WRF模拟预报系统和大涡模拟预报系统,建立风场精细化预测系统;
平均分布图确定模块,用于根据所述风场精细化预测系统,得到近地层风场平均分布图。
8.根据权利要求7所述的装置,其特征在于,所述WRF模拟模块,包括:
模拟方案确定单元,用于根据嵌套模拟处理方法,确定模拟方案;
风场模拟单元,用于根据下边界参数,对地表反照率、植被覆盖度和叶表面指数进行实时更新,利用所述模拟方案模拟风场分布;
同化单元,用于利用WRF同化方法,对所述模拟后的风场分布进行同化观测数据处理,得到输出模拟风场;
WRF模拟预报系统建立单元,用于对比所述输出模拟风场和观测风场,利用订正处理方法,建立WRF模拟预报系统。
9.根据权利要求8所述的装置,其特征在于,所述WRF模拟预报系统建立单元包括:
降尺度子单元,用于根据降尺度模型,对所述输出模拟风场进行降尺度处理;
WRF模拟预报系统建立子单元,用于根据所述降尺度处理后的输出模拟风场和观测风场,利用线性回归方法进行对比,得到近地层大风分布图,建立WRF模拟预报系统。
10.根据权利要求7所述的装置,其特征在于,所述大涡模拟模块,包括:
湍流模拟单元,用于根据所述观测数据、高分辨率地表数据集、下边界参数、下垫面动力学粗糙度参数和热力学粗糙度参数,利用一阶湍流闭合方案进行大气湍流模拟;
湍流混合强度分布确定单元,用于根据所述大气湍流模拟的结果得到多个湍流混合强度分布;
计算单元,用于将多个所述湍流混合强度分布,利用三维大涡模式进行数值计算,得到微气象数据;其中,所述微气象数据包括温度、湿度、压强、风速和风向;
大涡模拟预报系统建立单元,用于根据所述微气象数据建立大涡模拟预报系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710588312.2A CN107390298B (zh) | 2017-07-19 | 2017-07-19 | 一种复杂山地下垫面大风的模拟方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710588312.2A CN107390298B (zh) | 2017-07-19 | 2017-07-19 | 一种复杂山地下垫面大风的模拟方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107390298A CN107390298A (zh) | 2017-11-24 |
CN107390298B true CN107390298B (zh) | 2019-10-01 |
Family
ID=60339353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710588312.2A Active CN107390298B (zh) | 2017-07-19 | 2017-07-19 | 一种复杂山地下垫面大风的模拟方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107390298B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977346B (zh) * | 2017-12-28 | 2023-06-09 | 北京金风慧能技术有限公司 | 用于对区域风场进行风速预报的方法和装置 |
CN108363882B (zh) * | 2018-03-06 | 2021-10-15 | 中国能源建设集团江苏省电力设计院有限公司 | 一种基于动力降尺度模式的山区输电线路设计风速推算方法 |
CN108647398B (zh) * | 2018-04-17 | 2020-07-10 | 华中科技大学 | 喀斯特地貌下孤立山峰上空风场模拟范围选取方法 |
CN109165476A (zh) * | 2018-10-16 | 2019-01-08 | 广东电网有限责任公司 | 一种模块化风场模型的建模方法及风场模拟方法 |
CN109543907B (zh) * | 2018-11-23 | 2020-08-21 | 华润电力技术研究院有限公司 | 一种复杂地形风资源评估方法及其装置 |
CN109946765B (zh) * | 2019-04-02 | 2021-05-07 | 上海电气风电集团股份有限公司 | 风电场的流场的预测方法和系统 |
CN110058329B (zh) * | 2019-04-22 | 2020-12-22 | 山东省气象科学研究所 | 一种气象要素智能网格预报产品空间降尺度方法 |
CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
CN110298114B (zh) * | 2019-07-02 | 2022-05-27 | 中国气象局上海台风研究所 | 一种风场动力降尺度方法及存储介质 |
CN110321642B (zh) * | 2019-07-09 | 2022-04-26 | 中国气象局上海台风研究所 | 一种改进运动学效应的台风近地面风场模拟方法 |
CN110618473A (zh) * | 2019-10-09 | 2019-12-27 | 北京北科融智云计算科技有限公司 | 一种即时气象情报保障方法 |
EP3816885A1 (en) * | 2019-10-28 | 2021-05-05 | Siemens Gamesa Renewable Energy Innovation & Technology, S.L. | Method for computer-implemented forecasting of wind phenomena with impact on a wind turbine |
CN112613529A (zh) * | 2019-12-25 | 2021-04-06 | 北京金风慧能技术有限公司 | 获取最优地表类型数据集配置的方法和设备 |
CN111563354B (zh) * | 2020-06-10 | 2020-10-16 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种基于数值模拟的结冰风洞试验相似转换方法 |
CN112001090A (zh) * | 2020-08-31 | 2020-11-27 | 南京创蓝科技有限公司 | 一种风场数值模拟方法 |
CN112149302B (zh) * | 2020-09-24 | 2022-01-21 | 广东电网有限责任公司电力科学研究院 | 一种基于非均匀下垫面的台风建模方法及相关装置 |
CN112149365B (zh) * | 2020-09-29 | 2023-06-30 | 华能新能源股份有限公司 | 一种微尺度风模型系统及方法 |
CN112487649A (zh) * | 2020-12-01 | 2021-03-12 | 国网湖南省电力有限公司 | 输电通道雷电潜势预报方法及系统 |
CN112630864B (zh) * | 2020-12-10 | 2022-11-22 | 中国人民解放军63796部队 | 一种高分辨率高空风的短期预报方法 |
CN115146564A (zh) * | 2022-08-02 | 2022-10-04 | 上海市气候中心(上海区域气候中心) | 基于垂直分层降尺度技术的城市地面风速精细化模拟方法 |
CN115755220B (zh) * | 2022-10-21 | 2023-07-25 | 中国民用航空飞行学院 | 基于数值模拟与深度学习结合的机场突风预报和订正方法 |
CN115994496B (zh) * | 2022-12-02 | 2024-03-12 | 上海师范大学 | 城市公园高分辨率大气co2浓度三维场的数值模拟方法 |
CN116068672B (zh) * | 2023-03-06 | 2023-06-16 | 南京信息工程大学 | 一种动力与统计降尺度相结合的山区气温精细化预报方法 |
CN116738877A (zh) * | 2023-05-23 | 2023-09-12 | 上海勘测设计研究院有限公司 | 基于地形数据的局地动力降尺度大涡模拟方法及系统 |
CN116842737B (zh) * | 2023-07-06 | 2024-02-23 | 上海勘测设计研究院有限公司 | 基于数值模式的地形云模拟方法及系统 |
CN117077558A (zh) * | 2023-07-18 | 2023-11-17 | 西南林业大学 | 一种时空精细化的风速场构建方法 |
CN116663432B (zh) * | 2023-07-28 | 2023-10-27 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种百米高度风速预报订正降尺度方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007017316A (ja) * | 2005-07-08 | 2007-01-25 | Toshiba Corp | 気象情報提供システム |
CN102930177A (zh) * | 2012-11-23 | 2013-02-13 | 南京信息工程大学 | 一种基于精细边界层模式的复杂地形风电场风速预测方法 |
CN104951999A (zh) * | 2015-06-15 | 2015-09-30 | 中国建筑设计咨询有限公司 | 一种基于地形拟合与cfd的山地光伏电站风压计算方法 |
CN105224715A (zh) * | 2015-09-01 | 2016-01-06 | 国网浙江省电力公司经济技术研究院 | 一种山区地貌下强风三维脉动风场综合模拟方法 |
CN105608326A (zh) * | 2015-12-31 | 2016-05-25 | 长沙理工大学 | 一种山区复杂地形风场大涡模拟入口边界条件输入方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2015182142A1 (ja) * | 2014-05-28 | 2017-06-15 | メトロウェザー株式会社 | 気象予報システム |
US20160203245A1 (en) * | 2015-01-14 | 2016-07-14 | State Grid Corporation Of China | Method for simulating wind field of extreme arid region based on wrf |
-
2017
- 2017-07-19 CN CN201710588312.2A patent/CN107390298B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007017316A (ja) * | 2005-07-08 | 2007-01-25 | Toshiba Corp | 気象情報提供システム |
CN102930177A (zh) * | 2012-11-23 | 2013-02-13 | 南京信息工程大学 | 一种基于精细边界层模式的复杂地形风电场风速预测方法 |
CN104951999A (zh) * | 2015-06-15 | 2015-09-30 | 中国建筑设计咨询有限公司 | 一种基于地形拟合与cfd的山地光伏电站风压计算方法 |
CN105224715A (zh) * | 2015-09-01 | 2016-01-06 | 国网浙江省电力公司经济技术研究院 | 一种山区地貌下强风三维脉动风场综合模拟方法 |
CN105608326A (zh) * | 2015-12-31 | 2016-05-25 | 长沙理工大学 | 一种山区复杂地形风场大涡模拟入口边界条件输入方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107390298A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107390298B (zh) | 一种复杂山地下垫面大风的模拟方法及装置 | |
Beyrich et al. | Evaporation over a heterogeneous land surface: EVA_GRIPS and the LITFASS-2003 experiment—an overview | |
Andre et al. | Evaporation over land-surfaces: First results from HAPEX-MOBILHY special observing period | |
Liu et al. | Improving simulation of soil moisture in China using a multiple meteorological forcing ensemble approach | |
Mao et al. | Coupled LAI assimilation and BEPS model for analyzing the spatiotemporal pattern and heterogeneity of carbon fluxes of the bamboo forest in Zhejiang Province, China | |
Mohan et al. | WRF model performance analysis for a suite of simulation design | |
Zhong et al. | Estimation of hourly land surface heat fluxes over the Tibetan Plateau by the combined use of geostationary and polar-orbiting satellites | |
Ma et al. | Characteristics and numerical simulations of extremely large atmospheric boundary-layer heights over an arid region in north-west China | |
Hamdi et al. | Evaluating the performance of SURFEXv5 as a new land surface scheme for the ALADINcy36 and ALARO-0 models | |
CN105912836A (zh) | 一种纯遥感数据驱动的流域水循环模拟方法 | |
CN110427594A (zh) | 适合小型实验室的气象要素数据获取系统 | |
Pérez-Landa et al. | Mesoscale circulations over complex terrain in the Valencia coastal region, Spain–Part 1: Simulation of diurnal circulation regimes | |
CN110334404A (zh) | 一种流域尺度骤发干旱精准识别方法 | |
Tymvios et al. | Intercomparison of boundary layer parameterizations for summer conditions in the eastern Mediterranean island of Cyprus using the WRF-ARW model | |
Vionnet et al. | Wintertime subkilometer numerical forecasts of near-surface variables in the Canadian Rocky Mountains | |
Liu et al. | Wind dynamics over a highly heterogeneous oasis area: An experimental and numerical study | |
Wang et al. | Evaluation of five planetary boundary layer schemes in WRF over China's largest semi-fixed desert | |
Zhang et al. | Spatiotemporal patterns and drivers of net primary production in the terrestrial ecosystem of the Dajiuhu Basin, China, between 1990 and 2018 | |
Mihailović et al. | A sensitivity study of a coupled soil-vegetation boundary-layer scheme for use in atmospheric modeling | |
Pigeon et al. | Urban thermodynamic island in a coastal city analysed from an optimized surface network | |
Durán et al. | Multi-scale evaluation of a linear model of orographic precipitation over Sierra de Guadarrama (Iberian Central System) | |
Dolman et al. | Detecting regional variability in sources and sinks of carbon dioxide: a synthesis | |
Bliefernicht et al. | Field-and Simulation Experiments for the Investigating regional Land-Atmosphere Interactions within the West Africa: experimental set-up and first results | |
CN112632799B (zh) | 输电线路设计风速取值方法及装置 | |
da Silveira et al. | Observational Investigation of the Statistical Properties of Surface-Layer Turbulence in a Suburban Area of São Paulo, Brazil: Objective Analysis of Scaling-Parameter Accuracy and Uncertainties |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |