CN110516279B - 基于经验订正的风浪流耦合海洋环境数值预报方法 - Google Patents
基于经验订正的风浪流耦合海洋环境数值预报方法 Download PDFInfo
- Publication number
- CN110516279B CN110516279B CN201910533456.7A CN201910533456A CN110516279B CN 110516279 B CN110516279 B CN 110516279B CN 201910533456 A CN201910533456 A CN 201910533456A CN 110516279 B CN110516279 B CN 110516279B
- Authority
- CN
- China
- Prior art keywords
- ocean
- mode
- time
- coupling
- wave
- 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
- 238000010168 coupling process Methods 0.000 title claims abstract description 58
- 230000008878 coupling Effects 0.000 title claims abstract description 55
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 55
- 238000012937 correction Methods 0.000 title claims abstract description 26
- 238000013277 forecasting method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000004364 calculation method Methods 0.000 claims abstract description 29
- 238000012950 reanalysis Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 11
- 238000011160 research Methods 0.000 claims abstract description 9
- 125000004122 cyclic group Chemical group 0.000 claims abstract description 8
- 230000004907 flux Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- YZCKVEUIGOORGS-IGMARMGPSA-N Protium Chemical compound [1H] YZCKVEUIGOORGS-IGMARMGPSA-N 0.000 claims description 3
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 claims description 3
- 230000003746 surface roughness Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- YZCKVEUIGOORGS-OUBTZVSYSA-N Deuterium Chemical compound [2H] YZCKVEUIGOORGS-OUBTZVSYSA-N 0.000 claims 1
- 230000010354 integration Effects 0.000 description 6
- 230000001808 coupling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Complex Calculations (AREA)
Abstract
本发明提供了基于经验订正的风浪流耦合海洋环境数值预报方法，包括：收集研究区域大气和海洋的再分析场数据；将大气模式、海流模式和海浪模式在线耦合，构建大气海洋耦合数值模型；采用变影响半径的Barnes插值方法实现各模式之间相关变量在每个计算时间步的交换；构建大气模式、海流模式和海浪模式的初始场和时变开边界条件；实时获取大气、海流和海浪的观测数据，大气海洋耦合数值模型利用循环3DVAR的同化方法同化观测数据得到同化后模拟值；统计各观测点处观测值与同化后模拟值在耦合预报前一段时间内的时间平均误差，构造经验订正场，并与预报初始时刻的模拟结果相加，构造更加精确的预报初始场；用大气海洋耦合数值模型开展数值预报，得到风浪流预报结果。
Description
技术领域
本发明涉及海洋环境预报领域，具体涉及基于经验订正的风浪流耦合海洋环境数值预报方法。
背景技术
海洋环境数值预报指通过大气和海洋数值模式，使用各种数值预报方法获得的各类预报产品。海上气象环境诡谲莫测，发展海洋经济首先应当对海洋气象环境有一个基本的了解，许多海洋产业的开展都需要提前预知未来一段时间的海洋气象环境。因此，目前市场上对海洋环境数值预报产品的需求愈来愈大，同时也对预报产品的精准程度提出了更高的要求。如今的预报产品除了满足近海粗分辨率的天气预报外，还应当能对海上溢油的跟踪预测、海上搜救目标的漂移预测以及远洋导航等业务提供精细化预报服务。
目前我国市面上主流的海洋环境数值预报产品主要是由风浪流耦合数值预报模式得到的。传统的风浪流耦合数值预报模式在两个方面做得有所欠缺，一方面在耦合过程采用的是一些普通的插值方法，这类插值方法在耦合模式交换变量的过程中未能考虑变量的物理意义和时空尺度，模式耦合效果不甚理想；另一方面现有预报模式，并未考虑同化后模拟值存在的数值离散误差，使得构建出的模式初始场精确度有限。
在此背景下，如何发明一种可以提升风浪流耦合模式的耦合效果，并采取一些手段进一步提高模式初始场精确度，进而提高耦合模式数值预报精度的技术，是本发明主要解决的技术问题。
发明内容
本发明要解决的技术问题在于，针对上述目前现有风浪流耦合数值预报模式中存在的模式耦合效果不理想、模式误差对初始场精确度影响较大的技术问题，提供基于经验订正的风浪流耦合海洋环境数值预报方法解决上述技术缺陷。
基于经验订正的风浪流耦合海洋环境数值预报方法，包括：
S1、收集研究区域大气和海洋的再分析场数据，构建研究区域的大气海洋环境数据库；
S2、将大气模式、海流模式和海浪模式在线耦合，构建大气海洋耦合数值模型；大气海洋耦合数值模型中采用变影响半径的Barnes插值方法实现各模式之间相关变量在每个计算时间步的交换；
S3、以大气海洋环境数据库中的再分析场为基础，构建大气模式、海流模式和海浪模式的初始场和时变开边界条件；
S4、实时获取大气、海流和海浪的观测数据，大气海洋耦合数值模型利用循环3DVAR的同化方法同化上述观测数据，进一步提高数值模拟精度，得到同化后模拟值；
S5、统计各观测点处观测值与同化后模拟值在耦合预报前一段时间内的时间平均误差，构造经验订正场，并将经验订正场与步骤S4所得到的同化后模拟值相加，构造更加精确的预报初始场；
S6、用大气海洋耦合数值模型开展数值预报，得到风浪流预报结果。
进一步的，步骤S1中大气再分析场数据包括CFSR、NCEP数据，海洋再分析场数据包括SODA、OFES数据。
进一步的，步骤S2中大气模式采用大气中尺度模式WRF，垂直坐标采取地形追随的静力气压坐标，采用Arakawa C型水平和垂直交错网格，时间积分采用完全时间分裂格式，外循环Runge-Kutta技术采用大时间步长，内循环为声波时间积分，可以允许较大的时间步长，在保证积分稳定性的情况下缩短计算时间；
海流模式采用美国麻省大学与伍兹霍尔海洋研究所联合研发的海洋数值模型FVCOM；
海浪模式采用国际上非常先进的第三代SWAN模式；
在每一个耦合模拟时间步中，大气模式将海面风场、动量通量和热量通量变量传递给海流模式FVCOM，将海面风场变量传递给海浪模式；海浪模式传递混合系数和波浪诱导应力变量给海流模式，传递海面粗糙度变量给大气模式；海流模式传递海表面温度变量给大气模式，传递海洋流场和水位变量给海浪模式。
进一步的，步骤S2中变影响半径的Barnes插值方法实现各模式之间相关变量在每个计算时间步的交换的方法是：
式中，
表示待插值变量
在输出模式中排序后格点k1上的值，
表示该变量经插值后在输入模式中网格点(i,j)上的值，N1表示参与插值计算的格点总数，其值取决于影响半径的大小；
表示格点k1对应网格点(i,j)的距离权重系数，距离权重系数表示为如下公式：
式中，R表示以网格点(i,j)为圆心的影响半径；r1表示格点k1与网格点(i,j)之间的距离；
其中，变影响半径的含义为：考虑到该变量的物理意义和时空尺度，给定影响半径初值和参与计算的格点数最小值N1；如果在此半径范围内，若存在N1个及以上格点，可以直接用Barnes插值公式；如果此半径范围内格点数小于N1个，需扩大影响半径，每次增加5％，直到至少有N1个格点参与计算，此时的影响半径即为网格点(i,j)最终的影响半径。
进一步的，步骤S4中循环3DVAR的同化方法具体包括：
加长同化时段，在一个长时段内进行多次3DVAR同化，用前一次3DVAR同化的结果作为大气海洋耦合数值模型的初始场，然后大气海洋耦合数值模型进行数值计算，直到下次同化时刻，又对新的观测数据进行一次3DVAR同化，如此重复，直到最后一次3DVAR同化。
进一步的，步骤S5中统计各观测点处观测值与同化后模拟值在耦合预报前一段时间内的时间平均误差的方法是：
式中，假设Pk2表示预报区域内tm时刻第k2个观测点处的变量观测值；Q(ki,kj)表示tm时刻该变量对应模式中距离观测点k2最近网格点的变量同化后模拟值，ki、kj分别为该最近网格点的经度、纬度坐标；
表示tm时刻观测点k2处观测值与同化后模拟值间的误差；
对观测点k2耦合预报前一段时间内获得的全部误差值取均值，得到该观测点处的时间平均误差值
时间平均误差值定义如下：
其中，
为tm时刻的误差值，n为k2号观测点在该段时间累计获得观测数据的总次数。
进一步的，步骤S5中构造经验订正场的方法是：采用变影响半径的Cressman插值方法将所有观测点的时间平均误差值插值到对应模式的空间网格中，由此得到各模式物理变量的经验订正场，变影响半径Cressman插值方法的含义表现为如下公式：
式中，
表示某变量在观测点k2处的时间平均误差值；
表示该变量的时间平均误差经插值后所得模式中网格点(i，j)处的经验订正值，i、j分别表示该网格点的经向、纬向坐标；N2表示参与插值计算的观测点数量，其值取决于影响半径的大小；
表示观测点k2对应于网格点(i，j)的距离权重系数，距离权重系数表示为如下公式：
式中，R表示以网格点(i，j)为圆心的影响半径；r2表示观测点k2与网格点(i，j)间的距离。
与现有技术相比，本发明优势在于：不同于传统的风浪流耦合海洋数值预报中只采用常规插值手段交换耦合变量，本发明提出了采用变影响半径Barnes插值方法进行耦合变量的交换，该插值方法充分考虑了变量的物理意义和时空尺度，可进一步提高各模式的耦合效果；针对传统数值预报模式中，数值离散误差对初始场准确度存在一定影响的问题，提出了通过统计观测数据与同化后模拟值在耦合预报前一段时间的平均误差值，构建经验订正场，利用经验订正场对模式初始场进行订正，有效地提高了模式初始场的精确度。本发明结合这两方面的优势，有效的提高了数值预报的精确度。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1为本发明基于经验订正的风浪流耦合海洋环境数值预报方法流程图；
图2为本发明所提出的耦合过程中各模式交换耦合变量示意图；
图3为本发明所涉及的插值方法中影响半径以及格点距离示意图；
图4为本发明所提出的循环3DVAR同化方法流程示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1所示，基于经验订正的风浪流耦合海洋环境数值预报方法，包括：
S1、收集研究区域的大气和海洋再分析场数据，构建研究区域的大气海洋环境数据库。
大气和海洋的再分析场数据包括CFSR、NCEP等数据，海洋再分析场数据包括SODA、OFES等数据。
S2、将大气模式、海流模式和海浪模式在线耦合，构建大气海洋耦合数值模型；耦合过程中，考虑到不同模式的空间网格差异，采用变影响半径的Barnes插值方法实现各模式之间相关变量在每个计算时间步的交换。
大气模式采用大气中尺度模式WRF，该模式是一个完全可压、非静力模式，控制方程组都写为通量形式。垂直坐标采取地形追随的静力气压坐标。采用Arakawa C型水平和垂直交错网格，有利于在高分辨率模拟中提高准确性。时间积分采用完全时间分裂格式，外循环Runge-Kutta技术采用大时间步长，内循环为声波时间积分，可以允许较大的时间步长，在保证积分稳定性的情况下缩短计算时间。
海流模式采用美国麻省大学与伍兹霍尔海洋研究所联合研发的海洋数值模型FVCOM，该模式主要针对近海和河口潮汐环流，其最大的特色和优点是结合了有限元法易拟合边界、局部加密的优点和有限差分法便于离散计算海洋原始方程组的优点。
海浪模式采用国际上非常先进的第三代SWAN模式。SWAN模式采用基于能量守恒原理的平衡方程，首先SWAN模式选用了全隐式的有限差分格式，无条件稳定，使计算空间网格和时间步长上不会受到牵制；其次在平衡方程的各源项中，除了风输入、四波相互作用、破碎和摩擦项等，还考虑了深度破碎的作用和三波相互作用。此外，SWAN模式的网格也由矩形网格过渡到了三角有限元网格。SWAN模式考虑了较多的物理过程，包含了当前海浪预报研究的最新成果。
如图2所示在每一个耦合模拟时间步中，大气模式将海面风场、动量通量、热量通量等变量传递给海流模式，将海面风场等变量传递给海浪模式；海浪模式传递混合系数、波浪诱导应力等变量给海流模式，传递海面粗糙度等变量给大气模式；海流模式传递海表面温度等变量给大气模式，传递海洋流场、水位等变量给海浪模式。
如图3所示，变影响半径Barnes插值实现相关变量在每个计算时间步交换的方法是：考虑到不同模式间网格划分和网格分辨率的差异，采用变影响半径的Barnes插值方法完成变量在不同模式网格间的插值，以大气模式将动量通量传递给海流模式为例，Barnes插值方法的含义表现为如下公式：
式中，
表示待插值的动量通量变量在大气模式中排序后格点k1上的值；
表示海流模式中某网格点经插值后输入的动量通量值，i、j分别表示该网格点的经向、纬向坐标，用坐标(i,j)指代该网格点；N1表示参与插值计算的大气模式网格格点总数，其值取决于影响半径的大小；
表示格点k1对应于海流模式网格格点(i,j)的距离权重系数，距离权重系数表示为如下公式：
式中，R表示以海流模式网格格点(i,j)为圆心的影响半径；r1表示大气模式网格格点k1与格点(i,j)间的距离；
其中，变影响半径的含义为：考虑到大气动量通量变量的物理意义和时空尺度，给定影响半径初值和参与计算的大气模式网格格点数最小值N1；如果在此半径范围内，大气模式网格中存在N1个及以上格点，可以直接用Barnes插值公式；如果此半径范围内格点数小于N1个，需扩大影响半径，每次增加5％，直到至少有N1个格点参与计算，此时的影响半径即为格点(i,j)最终的影响半径。
S3、以大气海洋环境数据库中的再分析场为基础，构建大气模式、海流模式和海浪模式的初始场和时变开边界条件。
S4、实时获取大气、海流和海浪的观测数据，大气海洋耦合数值模型利用循环3DVAR的同化方法同化上述观测数据，进一步提高数值模拟精度，得到同化后模拟值。
如图4所示，3DVAR是一种先进的3维变分同化技术，能充分有效地将各种资料信息同化到模式初始场中，为模式提供更高质量的初值，达到明显改进数值预报质量的目的。由于单次同化时间较短，对于研究海域而言，单时次3DVAR一般只能利用到很少的非常规观测数据,为了同化更多的非常规观测数据,这里采用循环3DVAR的方法进行数据同化。以大气中尺度模式WRF为例，循环3DVAR方法的基本思路是：
加长同化时段，在一个长时段内进行多次3DVAR同化。用前一次3DVAR同化的结果作为WRF模式的初始场，然后WRF模式进行通量计算，直到下次同化时刻，又对新的观测数据进行一次3DVAR同化，如此重复，直到最后一次3DVAR同化。循环3DVAR同化方法一方面增长了同化时段，使得预报模式能够同化更多的非常规观测数据，另一方面扩展的同化时段恰好可供模式进行动力调整，从而有效地消除spin-up现象。
S5、统计各观测点处观测值与同化后模拟值在耦合预报前一段时间内的时间平均误差，构造经验订正场，并将经验订正场与步骤S4所得到的同化后模拟值相加，构造更加精确的预报初始场。
统计时间平均误差的方法是：以大气模式海面风场为例，这里我们定义：
式中，假设Pk2表示预报区域内tm时刻第k2个观测点处的海面风场观测值；Q(ki,kj)表示tm时刻大气模式网格中距离观测点k2最近格点的海面风场同化后模拟值，ki、kj分别为该最近格点的经度、纬度坐标；
表示tm时刻观测点k2处观测值与同化后模拟值间的误差。
对观测点k2耦合预报前一段时间内获得的全部误差值取均值，得到该观测点处的时间平均误差值
时间平均误差值定义如下：
其中，
为tm时刻的误差值，n为k2号观测点在该段时间获得观测数据的总次数。
构造经验订正场的方法是：由于观测点数量有限，采用变影响半径的Cressman插值方法将所有观测点的时间平均误差值插值到对应模式的空间网格中，由此得到各模式物理变量的经验订正场。以将海流流场的时间平均误差值插入到整个海流模式网格中为例，变影响半径Cressman插值方法的含义表现为如下公式：
式中，
表示网格点(i，j)附近观测点k2的海流流场时间平均误差值；
表示海流流场时间平均误差经插值后所得海流模式中网格点(i，j)处的经验订正值，i、j分别表示该网格点的经向、纬向坐标；N2表示参与插值计算的观测点数量，其值取决于影响半径的大小；
表示观测点k2对应于网格点(i，j)的距离权重系数，距离权重系数表示为如下公式：
式中，R表示以网格点(i，j)为圆心的影响半径；r2表示观测点k2与网格点(i，j)间的距离。
其中，变影响半径表现为：考虑到海流流场的物理意义和观测点分布的时空尺度，给定影响半径初值和参与计算的最少观测点数N；如果在此范围内，网格中存在N个及以上观测点，可以直接用Cressman插值公式；如果此范围内观测数小于N个，需扩大影响半径，每次增加5％，直到至少有N个观测点参与计算，此时的影响半径即为格点(i，j)最终的影响半径。
S6、用大气海洋耦合数值模型开展数值预报，得到风浪流预报结果。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (7)
1.基于经验订正的风浪流耦合海洋环境数值预报方法，其特征在于，包括：
S1、收集研究区域大气和海洋的再分析场数据，构建研究区域的大气海洋环境数据库；
S2、将大气模式、海流模式和海浪模式在线耦合，构建大气海洋耦合数值模型；大气海洋耦合数值模型中采用变影响半径的Barnes插值方法实现各模式之间相关变量在每个计算时间步的交换；
S3、以大气海洋环境数据库中的再分析场为基础，构建大气模式、海流模式和海浪模式的初始场和时变开边界条件；
S4、实时获取大气、海流和海浪的观测数据，大气海洋耦合数值模型利用循环3DVAR的同化方法同化上述观测数据，进一步提高数值模拟精度，得到同化后模拟值；
S5、统计各观测点处观测值与同化后模拟值在耦合预报前一段时间内的时间平均误差，构造经验订正场，并将经验订正场与步骤S4所得到的同化后模拟值相加，构造更加精确的预报初始场；
S6、用大气海洋耦合数值模型开展数值预报，得到风浪流预报结果。
2.根据权利要求1所述的基于经验订正的风浪流耦合海洋环境数值预报方法，其特征在于，步骤S1中大气再分析场数据包括CFSR和NCEP数据，海洋再分析场数据包括SODA和OFES数据。
3.根据权利要求1所述的基于经验订正的风浪流耦合海洋环境数值预报方法，其特征在于，步骤S2中大气模式采用大气中尺度模式WRF，垂直坐标采取地形追随的静力气压坐标，采用Arakawa C型水平和垂直交错网格，时间积分采用完全时间分裂格式，外循环Runge-Kutta技术采用大时间步长，内循环为声波时间积分，采用大时间步长，在保证积分稳定性的情况下缩短计算时间；
海流模式采用美国麻省大学与伍兹霍尔海洋研究所联合研发的海洋数值模型FVCOM；
海浪模式采用国际上非常先进的第三代SWAN模式；
在每一个计算时间步中，大气模式将海面风场、动量通量和热量通量变量传递给海流模式FVCOM，将海面风场变量传递给海浪模式；海浪模式传递混合系数和波浪诱导应力变量给海流模式，传递海面粗糙度变量给大气模式；海流模式传递海表面温度变量给大气模式，传递海洋流场和水位变量给海浪模式。
4.根据权利要求1所述的基于经验订正的风浪流耦合海洋环境数值预报方法，其特征在于，步骤S2中变影响半径的Barnes插值方法实现各模式之间相关变量在每个计算时间步的交换的方法是：
式中，
表示待插值变量
在输出模式中排序后格点k1上的值，
表示该变量经插值后在输入模式中网格点(i,j)上的值，N1表示参与插值计算的格点总数，其值取决于影响半径的大小；
表示格点k1对应网格点(i,j)的距离权重系数，距离权重系数表示为如下公式：
式中，R表示以网格点(i,j)为圆心的影响半径；r1表示格点k1与网格点(i,j)之间的距离；
其中，变影响半径的含义为：考虑到变量的物理意义和时空尺度，给定影响半径初值和参与计算的格点数最小值N1；如果在此半径范围内，若存在N1个及以上格点，直接用Barnes插值公式；如果此半径范围内格点数小于N1个，需扩大影响半径，每次增加5％，直到至少有N1个格点参与计算，此时的影响半径即为网格点(i,j)最终的影响半径。
5.根据权利要求1所述的基于经验订正的风浪流耦合海洋环境数值预报方法，其特征在于，步骤S4中循环3DVAR的同化方法具体包括：
加长同化时段，在一个长时段内进行多次3DVAR同化，用前一次3DVAR同化的结果作为大气海洋耦合数值模型的初始场，然后大气海洋耦合数值模型进行数值计算，直到下次同化时刻，又对新的观测数据进行一次3DVAR同化，如此重复，直到最后一次3DVAR同化。
6.根据权利要求1所述的基于经验订正的风浪流耦合海洋环境数值预报方法，其特征在于，步骤S5中统计各观测点处观测值与同化后模拟值在耦合预报前一段时间内的时间平均误差的方法是：
式中，假设Pk2表示预报区域内tm时刻第k2个观测点处的变量观测值；Q(ki,kj)表示tm时刻该变量对应模式中距离观测点k2最近网格点的变量同化后模拟值，ki、kj分别为该最近网格点的经度、纬度坐标；
表示tm时刻观测点k2处观测值与同化后模拟值间的误差；
对观测点k2耦合预报前一段时间内获得的全部误差值取均值，得到该观测点处的时间平均误差值
时间平均误差值定义如下：
其中，
为tm时刻的误差值，n为观测点k2在该段时间累计获得观测数据的总次数。
7.根据权利要求1所述的基于经验订正的风浪流耦合海洋环境数值预报方法，其特征在于，步骤S5中构造经验订正场的方法是：采用变影响半径的Cressman插值方法将所有观测点的时间平均误差值插值到对应模式的空间网格中，由此得到各模式物理变量的经验订正场，变影响半径Cressman插值方法的含义表现为如下公式：
式中，
表示某变量在观测点k2处的时间平均误差值；
表示该变量的时间平均误差经插值后所得模式中网格点(i，j)处的经验订正值，i、j分别表示该网格点的经向、纬向坐标；N2表示参与插值计算的观测点数量，其值取决于影响半径的大小；
表示观测点k2对应于网格点(i，j)的距离权重系数，距离权重系数表示为如下公式：
式中，R表示以网格点(i，j)为圆心的影响半径；r2表示观测点k2与网格点(i，j)间的距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910533456.7A CN110516279B (zh) | 2019-06-19 | 2019-06-19 | 基于经验订正的风浪流耦合海洋环境数值预报方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910533456.7A CN110516279B (zh) | 2019-06-19 | 2019-06-19 | 基于经验订正的风浪流耦合海洋环境数值预报方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110516279A CN110516279A (zh) | 2019-11-29 |
| CN110516279B true CN110516279B (zh) | 2023-01-10 |
Family
ID=68623164
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910533456.7A Active CN110516279B (zh) | 2019-06-19 | 2019-06-19 | 基于经验订正的风浪流耦合海洋环境数值预报方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110516279B (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111292214B (zh) * | 2019-12-18 | 2024-05-07 | 上海能源科技发展有限公司 | 一种计算高精度中国近海海浪特征分布的方法 |
| CN111208586B (zh) * | 2020-01-20 | 2022-03-22 | 超越科技股份有限公司 | 基于中尺度海气耦合模式的天气预报方法及系统 |
| CN111339714B (zh) * | 2020-02-17 | 2021-10-26 | 珠江水利委员会珠江水利科学研究院 | 基于FVCOM和OpenFOAM模型的多尺度水动力耦合方法 |
| CN111651875B (zh) * | 2020-05-25 | 2023-08-04 | 北京大学 | 一种基于误差传输的空气质量预报改进方法及系统 |
| CN111695250B (zh) * | 2020-06-04 | 2022-12-13 | 哈尔滨工程大学 | 一种内潮波特征提取方法 |
| CN111650590A (zh) * | 2020-06-12 | 2020-09-11 | 上海眼控科技股份有限公司 | 基于多普勒气象雷达的风场获取方法、装置、设备和介质 |
| CN112199840B (zh) * | 2020-09-30 | 2021-07-06 | 国家海洋环境预报中心 | 数值模式海面风速订正方法、装置、电子设备及存储介质 |
| CN113033865B (zh) * | 2021-01-29 | 2023-05-23 | 南方海洋科学与工程广东省实验室(广州) | 一种生态安全预警系统 |
| CN113868971B (zh) * | 2021-08-13 | 2022-09-13 | 中国人民解放军国防科技大学 | 一种基于数值仿真模型及历史风场特征的机场区域三维精细化风场重构方法 |
| CN113742900B (zh) * | 2021-08-17 | 2023-05-12 | 生态环境部华南环境科学研究所 | 一种中小型潮汐及海洋环流模拟装置及方法 |
| CN114236644B (zh) * | 2022-02-28 | 2022-05-24 | 青岛杰瑞工控技术有限公司 | 一种用于港口的船海协同精细化海气观测方法 |
| CN115903086B (zh) * | 2022-11-07 | 2024-10-11 | 中国人民解放军国防科技大学 | 区域海气浪耦合模式的气象水文要素一体化数值预报系统及其运行方法 |
| CN115758942B (zh) * | 2022-11-28 | 2024-08-13 | 长沙理工大学 | 基于大气-海浪-海洋-结构物耦合作用的海上风电机组桩基荷载计算方法及系统 |
| CN115630538B (zh) * | 2022-12-22 | 2023-05-02 | 中交天津港湾工程研究院有限公司 | 一种基于数据同化的近岸水质数据再分析方法 |
| CN116244935B (zh) * | 2023-02-17 | 2023-09-19 | 国家海洋环境预报中心 | 一种海底压力场构建、应用方法和系统 |
| CN117094254B (zh) * | 2023-10-20 | 2024-01-09 | 自然资源部第一海洋研究所 | 基于风场敏感度参数提高海洋模式模拟精度的方法及系统 |
| CN117574155A (zh) * | 2023-11-29 | 2024-02-20 | 海南省气象科学研究所 | 基于卫星遥感的海域近地面大气二氧化碳浓度的预测方法 |
| CN117313436B (zh) * | 2023-11-29 | 2024-02-06 | 青岛埃克曼科技有限公司 | 一种海洋海浪气象预报的有效波高和海洋海浪谱同化方法 |
| CN118350229B (zh) * | 2024-06-18 | 2024-09-27 | 自然资源部第一海洋研究所 | 基于客户驱动和预构造库的全球海洋环境自动模拟系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010223639A (ja) * | 2009-03-19 | 2010-10-07 | National Maritime Research Institute | 海流データ同化方法および同化システム |
| CN108875185A (zh) * | 2018-06-06 | 2018-11-23 | 牟林 | 一种基于多源数据建立海上遇险目标风漂模型的方法 |
| CN109558612A (zh) * | 2017-09-27 | 2019-04-02 | 中电科海洋信息技术研究院有限公司 | 基于管道通信的大气-海浪耦合系统及其运行方法 |
| CN109840311A (zh) * | 2019-01-14 | 2019-06-04 | 哈尔滨工程大学 | 基于最优观测时间窗口的耦合数据同化与参数优化方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016086329A1 (zh) * | 2014-12-01 | 2016-06-09 | 哈尔滨工程大学 | 基于序列递归滤波三维变分的实测海洋环境数据同化方法 |
| US10247853B2 (en) * | 2015-04-06 | 2019-04-02 | The United States Of America, As Represented By The Secretary Of The Navy | Adaptive ecosystem climatology |
-
2019
- 2019-06-19 CN CN201910533456.7A patent/CN110516279B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010223639A (ja) * | 2009-03-19 | 2010-10-07 | National Maritime Research Institute | 海流データ同化方法および同化システム |
| CN109558612A (zh) * | 2017-09-27 | 2019-04-02 | 中电科海洋信息技术研究院有限公司 | 基于管道通信的大气-海浪耦合系统及其运行方法 |
| CN108875185A (zh) * | 2018-06-06 | 2018-11-23 | 牟林 | 一种基于多源数据建立海上遇险目标风漂模型的方法 |
| CN109840311A (zh) * | 2019-01-14 | 2019-06-04 | 哈尔滨工程大学 | 基于最优观测时间窗口的耦合数据同化与参数优化方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于集合卡尔曼滤波的湖泊富营养化模型Delft3D-BLOOM数据同化;刘卓等;《湖泊科学》;20170906;第第29卷卷(第05期);第1070-1083页 * |
| 最优插值法及其在热带太平洋海表温度数据同化中的应用;张大明等;《海洋学研究》;20051230;第第23卷卷(第04期);第1-7页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110516279A (zh) | 2019-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110516279B (zh) | 基于经验订正的风浪流耦合海洋环境数值预报方法 | |
| CN111723482B (zh) | 一种基于卫星co2柱浓度观测反演地表碳通量的方法 | |
| CN111210082B (zh) | 一种基于优化的bp神经网络算法的降水量预测方法 | |
| CN112765912B (zh) | 基于气候模式集合的洪涝灾害社会经济暴露度的评估方法 | |
| CN104036121B (zh) | 基于概率分布转移的测风数据风速订正方法 | |
| CN105894106B (zh) | 一种海洋模式和气象模式的一体化耦合方法 | |
| Sakamoto et al. | Development of a 2-km resolution ocean model covering the coastal seas around Japan for operational application | |
| CN104200036B (zh) | 区域gps基准站坐标时间序列的噪声模型获得方法 | |
| CN106557828A (zh) | 一种长时间尺度光伏出力时间序列建模方法和装置 | |
| CN115115148B (zh) | 基于过程-数据协同驱动的长期径流预报方法及系统 | |
| CN104376230B (zh) | 潮汐预报方法 | |
| CN101741085A (zh) | 一种短期风电功率预报方法 | |
| CN107358294A (zh) | 一种基于Elman神经网络的需水预测方法 | |
| CN104794325A (zh) | 一种基于随机差分方程的集群风电场出力时序模拟方法 | |
| CN111984700B (zh) | 一种基于水热耦合平衡原理的月径流预测方法 | |
| CN111811465B (zh) | 基于多正弦函数分解神经网络预测海浪有效波高的方法 | |
| CN106597484A (zh) | 热膨胀效应对gps坐标时间序列影响的精确量化方法 | |
| Leholo et al. | Solar energy potential forecasting and optimization using artificial neural network: South Africa case study | |
| CN105701066A (zh) | 一种河口潮差快速预报方法 | |
| CN115189356A (zh) | 基于大气环流稳定状态的风、光功率预测订正方法及装置 | |
| CN108563838A (zh) | 一种平均大潮高推算海岸线的方法 | |
| Muis et al. | Global projections of storm surges using high-resolution CMIP6 climate models: validation, projected changes, and methodological challenges | |
| CN116502050B (zh) | 全球通量站点蒸散发观测缺失的动态插补方法与系统 | |
| CN103886185A (zh) | 一种用于风资源评估的年风速生成方法 | |
| Mackie et al. | Income optimisation of a fleet of tidal lagoons |
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 |