CN112231952A - 一种基于wrf土地覆被数据置换的风暴潮模拟方法 - Google Patents
一种基于wrf土地覆被数据置换的风暴潮模拟方法 Download PDFInfo
- Publication number
- CN112231952A CN112231952A CN202011060378.2A CN202011060378A CN112231952A CN 112231952 A CN112231952 A CN 112231952A CN 202011060378 A CN202011060378 A CN 202011060378A CN 112231952 A CN112231952 A CN 112231952A
- Authority
- CN
- China
- Prior art keywords
- data
- wrf
- model
- storm surge
- adcirc
- 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.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000005855 radiation Effects 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000011160 research Methods 0.000 claims description 11
- 238000012952 Resampling Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 230000008878 coupling Effects 0.000 abstract description 5
- 238000010168 coupling process Methods 0.000 abstract description 5
- 238000005859 coupling reaction Methods 0.000 abstract description 5
- 238000012795 verification Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种基于WRF土地覆被数据置换的风暴潮模拟方法,包括以下步骤:S1,利用ArcGIS处理要置换的土地覆被数据;S2,在WRF模式中的预处理模块中处理土地覆被资料;S3,运行WRF获得模拟风场数据;S4,建立SWAN波浪模型和ADCIRC水动力模型;S5,将置换土地覆被数据后的模拟风场数据分别提供给SWAN波浪模型和ADCIRC水动力模型;S6,将SWAN模型模拟得到的波浪辐射应力输入ADCIRC模型;S7,使用ADCIRC模型进行风暴潮模拟。本发明综合使用了WRF‑SWAN‑ADCIRC耦合模型,可用于对海口湾地区风暴潮的模拟,置换了WRF中过时的内置土地覆被数据,提高了对风暴潮模拟的准确性。
Description
技术领域
本发明属于近海工程技术领域,主要涉及到基于WRF土地覆被数据置换的风暴潮模拟方法。
背景技术
我国是世界上遭受台风灾害最严重的国家之一,平均每年约有7~8个台风登陆,台风过程带来的大风、大浪给近海沿岸带来了巨大的灾害。对台风及风暴潮的准确预报和模拟可以帮助预测极端高水位,减小台风灾害造成的损失,具有重要的实际意义。风暴潮模拟效果受输入的风场驱动数据影响较大,因此如何获取更精确的风场模拟数据是风暴潮模拟的关键。
现有的较先进的风场模拟技术中,WRF模式(Weather Research and ForecastingModel,天气预报模式)作为NCEP的业务预报模式,目前已经取得较为广泛的应用,中尺度大气模式WRF适用范围广、功能丰富、可与多模型耦合,使用WRF模拟风场已成为台风风场模拟的有效手段之一。基于能量平衡方程的SWAN波浪模型,作为第三代浅海海浪模型,可以计算近岸波浪的要素变化,同时可以包含波浪的生长、消散以及波浪破碎和底部摩擦等各物理过程,因此已经得到了广泛的应用。
WRF虽然使用较为广泛且有可靠性,但是其内置土地覆被数据由于时间较为久远而不符合研究区域的实际情况,因此为WRF置换更为准确的土地覆被资料尤为重要。
发明内容
本发明提出了一种通过置换WRF中内置土地覆被数据对海口湾地区的台风风暴潮的模拟方法,提高了对风暴潮模拟的准确性,有助于对风暴潮潮位时间序列更好的模拟和预测。
为解决上述技术问题,本发明采用了如下技术手段:
一种基于WRF土地覆被数据置换的风暴潮模拟方法,包括以下步骤:
S1、利用ArcGIS处理要置换的土地覆被数据;
S2、在WRF模式中的预处理模块WPS中处理土地覆被数据;
S3、运行WRF获得模拟风场数据;
S4、建立SWAN波浪模型和ADCIRC水动力模型;
S5、将置换土地覆被数据后的模拟风场数据分别提供给SWAN波浪模型和ADCIRC水动力模型,在SWAN波浪模型中获得波浪辐射应力数据;
S6、将SWAN波浪模型模拟得到的波浪辐射应力输入ADCIRC水动力模型;
S7、使用ADCIRC水动力模型进行风暴潮模拟,输出风暴潮模拟数据,得到风暴潮模拟结果。
进一步的,本发明所提出的一种基于WRF土地覆被数据置换的风暴潮模拟方法,所述步骤S1利用ArcGIS处理要置换的土地覆被数据,所述土地覆被数据具体指想要置换并替代WRF模式中内置静态资料的数据,该土地覆被数据应最接近研究区域的统计年鉴与调查结果。
进一步的,本发明所提出的一种基于WRF土地覆被数据置换的风暴潮模拟方法,置换操作包括:
(1)使用ArcMap中的矢量转栅格工具进行格式转化;
(2)使用投影格式转换工具对土地覆被数据进行投影转换;
(3)使用栅格裁剪工具对选用的栅格数据进行裁剪;
(4)使用重采样工具对土地覆被数据进行重采样;
(5)使用重分类工具对土地覆被数据进行重分类;
(6)使用转换为ASCII工具将处理好的栅格数据转换为ASCII数据。
进一步的,本发明所提出的一种基于WRF土地覆被数据置换的风暴潮模拟方法,所述步骤S2在WRF模式中的预处理模块WPS中处理土地覆被数据,具体为:在/wps/geogrid/src中,通过使用命令gcc -D_UNDERSCORE -DBYTESWAP –DLINUX -DIO_NETCDF-DIO_BINARY-DIO_GRIB1 -D_GEOGRID -O -c write_geogrid.c调用子程序write_geogrid.c并生成a.out,再使用命令./a.out生成WRF可读取的二进制格式的土地覆被数据;得到正确格式的土地覆被数据之后,需对该数据的各相关系数进行定义后再使用。
进一步的,本发明所提出的一种基于WRF土地覆被数据置换的风暴潮模拟方法,所述步骤S3运行WRF获得模拟风场数据,具体包括台风的路径和中心气压。
进一步的,本发明所提出的一种基于WRF土地覆被数据置换的风暴潮模拟方法,所述步骤S4建立SWAN波浪模型和ADCIRC水动力模型,包括:
(1)采用ADCIRC水动力模型对天文潮模拟结果的准确性进行验证,
(2)SWAN波浪模型使用与ADCIRC水动力模型相同的网格与水深数据;使用WRF获得的模拟风场数据驱动ADCIRC水动力模型得到潮位数据,然后使用风场数据与潮位数据同时驱动SWAN波浪模型对研究区域进行波浪模拟并验证准确性。
采用以上技术手段后,与现有技术相比本发明可以获得以下优势:
本发明公开了一种基于WRF土地覆被数据置换的风暴潮模拟方法,利用ArcGIS和WRF中的WPS对要置换的更准确的土地覆被数据进行处理后,替代WRF中内置的过时静态数据获取更准确的风场数据,借助SWAN波浪模型和ADCIRC水动力模型进行耦合,模拟研究区域内台风引起的风暴潮,得到相关风暴潮潮位的时间序列等模拟数据。本发明有助于提高对风暴潮模拟的准确性,有助于对风暴潮潮位时间序列更好的模拟和预测。
附图说明
图1为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法的步骤流程图。
图2为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法实例中GLC2009全球陆地覆被数据部分示意图。
图3 为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法实例中台风威马逊置换土地覆被数据前后路径对比图。
图4 为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法实例中台风威马逊置换土地覆被数据前后风速对比图。
图5 为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法实例中ADCIRC模型范围及网格示意图。
图6为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法实例中ADCIRC水动力模型天文潮潮位验证图。
图7为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法实例中点A置换土地覆被数据前后潮位模拟对比图。
图8 为本发明一种基于WRF土地覆被数据置换的风暴潮模拟方法实例中点B置换土地覆被数据前后潮位模拟对比图。
具体实施方式
为了更清楚明确的理解本发明技术内容,下面结合附图对本发明的技术方案作进一步说明:
如图1所示,本发明提出一种基于WRF土地覆被数据置换的风暴潮模拟方法,包括以下步骤:
S1,利用ArcGIS处理要置换的土地覆被数据;具体土地覆被数据指想要置换并替代WRF模式中内置静态资料的数据,该土地覆被数据应最接近研究区域的统计年鉴与调查结果;置换操作包括了使用ArcMap中的矢量转栅格工具进行格式转化;使用投影格式转换工具对土地覆被数据进行投影转换;使用栅格裁剪工具对选用的栅格数据进行裁剪;使用重采样工具对土地覆被数据进行重采样;使用重分类工具对土地覆被数据进行重分类;使用转换为ASCII工具将处理好的栅格数据转换为ASCII数据。
S2,在WRF模式中的预处理模块(WPS)中处理土地覆被资料;在/wps/geogrid/src中,通过使用命令gcc -D_UNDERSCORE -DBYTESWAP –DLINUX -DIO_NETCDF-DIO_BINARY -DIO_GRIB1 -D_GEOGRID -O -c write_geogrid.c调用子程序write_geogrid.c并生成a.out,再使用命令./a.out生成WRF可读取的二进制格式的土地覆被数据;得到正确格式的土地覆被数据之后,需对该数据的各相关系数进行定义后再使用。
S3,运行WRF获得模拟风场数据;具体包括台风的路径和中心气压等风场数据。
S4,建立SWAN波浪模型和ADCIRC水动力模型;包括了ADCIRC模型天文潮模拟结果的准确性进行验证,为了方便耦合,SWAN波浪模型使用与ADCIRC水动力模型相同的网格与水深数据。使用WRF风场模拟结果驱动ADCIRC模型得到潮位数据,然后使用风场数据与潮位数据同时驱动SWAN波浪模型对研究区域进行波浪模拟并验证准确性。
S5,将置换土地覆被数据后的模拟风场数据分别提供给SWAN波浪模型和ADCIRC水动力模型;在SWAN中获得波浪辐射应力数据。
S6,将SWAN模型模拟得到的波浪辐射应力输入ADCIRC模型;使ADCIRC获取必要数据来进行模拟。
S7,使用ADCIRC模型进行风暴潮模拟;水动力模型可输出风暴潮模拟数据,得到较好的风暴潮模拟结果。
ADCIRC(Advanced Circulation Model)是美国北卡罗来纳州大学开发的有限元海洋模式,该模式可以采用笛卡尔坐标,也可以采用球坐标,有二维和三维两种运行方式。该模式采用三角形网格,易于拟合边界,可以对岸线复杂的海域进行高分辨率的数值模拟。这些优势使得ADCIRC在国内得到越来越广泛的认可与应用。
实施例1
本实施例选择使用台风威马逊进行研究,使用台风威马逊的最佳模拟参数,即微物理参数使用Lin方案,积云参数使用KF方案。对1409号台风威马逊进行置换土地覆被数据前后风场模拟情况的对比研究。
参见图2,使用ArcGIS中的ArcMap版块对下载好的GLC2009全球陆地覆盖数据进行处理,以用于置换WRF内置的MODIS数据,包括了投影格式转换,裁剪,重采样,重分类,转换为ASCII。因GLC2009数据本身即是栅格格式,无需进行矢量—栅格的格式转化。
随后在WRF模式中的预处理模块(WPS)中对已被ArcGIS处理的数据进行格式转化、地理坐标及其他参数的定义。因为在WRF气象模式中,使用geogrid.exe程序进行插值的静态土地覆盖地理资料是保存为二进制整数格式的二维数组的。所以使用模式以外的资料时,要先将其转换为WRF可以读取的格式。
运行WRF对台风威马逊进行模拟,可以得到土地覆被类型数据前后台风威马逊的路径对比图,如图3所示;以及土地覆被类型数据前后台风威马逊的验证点风速对比图,如图4所示。可得出结论置换后对风速的模拟更为准确。
建立以海南岛为中心,海面以北部湾和部分南海海域为主,包含海岸线南起越南,北至中国广东沿海,模型网格设置如图5的ADCIRC水动力模型并进行验证。其中模型最大网格位于外海开边界处,网格尺寸约为30km;模型最小网格位于海南岛北侧秀英站附近及雷州半岛部分岸线,网格尺寸约为100m,以准确模拟该区域的水动力情况。在外海开边界添加潮汐调和结果,暂不考虑风场的影响(NWS=0),模拟得到天文潮位。如图6所示,模拟结果较为吻合。验证结果表明该模型对于天文潮的模拟较为准确,能够满足风暴潮模拟的需求。
为了方便耦合,SWAN波浪模型使用与ADCIRC水动力模型相同的网格与水深数据。使用WRF风场模拟结果驱动ADCIRC模型得到潮位数据,然后使用风场数据与潮位数据同时驱动SWAN波浪模型对研究区域进行波浪模拟。模拟时间为2014年7月17日20点至2014年7月19日20点。台风威马逊期间,水东站附近(111.3°E,21.4°N)出现波高最大值为4.15m。SWAN模拟结果显示台风期间该处波高最大值为4.06m。由此可见,SWAN波浪模型对台风威马逊期间的波浪变化情况模拟效果较好,能够满足风暴潮模拟的需求。
将置换土地覆被数据前后的模拟风场数据分别提供给SWAN波浪模型和ADCIRC水动力模型,再将SWAN模型模拟得到的波浪辐射应力输入ADCIRC模型,然后使用ADCIRC模型进行风暴潮模拟。
图7、图8展示了置换土地覆被类型数据前后,验证点A和验证点B在不同风场模拟数据驱动下的ADCIRC水动力模型对台风威马逊的风暴潮潮位模拟效果,验证点位置如图5所示。由图可见,使用置换土地覆被类型数据后的风场模拟数据进行驱动的水动力模型能对风暴潮取得一个较好的模拟结果,且比置换前有明显提升,验证点A的模拟最低潮位减小了约1m。
综上可知:
(1)置换WRF模式内置土地覆被数据可以改进本区域的风暴潮模拟效果;
(2)本发明使用的经过风场改进的WRF-SWAN-ADCIRC耦合模型可以对海口湾区域的台风风暴潮取得较好的模拟效果。
上面结合附图对本发明的实施方式作了详细地说明,但是本发明并不局限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (6)
1.一种基于WRF土地覆被数据置换的风暴潮模拟方法,其特征在于,包括以下步骤:
S1、利用ArcGIS处理要置换的土地覆被数据;
S2、在WRF模式中的预处理模块WPS中处理土地覆被数据;
S3、运行WRF获得模拟风场数据;
S4、建立SWAN波浪模型和ADCIRC水动力模型;
S5、将置换土地覆被数据后的模拟风场数据分别提供给SWAN波浪模型和ADCIRC水动力模型,在SWAN波浪模型中获得波浪辐射应力数据;
S6、将SWAN波浪模型模拟得到的波浪辐射应力输入ADCIRC水动力模型;
S7、使用ADCIRC水动力模型进行风暴潮模拟,输出风暴潮模拟数据,得到风暴潮模拟结果。
2.根据权利要求1所述的一种基于WRF土地覆被数据置换的风暴潮模拟方法,其特征在于,所述步骤S1利用ArcGIS处理要置换的土地覆被数据,所述土地覆被数据具体指想要置换并替代WRF模式中内置静态资料的数据,该土地覆被数据应最接近研究区域的统计年鉴与调查结果。
3.根据权利要求2所述的一种基于WRF土地覆被数据置换的风暴潮模拟方法,其特征在于,置换操作包括:
使用ArcMap中的矢量转栅格工具进行格式转化;
使用投影格式转换工具对土地覆被数据进行投影转换;
使用栅格裁剪工具对选用的栅格数据进行裁剪;
使用重采样工具对土地覆被数据进行重采样;
使用重分类工具对土地覆被数据进行重分类;
使用转换为ASCII工具将处理好的栅格数据转换为ASCII数据。
4.根据权利要求1所述的一种基于WRF土地覆被数据置换的风暴潮模拟方法,其特征在于,所述步骤S2在WRF模式中的预处理模块WPS中处理土地覆被数据,具体为:在/wps/geogrid/src中,通过使用命令gcc -D_UNDERSCORE -DBYTESWAP –DLINUX -DIO_NETCDF-DIO_BINARY -DIO_GRIB1 -D_GEOGRID -O -c write_geogrid.c调用子程序write_geogrid.c并生成a.out,再使用命令./a.out生成WRF可读取的二进制格式的土地覆被数据;得到正确格式的土地覆被数据之后,需对该数据的各相关系数进行定义后再使用。
5.根据权利要求1所述的一种基于WRF土地覆被数据置换的风暴潮模拟方法,其特征在于,所述步骤S3运行WRF获得模拟风场数据,具体包括台风的路径和中心气压。
6.根据权利要求1所述的一种基于WRF土地覆被数据置换的风暴潮模拟方法,其特征在于,所述步骤S4建立SWAN波浪模型和ADCIRC水动力模型,包括:
(1)采用ADCIRC水动力模型对天文潮模拟结果的准确性进行验证,
(2)SWAN波浪模型使用与ADCIRC水动力模型相同的网格与水深数据;使用WRF获得的模拟风场数据驱动ADCIRC水动力模型得到潮位数据,然后使用风场数据与潮位数据同时驱动SWAN波浪模型对研究区域进行波浪模拟并验证准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060378.2A CN112231952B (zh) | 2020-09-30 | 一种基于wrf土地覆被数据置换的风暴潮模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011060378.2A CN112231952B (zh) | 2020-09-30 | 一种基于wrf土地覆被数据置换的风暴潮模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112231952A true CN112231952A (zh) | 2021-01-15 |
CN112231952B CN112231952B (zh) | 2024-05-14 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032334A (zh) * | 2021-03-24 | 2021-06-25 | 中国人民解放军63796部队 | 一种wrf模式下垫面数据的处理方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
KR20160060793A (ko) * | 2014-10-21 | 2016-05-31 | 군산대학교산학협력단 | 능동형 정보수집 스크립트 및 수치모형을 이용한 태풍해일 자동 예측 방법 |
US20170039307A1 (en) * | 2015-08-07 | 2017-02-09 | Qrisq Analytics, LLC | Large scale analysis of catastrophic weather damage |
KR20170094731A (ko) * | 2016-02-11 | 2017-08-21 | 유하상 | 정밀 파랑예보 시스템을 이용한 해상공사 관리 |
CN107729656A (zh) * | 2017-10-19 | 2018-02-23 | 福建四创软件有限公司 | 基于台风过程风场作用下的风暴潮漫堤风险预警方法 |
CN109671003A (zh) * | 2018-12-21 | 2019-04-23 | 南京泛在地理信息产业研究院有限公司 | 一种集成gcam和ca的全球土地利用和土地覆被序列空间化方法 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160060793A (ko) * | 2014-10-21 | 2016-05-31 | 군산대학교산학협력단 | 능동형 정보수집 스크립트 및 수치모형을 이용한 태풍해일 자동 예측 방법 |
CN104732104A (zh) * | 2015-04-07 | 2015-06-24 | 东南大学 | 长期潮位数据不足条件下不同重现期的极端高水位计算方法 |
US20170039307A1 (en) * | 2015-08-07 | 2017-02-09 | Qrisq Analytics, LLC | Large scale analysis of catastrophic weather damage |
KR20170094731A (ko) * | 2016-02-11 | 2017-08-21 | 유하상 | 정밀 파랑예보 시스템을 이용한 해상공사 관리 |
CN107729656A (zh) * | 2017-10-19 | 2018-02-23 | 福建四创软件有限公司 | 基于台风过程风场作用下的风暴潮漫堤风险预警方法 |
CN109671003A (zh) * | 2018-12-21 | 2019-04-23 | 南京泛在地理信息产业研究院有限公司 | 一种集成gcam和ca的全球土地利用和土地覆被序列空间化方法 |
Non-Patent Citations (3)
Title |
---|
DAVINA L. PASSERI 等: "The influence of bed friction variability due to land cover on storm-driven barrier island morphodynamics", 《COASTAL ENGINEERING》 * |
KAI YIN等: "Effects of land cover change on atmospheric and storm surge modeling during typhoon event", 《OCEAN ENGINEERING》, pages 1 - 13 * |
XU SUDONG等: "Numerical simulation of typhoon- induced storm surge on the coast of Jiangsu Province,China,based on coupled hydrodynamic and wave models", 《JOURNAL OF SOUTHEAST UNIVERSITY ( ENGLISH EDITION)》, vol. 30, no. 4, pages 489 - 494 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113032334A (zh) * | 2021-03-24 | 2021-06-25 | 中国人民解放军63796部队 | 一种wrf模式下垫面数据的处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Saket et al. | Wave energy potential along the northern coasts of the Gulf of Oman, Iran | |
Amirinia et al. | Wind and wave energy potential in southern Caspian Sea using uncertainty analysis | |
CN107193060B (zh) | 一种多路径台风风暴潮快速预测方法及系统 | |
CN112100921A (zh) | 一种基于wrf和随机森林获取风资源风速的方法 | |
Zhang et al. | Analysis of 50-year wind data of the southern Baltic Sea for modelling coastal morphological evolution–a case study from the Darss-Zingst Peninsula | |
Zeng et al. | Variability of Changjiang Diluted Water revealed by a 45-year long-term ocean hindcast and Self-Organizing Maps analysis | |
Wang et al. | Effect of the drag coefficient on a typhoon wave model | |
Sampath et al. | Estimation of rooftop solar energy generation using Satellite Image Segmentation | |
Park et al. | Assessment of tidal stream energy resources using a numerical model in Southwestern Sea of Korea | |
CN112381033A (zh) | 海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 | |
KR101285803B1 (ko) | 태풍의 비축대칭 성분 추출을 통한 태풍초기화 시스템과 그 방법 | |
KR20160073604A (ko) | 연안국지 순환 분석 방법 및 시스템 | |
Muis et al. | Global projections of storm surges using high-resolution CMIP6 climate models: validation, projected changes, and methodological challenges | |
CN112231952B (zh) | 一种基于wrf土地覆被数据置换的风暴潮模拟方法 | |
CN112231952A (zh) | 一种基于wrf土地覆被数据置换的风暴潮模拟方法 | |
CN108427834A (zh) | 基于中尺度模式的工程台风精细化数值模拟系统及方法 | |
CN112541620B (zh) | 一种预测精度及效率高的台风风暴增水预测方法及系统 | |
CN115828637A (zh) | 近岸风、浪、潮位多因子联合确定极端参数的方法及系统 | |
CN116050291A (zh) | 一种台风条件下风电场大尺度气象预测降尺度方法与系统 | |
Blanton et al. | North Carolina coastal flood analysis system model grid generation | |
Saulter et al. | Application of a refined grid global model for operational wave forecasting | |
Burrahman et al. | Study of the influence of cempaka tropical cyclone on the height of sea waves in the South Java sea using the Delft 3D application | |
CN117910355A (zh) | 海洋气象耦合精细化预报方法及系统 | |
CN116738769B (zh) | 一种风光数据生成模型构建方法及风光数据生成方法 | |
García Díez et al. | Using WRF to generate high resolution offshore wind climatologies |
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 |