CN112364301A - 基于坡长的近地面风速统计降尺度订正方法 - Google Patents
基于坡长的近地面风速统计降尺度订正方法 Download PDFInfo
- Publication number
- CN112364301A CN112364301A CN202011250359.6A CN202011250359A CN112364301A CN 112364301 A CN112364301 A CN 112364301A CN 202011250359 A CN202011250359 A CN 202011250359A CN 112364301 A CN112364301 A CN 112364301A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- terrain
- mode
- point
- slope
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于坡长的近地面风速统计降尺度订正方法,包括如下步骤:步骤一,实时下载CIMISS实测气象数据;步骤二,实时下载WARMS模式资料,并结合模式所用地形数据,计算地形参数,输出地形参数文件;步骤三,根据实测资料,对应的模式预报资料和地形参数,训练统计订正关系,获得订正模型,并对模式预报风速进行订正;本发明的基于坡长的近地面风速统计降尺度订正方法,通过步骤一、步骤二和步骤三的设置,便可有效的提升复杂地形下模式近地面风场的预报能力。
Description
技术领域
本发明涉及气象计算技术领域,更具体的说是涉及一种基于坡长的近地面风速统计降尺度订正方法。
背景技术
模式预报风速的订正方法可以分为动力订正与统计订正两种。动力订正方案是建立在对大气物理机制进一步认识的基础上,通过对物理参数化方案的改进来提高预报准确率。比如Jiménez等(2013)引入与地形高度的算子Δ2h等,使模式对次网格的地形效应考虑更加完善。统计订正方案主要采用线性的数理统计方法,基于大量的历史数据,建立包含各订正因子的统计订正模型,进行实时的预报风速订正。
近地面风速的订正效果主要在于如何将地形影响引入模式或者后续订正模型中(黄穗,2019),故如何定量地描述复杂地形特征是订正模式预报风速的关键所在。经对现有技术的文献和专利检索发现可知,目前的模式风速的订正方法往往计算量大、参数过少,比如杨程等(2019)提出的订正方法仅考虑了温度、气压、湿度等环境影响因子,未考虑地形影响。其他考虑地形的订正方法也有一定缺陷,比如引入“有效粗糙长度”的概念会影响模式其他预报结果。王姝等(2019)提出的基于地形的风速订正方法中提出了新的地形因子ct来区分山地和谷地,主要取决于地形高程,对地形形态的考虑不足。黄俊杰等(2015)提出了一种“基于气象和地形因子的输变电设备覆冰灾害监测和预报方法”,该专利方法中包含了坡角和坡向,分别描述坡面倾斜程度和坡面朝向。虽然该专利方法中对地形的描述更加准确了,但同时也增加了订正模型中的回归因子数,增加了订正模型的不稳定性。
发明内容
针对现有技术存在的不足,本发明考虑了地形高程和地形形态,提出了能够同时描述地形坡度及坡向概念的“坡长”,在此基础上结合模式和实测资料中的要素,提供了一种基于坡长的近地面风速统计降尺度订正方法。该方法的优势在于在定量描述地形特征的基础上,简化统计订正的计算过程,并能够明显减小模式的预报风速误差,提高风速预报准确率。本发明提供了如下技术方案:一种基于坡长的近地面风速统计降尺度订正方法,包括如下步骤:
步骤一,实时下载CIMISS实测气象数据;
步骤二,实时下载WARMS模式资料,并结合模式所用地形数据,计算地形参数,输出地形参数文件;
步骤三,根据实测资料,对应的模式预报资料和地形参数,训练统计订正关系,获得订正模型,并对模式预报风速进行订正;
所述步骤二之前还具有坡长定义计算步骤;
步骤1,将在连续上下坡面上,沿风向方向的斜面距离定义为坡长;
步骤2,判断点A坡角大于阈值a,即非平地;
步骤3,根据点A风向寻找下一个点B,判断点B存在;
步骤4,判断点B坡角大于阈值a,A、B点的风向差小于阈值b,A、B点的坡角差小于阈值c,满足条件后计算坡长;
步骤5,以点B为起点,返回步骤3,重复上述步骤,计算累积坡长。
作为本发明的进一步改进,所述步骤一中训练统计订正模型的具体步骤如下:
步骤一一,实时下载CIMISS实测气象数据;
步骤一二,查找实测资料对应的WARMS模式预报资料,然后将分辨率为9km的模式高低空预报产品和地形参数文件插值到实测资料中的各站点;
步骤一三,整合一个月内各预报时效的插值文件,作为最新订正模型的训练样本,每个月整合一次;
步骤一四,利用一个月内的模式预报和实测资料,建立统计订正模型,并每个月一次建立更新。
作为本发明的进一步改进,所述步骤一四中建立统计订正模型的具体方法为将预报风速分为四个等级,静风、低风速、小于六级的小风速和大于等于六级的大风速;风速误差u’为预报因变量,各订正因子作为自变量,其中订正因子包括实测资料中的测站经纬度、海拔高度和预报时刻,模式预报产品中的10m风速、10m温度、10m相对湿度、海平面气压、700hPa风速、850hPa风速,地形参数包括海拔高度误差、坡角、坡长、次网格地形标准差和网格地形标准差;采用逐步回归方法,训练各等级风速、各预报时效的统计订正模型。
作为本发明的进一步改进,所述步骤二中的地形参数包括海拔高度误差、坡角、坡长、次网格地形标准差和网格地形标准差;
其中,网格地形标准差和次网格地形标准差的计算公式如下:
作为本发明的进一步改进,所述海拔高度误差采用最近插值法计算,将模式格点地形高度插值到实际站点,再计算插值之后的模式地形高度和实测资料中站点地形高度的差,计算公式如下:
dh=hwarms-hobs
式中,为hwarms插值之后的模式地形高度,hobs为实测资料中的测站地形高度。
作为本发明的进一步改进,所述坡角计算方式为:
将风向划分为8个方位,根据不同时刻的风向所在方位求算该格点的坡角大小,坡角计算使用“前插”格式,上坡坡角为正,下坡坡角为负,以西南风为例,计算公式如下:
式中,ho和hA分别表示O点和A点的海拔高度,1为模式空间分辨率。
作为本发明的进一步改进,所述步骤二中订正模型对地形参数文件进行训练以及后续的实时订正的具体步骤如下:
步骤二一,将WARMS模式的高低空预报产品及各地形参数插值到固定的精细网格;
步骤二二,读取上个月月底训练出的订正模型,订正精细化的网格近地面风速,输出文件。
本发明的有益效果,通过本发明基于坡长的近地面风速统计降尺度订正方案方法,能够显著提升复杂地形下模式近地面风场的预报能力,且自由度较高,可作为模式的后处理模块接入不同数值预报模式。
附图说明
图1为本发明的订正方法的流程图;
图2为坡长概念示意图;
图3为坡长计算流程图;
图4为网格地形标准差及坡角概念示意图;
图5为2019年8月10日01时(站点位于十级风圈内)的风速偏差图,(a)图为订正前,(b)图为订正后。
具体实施方式
下面将结合附图所给出的实施例对本发明做进一步的详述。
参照图1至5所示,本实施例的一种基于坡长的近地面风速统计降尺度订正方法,首先需要对坡长进行定义,在定义好坡长以后,便执行如下步骤:
步骤一,实时下载CIMISS实测气象数据;
步骤二,实时下载WARMS模式资料,并结合模式所用地形数据,计算地形参数,输出地形参数文件;
步骤三,根据实测资料,对应的模式预报资料和地形参数,训练统计订正关系,获得订正模型,并对模式预报风速进行订正。上述内容具体如下:
坡长的定义
本研究专利中考虑连续缓慢变化的上坡及下坡情况,定义在连续上下坡面上,沿风向方向的斜面距离为坡长(slope length,sl)。由于模式中相邻格点间距离固定,故将坡长简化为“n倍单位坡长L”的概念,如图2。
sl的计算有四个步骤:①判断点A坡角大于阈值a(a=0.5°),即非平地;②根据点A风向寻找下一个点B,判断点B存在;③判断点B坡角大于阈值a,A、B点的风向差小于阈值b(b=45°),A、B点的坡角差小于阈值c(c=2°),满足条件后计算坡长;④以点B为起点,返回步骤②,重复上述步骤,计算累积坡长。计算流程图如图3。
基于坡长的近地面风速统计降尺度订正方案
基于坡长的近地面风速统计降尺度订正方案主要分为两部分:一部分基于CIMISS(China Integrated Meteorological Information Sharing System)实测气象数据,训练订正模型。另一部分接入华东区域气象中心中尺度数值预报模式(ShanghaiMeteorological Service WRF ADAS Real-time Modeling System,SMS-WARMS)的高低空预报产品,模式水平分辨率为9km。在江苏省、浙江省、安徽省和上海市范围内,对中尺度模式的近地面预报风速进行统计降尺度及订正计算、产品输出和结果展示,具体的流程如图1所示。
训练统计订正模型:
(1)实现CIMISS实测气象数据的实时下载。本专利的研究范围是江苏省、浙江省、安徽省和上海市,故下载上述三省一市范围内逐小时的测站风速资料。
(2)查找实测资料对应的WARMS模式预报资料,然后将分辨率为9km的模式高低空预报产品和第二部分中计算的地形参数文件插值到实测资料中的各站点。
(3)整合一个月内各预报时效的插值文件,作为最新订正模型的训练样本(每月一次,步骤4同)。
(4)利用一个月内的模式预报和实测资料,建立统计订正模型。具体方法是将预报风速分为四个等级,静风(<0.5ms-1)、低风速(<1.5ms-1)、小于六级的小风速(<10.8ms-1)和大于等于六级的大风速(≥10.8ms-1);风速误差u’为预报因变量,各订正因子作为自变量,其中订正因子包括实测资料中的测站经纬度、海拔高度和预报时刻,模式预报产品中的10m风速、10m温度、10m相对湿度、海平面气压、700hPa风速、850hPa风速,地形参数包括海拔高度误差、坡角、坡长、次网格地形标准差和网格地形标准差;采用逐步回归方法,训练各等级风速、各预报时效的统计订正模型。
实现模式近地面预报风速的统计降尺度订正:
(1)实现WARMS模式资料的实时下载,并结合模式所用地形数据,计算地形参数,输出地形参数文件,用于第一部分中的订正模型训练及后续的实时订正。其中地形参数包括海拔高度误差、坡角、坡长、次网格地形标准差和网格地形标准差,坡长的定义如上,其余变量定义如下:
网格地形标准差(std_grid)和次网格地形标准差(std_sso):本研究专利中的std_sso取WARMS模式输出量,std_9km取类似概念,以图4中的0点为例,取周围9个网格点(包括该计算点,18km*18km的区域),计算其地形高度的标准差,计算公式如下:
海拔高度误差(dh):采用“最近插值法”,将模式格点地形高度插值到实际站点,再计算插值之后的模式地形高度和实测资料中站点地形高度的差。计算公式如下:
dh=hwarms-hobs (2)
式中为hwarms插值之后的模式地形高度,hobs为实测资料中的测站地形高度。
坡角(sa):将风向划分为8个方位,根据不同时刻的风向所在方位求算该格点的坡角大小。坡角计算使用“前插”格式,上坡坡角为正,下坡坡角为负。以西南风(225°)为例,计算公式如下:
式中ho和hA分别表示0点和A点的海拔高度,l为模式空间分辨率9km(图4)。
将WARMS模式的高低空预报产品及各地形参数插值到固定的精细网格,本研究专利中的网格分辨率为0.005°(~550m)。
读取上个月月底训练出的订正模型,订正精细化的网格近地面风速,输出文件。
统计降尺度订正方法的具体有益效果
一个月内近地面风速的独立样本检验
利用2019年8月份的资料对本统计降尺度订正模型进行独立样本检验,检验工作对比了三种近地面风速预报结果:WARMS模式预报风速、不包含坡长的降尺度订正方案和包含坡长的降尺度订正方案。从检验结果(表1)可以看出,经过降尺度和订正之后的模式近地面风速预报误差显著减小,包含坡长的降尺度订正方案使预报风速的均方根误差减小超过44%,比不包含这两个参数的方案预报效果提高约4%,说明了坡长对模式近地面预报风速的重要影响。
表1一个月内近地面风速的独立样本检验
台风影响期间的独立样本检验
选取1909号台风“利奇马”,七级风圈外、七级风圈内和十级风圈内时的三个代表时刻对比订正效果。首先从统计量检验结果来看(表2),误差减小最明显的是位于台风十级风圈内的时刻,均方根误差减小了57.8%,但此时总体的负偏差也是最大的,0.17ms-1。从订正前后的风速偏差分布(图5)可知:利用本研究专利方案订正之后,研究范围内的风速偏差明显减小,大多数集中在[-2ms-1,2ms-1]之间。
表2台风影响期间的独立样本检验
以上所述仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于坡长的近地面风速统计降尺度订正方法,其特征在于:包括如下步骤:
步骤一,实时下载CIMISS实测气象数据;
步骤二,实时下载WARMS模式资料,并结合模式所用地形数据,计算地形参数,输出地形参数文件;
步骤三,根据实测资料,对应的模式预报资料和地形参数,训练统计订正关系,获得订正模型,并对模式预报风速进行订正;
所述步骤二之前还具有坡长定义计算步骤;
步骤1,将在连续上下坡面上,沿风向方向的斜面距离定义为坡长;
步骤2,判断点A坡角大于阈值a,即非平地;
步骤3,根据点A风向寻找下一个点B,判断点B存在;
步骤4,判断点B坡角大于阈值a,A、B点的风向差小于阈值b,A、B点的坡角差小于阈值c,满足条件后计算坡长;
步骤5,以点B为起点,返回步骤3,重复上述步骤,计算累积坡长。
2.根据权利要求1所述的基于坡长的近地面风速统计降尺度订正方法,其特征在于:所述步骤一中训练统计订正模型的具体步骤如下:
步骤一一,实时下载CIMISS实测气象数据;
步骤一二,查找实测资料对应的WARMS模式预报资料,并计算地形参数,然后将分辨率为9km的模式高低空预报产品和地形参数文件插值到实测资料中的各站点;
步骤一三,整合一个月内各预报时效的插值文件,作为最新订正模型的训练样本,每个月整合一次;
步骤一四,利用一个月内的模式预报和实测资料,建立统计订正模型,并每个月一次建立更新。
3.根据权利要求2所述的基于坡长的近地面风速统计降尺度订正方法,其特征在于:所述步骤一四中建立统计订正模型的具体方法为将预报风速分为四个等级,静风、低风速、小于六级的小风速和大于等于六级的大风速;风速误差u’为预报因变量,各订正因子作为自变量,其中订正因子包括实测资料中的测站经纬度、海拔高度和预报时刻,模式预报产品中的10m风速、10m温度、10m相对湿度、海平面气压、700hPa风速、850hPa风速,地形参数包括海拔高度误差、坡角、坡长、次网格地形标准差和网格地形标准差;采用逐步回归方法,训练各等级风速、各预报时效的统计订正模型。
5.根据权利要求4所述的基于坡长的近地面风速统计降尺度订正方法,其特征在于:所述海拔高度误差采用最近插值法计算,将模式格点地形高度插值到实际站点,再计算插值之后的模式地形高度和实测资料中站点地形高度的差,计算公式如下:
dh=hwarms-hobs
式中,为hwarms插值之后的模式地形高度,hobs为实测资料中的测站地形高度。
7.根据权利要求1或2所述的基于坡长的近地面风速统计降尺度订正方法,其特征在于:所述步骤二中订正模型对地形参数文件进行训练以及后续的实时订正的具体步骤如下:
步骤二一,将WARMS模式的高低空预报产品及各地形参数插值到固定的精细网格;
步骤二二,读取上个月月底训练出的订正模型,订正精细化的网格近地面风速,输出文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011250359.6A CN112364301B (zh) | 2020-11-10 | 2020-11-10 | 基于坡长的近地面风速统计降尺度订正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011250359.6A CN112364301B (zh) | 2020-11-10 | 2020-11-10 | 基于坡长的近地面风速统计降尺度订正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112364301A true CN112364301A (zh) | 2021-02-12 |
CN112364301B CN112364301B (zh) | 2023-06-27 |
Family
ID=74510161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011250359.6A Active CN112364301B (zh) | 2020-11-10 | 2020-11-10 | 基于坡长的近地面风速统计降尺度订正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112364301B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341420A (zh) * | 2021-06-07 | 2021-09-03 | 中国气象局上海台风研究所(上海市气象科学研究所) | 适用不同气候态降雨的双偏振气象雷达雨滴谱反演方法 |
CN113642475A (zh) * | 2021-08-17 | 2021-11-12 | 中国气象局上海台风研究所(上海市气象科学研究所) | 基于卷积神经网络模型的大西洋飓风强度估算方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090297332A1 (en) * | 2008-05-28 | 2009-12-03 | Stephen David Boyd | Wind Diverter |
CN104462692A (zh) * | 2014-12-09 | 2015-03-25 | 中铁第四勘察设计院集团有限公司 | 基于演绎法的纵断面自动坡度生成方法 |
CN105019423A (zh) * | 2015-06-30 | 2015-11-04 | 阿克苏公路管理局 | 一种搭接包坡式防风固沙方法 |
CN105160192A (zh) * | 2015-09-17 | 2015-12-16 | 浙江大学 | 基于M5-Local的TRMM卫星降雨数据降尺度方法 |
CN105550423A (zh) * | 2015-12-09 | 2016-05-04 | 浙江大学 | 基于Fuzzy-OLS的CMORPH卫星降雨数据降尺度方法 |
CN108227041A (zh) * | 2017-12-27 | 2018-06-29 | 中国海洋大学 | 基于站点实测数据和模式结果的水平能见度预报方法 |
CN110473400A (zh) * | 2019-07-31 | 2019-11-19 | 长安大学 | 安全车速预测方法、系统以及车载终端 |
-
2020
- 2020-11-10 CN CN202011250359.6A patent/CN112364301B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090297332A1 (en) * | 2008-05-28 | 2009-12-03 | Stephen David Boyd | Wind Diverter |
CN104462692A (zh) * | 2014-12-09 | 2015-03-25 | 中铁第四勘察设计院集团有限公司 | 基于演绎法的纵断面自动坡度生成方法 |
CN105019423A (zh) * | 2015-06-30 | 2015-11-04 | 阿克苏公路管理局 | 一种搭接包坡式防风固沙方法 |
CN105160192A (zh) * | 2015-09-17 | 2015-12-16 | 浙江大学 | 基于M5-Local的TRMM卫星降雨数据降尺度方法 |
CN105550423A (zh) * | 2015-12-09 | 2016-05-04 | 浙江大学 | 基于Fuzzy-OLS的CMORPH卫星降雨数据降尺度方法 |
CN108227041A (zh) * | 2017-12-27 | 2018-06-29 | 中国海洋大学 | 基于站点实测数据和模式结果的水平能见度预报方法 |
CN110473400A (zh) * | 2019-07-31 | 2019-11-19 | 长安大学 | 安全车速预测方法、系统以及车载终端 |
Non-Patent Citations (3)
Title |
---|
SRINIVAS C.V等: "Performance of WRF in simulating terrain induced flows and atmospheric boundary layer characteristics over the tropical station Gadanki", 《ATMOSPHERIC RESEARCH》 * |
孙焕青: "沙粒起动风速的研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
薛文博: "复杂地形下近地面风速的模式预报误差分析及订正", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113341420A (zh) * | 2021-06-07 | 2021-09-03 | 中国气象局上海台风研究所(上海市气象科学研究所) | 适用不同气候态降雨的双偏振气象雷达雨滴谱反演方法 |
CN113642475A (zh) * | 2021-08-17 | 2021-11-12 | 中国气象局上海台风研究所(上海市气象科学研究所) | 基于卷积神经网络模型的大西洋飓风强度估算方法 |
CN113642475B (zh) * | 2021-08-17 | 2023-04-25 | 中国气象局上海台风研究所(上海市气象科学研究所) | 基于卷积神经网络模型的大西洋飓风强度估算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112364301B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108227041B (zh) | 基于站点实测数据和模式结果的水平能见度预报方法 | |
CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
CN108491630B (zh) | 一种基于大气稳定度风向标准差法的风速外推方法 | |
CN104036121B (zh) | 基于概率分布转移的测风数据风速订正方法 | |
CN113468773B (zh) | 全球台风浪数值模拟方法及系统 | |
CN110598290A (zh) | 考虑气候变化的流域未来水电发电能力预测方法和系统 | |
CN109978275B (zh) | 一种混合cfd和深度学习的极端大风风速预测方法及系统 | |
CN112364301A (zh) | 基于坡长的近地面风速统计降尺度订正方法 | |
CN109992888B (zh) | 风电场的风资源情况的评估方法及系统 | |
CN116910041B (zh) | 一种基于尺度分析的遥感降水产品的逐日订正方法 | |
CN111666725A (zh) | 一种适应非复杂地形风电场的测风塔规划选址方法及系统 | |
CN112364300B (zh) | 基于相对坡长的近地面风速统计降尺度订正方法 | |
CN113177325A (zh) | 复杂地形下校正标准k-ε模型可调参数方法、装置及存储介质 | |
CN114093133A (zh) | 一种区域地质灾害气象预报预警方法 | |
CN113935533A (zh) | 一种黄渤海海区大风推算方法 | |
CN109241212A (zh) | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 | |
CN107944466A (zh) | 一种基于分段思想的降雨偏差纠正方法 | |
CN115511192B (zh) | 一种基于闪电资料同化的降水预报方法及系统 | |
CN111597506A (zh) | 近岸波浪破碎参数和波高的预测方法 | |
CN108197843B (zh) | 一种平坦地形风电出力特性评估方法 | |
CN115693666A (zh) | 基于卫星反演的海上风电场发电量确定方法及系统 | |
CN113821895B (zh) | 输电线路覆冰厚度预测模型的构建方法、装置及存储介质 | |
CN114154325A (zh) | 一种定常与非定常混合风能资源评估方法及系统 | |
CN111696330B (zh) | 一种用于输电线路风灾的分类方法和系统 | |
CN113536569A (zh) | 基于风速段的wrf近地面风场模拟及结果评估方法及系统 |
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 |