CN113516763B - 大尺度精细化地貌数字化模拟方法和装置 - Google Patents

大尺度精细化地貌数字化模拟方法和装置 Download PDF

Info

Publication number
CN113516763B
CN113516763B CN202110580694.0A CN202110580694A CN113516763B CN 113516763 B CN113516763 B CN 113516763B CN 202110580694 A CN202110580694 A CN 202110580694A CN 113516763 B CN113516763 B CN 113516763B
Authority
CN
China
Prior art keywords
land
data
average roughness
landform
wind
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
Application number
CN202110580694.0A
Other languages
English (en)
Other versions
CN113516763A (zh
Inventor
熊政辉
方平治
王小东
宫婷
岳溪柳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sinore Catastrophe Risk Management Co ltd
China Reinsurance Group Co ltd
Original Assignee
Sinore Catastrophe Risk Management Co ltd
China Reinsurance Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sinore Catastrophe Risk Management Co ltd, China Reinsurance Group Co ltd filed Critical Sinore Catastrophe Risk Management Co ltd
Priority to CN202110580694.0A priority Critical patent/CN113516763B/zh
Publication of CN113516763A publication Critical patent/CN113516763A/zh
Application granted granted Critical
Publication of CN113516763B publication Critical patent/CN113516763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/05—Geographic models
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种一种大尺度精细化地貌数字化模拟方法，其特征在于，包括如下步骤：将土地覆盖数据LU和/或土地利用数据LC进行GIS网格化处理，对每个网格按粗糙度长度分类赋值ZO，得到土地网格化数据；获取任一台风影响区域对应的网格并计算该台风的每个场点；以所述场点为参考位置在至少一个来风方向和垂直风向确定至少一个延展范围；根据至少一个所述延展范围包括的所述土地网格化数据，计算所述延展范围内的所有点的平均粗糙度长度，作为大尺度精细化地形网格的中心点的平均粗糙度长度ZO；根据所述平均粗糙度长度ZO，将台风风场模型的网格对应的粗糙度长度按照地貌分类赋值；根据平均粗糙度长度所得地貌类型，给出与地貌修正系数。本发明提供了大尺度精细化地貌数字化模拟方法，以便于将地貌变化在台风风场模型中体现。

Description

大尺度精细化地貌数字化模拟方法和装置
技术领域
本发明属于数据处理技术领域，特别涉及一种大尺度精细化地貌数字化模拟方法和装置，可用于大尺度空间范围(如中国全域或全球)的台风引起的风灾、降雨和洪涝模拟及其损失评估等领域。
背景技术
目前参数化风场模型主要应用与海洋风场模拟，对陆域复杂下垫面的考虑尚且不足，特别是地貌变化对台风风场的影响。台风在洋面上时，下垫面为平滑水面，此时下垫面可简化为在海拔高度为零的平面上叠加由海浪产生的粗糙度。已有的参数化风场模型研究对地貌变化考虑不足，这些参数化台风风场模型将下垫面地貌简化为均匀的以乡村和空旷地区为代表的标准地貌。然而，我国风荷载规范中对单体建筑的风荷载计算时将地貌分为ABCD四类，以充分考虑地貌粗糙度对风的阻挡衰减作用。而现有主流台风模型一般计算的是标准地貌，其特征粗糙度长度为Z0＝0.03米，对于沿海城市密布的研究对象仍进行标准地貌假设会出现较大偏差。而且，对于大尺度范围的台风风场影响区域，很难以目前规范要求的方法对逐个单点进行实地调查和查勘方式给出场点不同来风方向的地貌类型。因此，急需发明一种既兼顾台风影响的大尺度空间范围，又考虑精细化地貌类型数字化模拟方法，研究地貌变化对风场的影响，并将地貌变化在台风风场模型中体现出来。
发明内容
本发明的一方面提供了大尺度精细化地貌数字化模拟方法，其中的实施例方法包括如下步骤：
将土地利用数据(Land Use，LU)和/或土地覆盖数据(Land Cover，LC)进行GIS网格化处理，将每个网格的实际地物覆盖类型提取为LU和/或LC的类型，并根据对应类型赋予每个格网相应的粗糙度长度，得到土地网格化数据；
获取任一台风影响区域对应的网格并计算该台风的每个场点；
以所述场点为参考位置在至少一个来风方向和垂直风向确定至少一个延展范围；
根据至少一个所述延展范围包括的所述土地网格化数据，计算所述延展范围内的所有点的平均粗糙度长度，作为大尺度精细化地形网格的中心点的平均粗糙度长度ZO；
根据所述平均粗糙度长度ZO，将台风风场模型的网格中不同来风方向对应的平均粗糙度长度按照地貌分类赋值，并给出地貌修正系数。
本发明的另一方面提供了大尺度精细化地貌数字化模拟装置，所述系统包括至少一个处理器；以及
存储器，其存储有指令，当通过至少一个处理器来执行该指令时，实施按照本发明实施例所述的方法的步骤。
本发明的另一方面还提供了计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现本发明实施例所述方法的步骤。
本发明的最后一方面还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时本发明实施例所述方法的步骤。
本发明的有益效果在于，利用土地覆盖数据和土地利用数据等多源数据融合的方法，将实际地表覆盖细分为多种粗糙度长度的地貌类型，提出了大尺度精细化地貌数字化模拟方法，将下垫面中地表覆盖物通过提取和划分为多种地貌类型，并给出了不同地貌类型所对应的粗糙度长度，然后计算场点来风方向0.5-10km范围内的平均粗糙度长度进而给出台风风场的地貌修正系数，突破了台风风场中海量计算场点无法实地调研以获取详细地貌类型的瓶颈，提升了台风风场模型模拟风速的合理性和准确性。
附图说明
图1考虑不同来风方向的平均粗糙度长度计算和地貌修正的技术流程图；
图2西南风条件下粗糙度长度求解示意图(蓝色虚线框500米*500米为不计算范围)；
图3地物覆盖类型提取和细分类(左图为高分辨率遥感影像，右图为对应区域的地物类型提取和分类)；
图4理想化地貌类型下平均粗糙度长度计算原理示意图(人为设置已知地貌，正北为光滑水面Z0＝0.005，正南为城市密集建筑区域Z0＝0.8)；
图5平均粗糙度长度拟合过程与实际地貌对比验证示例；
图6-1平均粗糙度长度计算结果与实际地貌对比验证示例；
图6-2示例场点正北方向、东北方向的平均粗糙度长度计算的过程示意图；
图6-3示例场点正东方向、东南方向的平均粗糙度长度计算的过程示意图；
图6-4示例场点正南方向、西南方向的平均粗糙度长度计算的过程示意图；
图6-5示例场点正西方向、西北方向的平均粗糙度长度计算的过程示意图
图7平均粗糙度长度计算结果与实际地貌对比验证示例(乡镇与林地)；
图8平均粗糙度长度计算结果与实际地貌对比验证示例(农村与河流)。
具体实施方式
本发明的不同实施例的技术特征可以在符合本发明主旨的情况下进行任意组合，因此，任何具体实施例不应被理解为对本发明保护范围的限制。
一些实施例的大尺度精细化地貌数字化模拟方法，包括如下步骤：
将土地覆盖数据LU和/或土地利用数据LC进行GIS网格化处理，将每个网格的实际地物覆盖类型提取为LU和或LC的类型，并根据对应类型赋予每个格网相应的粗糙度长度，得到土地网格化数据；
获取任一台风影响区域对应的网格并计算该台风的每个场点；
以所述场点为参考位置在至少一个来风方向和垂直风向确定至少一个延展范围；
根据至少一个所述延展范围包括的所述土地网格化数据，计算所述延展范围内的所有点的平均粗糙度长度，作为大尺度精细化地形网格的中心点粗糙度长度ZO；
根据所述平均粗糙度长度ZO，将台风风场模型的网格中不同来风方向对应的平均粗糙度长度按照地貌分类赋值，然后给出对应的地貌修正系数。
图1为本发明的一些实施例的考虑不同来风方向的平均粗糙度计算和地貌修正的技术流程图，但不应视为对本发明保护范围的限制。表3为一些实施例的风荷载规范中四类地貌对应的平均粗糙度长度及其地貌修正系数。
术语解释
粗糙度长度(roughness length)，是指在边界层大气中，近地层风速向下递减到零时的高度(以零平面位移高度为高度起点)。
场点的平均粗糙度长度，是目标场点延展范围内的所有点的粗糙度长度的平均值。
土地覆盖(land cover,LC)数据是指，比如任意地理区域的土地覆盖空间分布的具有已知分辨率精度和准度的数据。
土地利用(land use,LU)数据是指，比如任意地理区域的地块尺度的城市土地利用制图，揭示了地区和城市间的土地利用差异。
在可选的实施例中，GIS网格处理方法包括矢量和栅格数据融合、空间叠加等空间分析计算。在一些可选的实施例中，不用将土地利用LC和土地利用LU数据进行融合，减少了LU(矢量数据)融合到LC(栅格数据)的精度损失。
在可选的实施例中，粗糙度分类包括LC分类和LU分类，LC分类包括但不限于耕地、森林、草原、灌木丛、湿地、水苔原、不透水表面、裸地、雪/冰；LU分类包括一级分类和二级分类，一级分类包括但不限于居住、商业、工业、交通、公共管理与服务一级分类，二级分类包括但不限于居住、商务办公、商业服务、工业、道路、交通车站、机场设施、行政、教育、医疗、体育与文化、公园和绿地。LU和LC的详细分类所对应的粗糙度长度，可以根据相关研究或者经验给出。
在一些可选的实施例中，不用经过土地利用LC数据拼接、裁剪的实现方法更加快速，对于不同图幅拼接处的测试样点，也能够准确进行LC、LU数据的分析处理。由于不用拼接和裁剪，因此不会受限于裁剪所使用的区划边界准确性和时效性的限制，避免了不同来源区划带来的误差。
在一些实施例中的延展范围的长度为以场点为中心点在来风方向L米，在垂直风向为M米，其中L大于等于M；可选实施例中，L为500-2000米，M为500米。
在另外一些实施例中国根据所述土地覆盖数据LU和/或土地利用数据LC分辨率的分辨率和所述延展范围计算相应延展范围内的LU和/或LC网格，取所有LU和/或LC网格的粗糙度的平均值，得到台风风场模型网格的平均粗糙度；可选的实施例中，土地覆盖数据LU和/或土地利用数据LC分辨率为30米，延展范围为长1500米*500米，获取延展范围对应850个LU和/或LC网格。
在另外一些实施例中，土地覆盖数据LU和/或土地利用数据LC分辨率的分辨率为间隔在所述延展范围计算相应延展范围内的长度方向和宽度方向获取采样点；在可选的实施例中，不计算靠近场点的所述长度方向和所述宽度方向的若干采样点；进一步可选的实施例中不计算所述延展范围中靠近场点的一个非计算区域；更进一步可选的实施例中所述非计算区域的长和宽均为500米。
本发明的实施例中得到的大尺度精细化地貌数据有多种用途，本发明不做具体限定，在可选的实施例中，根据所述地貌类型对应的边界层高度H以及风廊线幂指数α按照式I计算不同地貌条件下的风速比R10m，再根据式II把所述切向风速或地转风速Vg(r,α)转化为下垫面10米高度的风速Vg,10m(r,α)，
R10m＝U10/UH＝(10/H)α 式I
Vg,10m(r,α)＝R10m·Vg(r,α) 式II
其中：U10为10m高度的风速；UH为边界层高度的梯度风速，比如是Georgiou台风风场模型输出的风速。
在可选的实施例中，台风风场模型的网格尺度为0.01°*0.01°，其相对于土地覆盖(land cover,LC)数据的比如00025°*0.01°，属于大尺度。
在可选的实施例中，针对指定网格，考虑来流方向距离网格中心点500-2000米范围内(即考虑内边界层效应)，垂直风向500米范围内的平均粗糙度为该网格中心点的粗糙度。
在可选的实施例中，台风风场模型使用的LU/LC数据分辨率为30米，来流方向500米*1500米范围约对应850个LU/LC网格；取所有网格粗糙度的平均值，得到台风风场模型网格的平均粗糙度。
在一个具体实施例中，原始LC数据分辨率为30米(栅格数据，栅格分辨率0.00025°)，求平均粗糙度的步骤如下：
(1)当风向为正向时(正东、正西、正南、正北)时：宽度为500米，取17个采样点(含计算点，即计算点两侧各取8个点)；长度为2000米，但靠近计算场点的长500米(含计算点，取17个点)*宽500米(含计算点，取17个点，即计算点两侧各取8个点)范围内的LULC去掉不参与计算，即实际参与计算的点为长1500米(取50个点，自去掉17个点的后一位即第18个点起算)*宽500米(取17个点)。
(2)当风向为斜方向时(东北，西北，西南和东南)：采样点个数有变化，其中宽度仍为500米，采样点个数变为取13个点(含计算点，即计算点两侧各取6个点)；长度仍为2000米，但靠近计算场点的长500米(取12个点，含计算点)*宽500米(取13个点，含计算点)范围内的LULC去掉不参与计算，即实际参与计算的点为长1500米(取35个点，自去掉13个点的后一位即第14个点起算)*宽500米(取13个点)。
(3)根据上述采样点对应的LU/LC类型，得到对应的粗糙度Z0然后进行平均，即可得到影响该计算场点来风方向的平均粗糙度meanZ0，如图2所示，西南风条件下粗糙度求解示意图(蓝色虚线框500米*500米为不计算范围)。
根据本发明实施例获得的表征大尺度精细化地貌的网格数据，利用这些获得的数据，将地貌变化在何种台风风场模型中体现的具体方法，本发明不做具体限定。比如下面实施例给出一种台风风场模型中体现的具体方法，即一种考虑复杂下垫面的台风风场模型构建方法，将预置台风风场模型输出切向风速或地转风速Vg(r,α)至少进行如下构建步骤得到考虑复杂下垫面的台风风场模型：
根据式I把所述切向风速或地转风速Vg(r,α)转化为下垫面10米高度的风速Vg,10m(r,α)，
Vg,10m(r,α)＝R10m·Vg(r,α) 式II
其中，R10m表示不同地貌条件下的风速比，其中R10m的计算方法为：
R10m＝U10/UH＝(10/H)α 式I
其中：U10为10m高度的风速；UH为边界层高度的梯度风速，H表示各地貌类型对应的边界层高度，α表示风廓线幂指数。
在具体实施例中，可以根据本发明实施例获得的表征大尺度精细化地貌的网格数据和根据我国现行的建筑结构荷载规范(GB50009-12,2012)，将获得的各地貌类型对应的边界层高度和风廓线幂指数代入上式，即可得到不同地貌条件下的风速比。
下面继续说明大尺度地貌粗糙度的计算方法实施例
地貌粗糙度和地貌分类
地貌数据分为土地覆盖(land cover,LC)和土地利用(land use,LU)两类，采用清华大学宫鹏教授团队的研究成果，分辨率为30m，具体数据信息示例如下：
土地覆盖(land cover,LC)：
采用数据由清华大学宫鹏教授团队加工生产，包括2017年全球0.00025度(对应约30米)土地覆盖空间分布数。
版本：
2015年版：30m精度：FROM-GLC30 2015v1
2017年版:采用多数据源融合，提高了数据空间分辨率精度和准度
10m精度：FROM-GLC10 2017v0.1.3
30m精度：FROM-GLC30 2017v1
数据时期：2015年为主
数据类型：TIFF
投影：经纬度，GCS_WGS_1984
覆盖范围：全球
空间分辨率：30米(0.00025°)
数据量：中国约3GB
分类数量：10类，见表3.1-3
共享方式：免费
基础数据：多源数据融合
土地利用(land use,LU)：
采用数据由清华大学宫鹏教授团队牵头，首次实现全国范围内地块尺度的城市土地利用制图，揭示了地区和城市间的土地利用差异
版本：
2018年版:EULUC-China-2018
提出了涵盖居住-休闲-交通-工业-办公五大类用地的“基本城市土地利用类型(EULUC)”的概念，并综合利用2018年的10米哨兵遥感数据、OpenStreetMap数据、珞珈一号夜间灯光数据、以及腾讯移动定位和高德导航兴趣点(POI)等社会大数据，首次实现了全国范围内城市土地利用制图。
数据时期：2018年
数据类型：矢量shape数据
投影：经纬度，GCS_WGS_1984
覆盖范围：中国
空间分辨率：数据源最精细为10米
数据量：中国约0.6GB(547MB)
分类数量：5大类12小类，见表3.1-4
共享方式：免费
基础数据：多源数据融合
LU和LC的详细分类所对应的粗糙度长度，实际操作示例可采用：
表1.LC分类及其对应的粗糙度长度
表2.LU分类及其对应的粗糙度长度
表3.风荷载规范中四类地貌对应的平均粗糙度长度及其地貌修正系数
图3至图8为验证结果的部分附图。其中，图3为地物覆盖类型提取和细分类，左图为高分辨率遥感影像，右图为对应区域的地物类型提取和分类；图4为理想化地貌类型下平均粗糙度长度计算原理示意图，人为设置已知地貌，正北为光滑水面Z0＝0.005，正南为城市密集建筑区域Z0＝0.8)；图5为平均粗糙度拟合过程与实际地貌对比验证示例；图6-1为平均粗糙度长度计算结果与实际地貌对比验证示例；图6-2示例场点正北方向、东北方向的平均粗糙度长度计算的过程示意图；图6-3示例场点正东方向、东南方向的平均粗糙度长度计算的过程示意图；图6-4示例场点正南方向、西南方向的平均粗糙度长度计算的过程示意图；图6-5示例场点正西方向、西北方向的平均粗糙度长度计算的过程示意图；图7平均粗糙度长度计算结果与实际地貌对比验证示例(乡镇与林地)；图8为平均粗糙度长度计算结果与实际地貌对比验证示例(农村与河流)。
本说明书中描述的主题的实施方式和功能性操作可以在以下中实施：数字电子电路，有形实施的计算机软件或者固件，计算机硬件，包括本说明书中公开的结构及其结构等同体，或者上述中的一者以上的组合。本说明书中描述的主题的实施方式可以被实施为一个或多个计算机程序，即，一个或多个有形非暂时性程序载体上编码的计算机程序指令的一个或多个模块，用以被数据处理设备执行或者控制数据处理设备的操作。
作为替代或者附加，程序指令可以被编码在人工生成的传播信号上，例如，机器生成的电信号、光信号或者电磁信号，上述信号被生成为编码信息以传递到用数据处理设备执行的适当的接收器设备。计算机存储介质可以是机器可读存储装置、机器可读的存储基片、随机或者串行存取存储器装置或者上述装置中的一种或多种的组合。
计算机程序(还可以被称为或者描述为程序、软件、软件应用、模块、软件模块、脚本或者代码)可以以任意形式的编程语言而被写出，包括编译语言或者解释语言或者声明性语言或过程式语言，并且计算机程序可以以任意形式展开，包括作为独立程序或者作为模块、组件、子程序或者适于在计算环境中使用的其他单元。计算机程序可以但不必须对应于文件系统中的文件。程序可以被存储在保存其他程序或者数据的文件的一部分中，例如，存储在如下中的一个或多个脚本：在标记语言文档中；在专用于相关程序的单个文件中；或者在多个协同文件中，例如，存储一个或多个模块、子程序或者代码部分的文件。计算机程序可以被展开为执行在一个计算机或者多个计算机上，所述计算机位于一处，或者分布至多个场所并且通过通信网络而互相连接。
本说明书中描述的主题的实施方式可以在计算系统中实施，该计算系统包括例如数据服务器这样的后端组件，或者包括例如应用服务器这样的中间组件，或者包括例如客户端计算机这样的前端组件，该客户端计算机具有图形用户界面或者网络浏览器，用户可以通过图形用户界面或者网络浏览器而与本说明书中描述的主题的实施进行交互，或者该
计算机系统包括一个或多个这种后端组件、中间组件或者前端组件的任意组合。系统中的组件可以通过例如通信网络的任意形式或介质的数字数据通信而互相连接。通信网络的实例包括局域网络(“LAN”)和广域网络(“WAN”)，例如，因特网。__计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离，并且通常通过通信网络而交互。客户端与服务器之间的关系利用在各自的计算机上运行并且具有彼此之间的客户端-服务器关系的计算机程序而产生。
虽然本说明书包含很多具体的实施细节，但是这些不应当被解释为对任何发明的范围或者对可以要求保护的内容的范围的限制，而是作为可以使特定发明的特定实施方式具体化的特征的说明。在独立的实施方式的语境中的本说明书中描述的特定特征还可以与单个实施方式组合地实施。相反地，在单个实施方式的语境中描述的各种特征还可以独立地在多个实施方式中实施，或者在任何合适的子组合中实施。此外，虽然以上可以将特征描述为组合作用并且甚至最初这样要求，但是来自要求的组合的一个或多个特征在一些情况下可以从该组合去掉，并且要求的组合可以转向子组合或者子组合的变形。

Claims (12)

1.一种大尺度精细化地貌数字化模拟方法，其特征在于，包括如下步骤：
将土地覆盖数据LU和土地利用数据LC进行GIS网格化处理，将每个网格的实际地物覆盖类型提取为LU和LC的类型，并根据对应类型赋予每个格网相应的粗糙度长度，得到土地网格化数据；粗糙度长度分类包括LC分类和LU分类；
获取任一台风影响区域对应的网格并计算该台风的每个场点；
以所述场点为参考位置在至少一个来风方向和垂直风向确定至少一个延展范围；
根据至少一个所述延展范围包括的所述土地网格化数据，计算所述延展范围内的所有点的平均粗糙度长度，作为大尺度精细化地形网格的中心点的平均粗糙度长度Z0；
根据所述平均粗糙度长度Z0，将台风风场模型的网格中不同来风方向对应的平均粗糙度长度按照地貌分类赋值，然后给出对应的地貌修正系数；
根据所述土地覆盖数据LU和土地利用数据LC的分辨率和所述延展范围计算相应延展范围内的LU和LC网格，取所有LU和LC网格的粗糙度的平均值，得到台风风场模型网格的平均粗糙度；
所述土地覆盖数据LU和土地利用数据LC的分辨率为30米，所述延展范围为长1500米*500米，获取延展范围对应850个LU和LC网格；
根据地貌类型对应的边界层高度H以及风廊线幂指数a按照式I计算不同地貌条件下的风速比R10m，再根据式II把切向风速或地转风速Vg(r，α)转化为下垫面10米高度的风速Vg，10m(r，α)，
R10m＝U10/UH＝(10/H)α 式I
Vg，10m(r，α)＝R10m·Vg(r，α) 式II
其中：U10为10m高度的风速；UH为边界层高度的梯度风速。
2.根据权利要求1所述的方法，其特征在于，GIS处理过程包括空间分析计算，所述空间分析计算包括融合、空间叠加。
3.根据权利要求2所述的方法，其特征在于所述LC分类包括但不限于耕地、森林、草原、灌木丛、湿地、水苔原、不透水表面、裸地、雪/冰；所述LU分类包括一级分类和二级分类，所述一级分类包括但不限于居住、商业、工业、交通、公共管理与服务一级分类，所述二级分类包括但不限于居住、商务办公、商业服务、工业、道路、交通车站、机场设施、行政、教育、医疗、体育与文化、公园和绿地。
4.根据权利要求1所述的方法，其特征在于，所述延展范围的长度为以所述场点为中心点在来风方向L米，在垂直风向为M米，其中L大于等于M。
5.根据权利要求4所述的方法，其特征在于，L为500-2000米，M为500米。
6.根据权利要求1所述的方法，其特征在于，以所述土地覆盖数据LU和土地利用数据LC的分辨率为间隔在所述延展范围计算相应延展范围内的长度方向和宽度方向获取采样点。
7.根据权利要求6所述的方法，其特征在于，不计算靠近场点的所述长度方向和所述宽度方向的若干采样点。
8.根据权利要求7所述的方法，其特征在于，不计算所述延展范围中靠近场点的一个非计算区域。
9.根据权利要求8所述的方法，其特征在于，所述非计算区域的长和宽均为500米。
10.一种大尺度精细化地貌数字化模拟装置，其特征在于，所述装置包括至少一个处理器；以及
存储器，其存储有指令，当通过至少一个处理器来执行该指令时，实施按照权利要求1-9任一项所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1所述方法的步骤。
12.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1所述方法的步骤。
CN202110580694.0A 2021-05-26 2021-05-26 大尺度精细化地貌数字化模拟方法和装置 Active CN113516763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110580694.0A CN113516763B (zh) 2021-05-26 2021-05-26 大尺度精细化地貌数字化模拟方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110580694.0A CN113516763B (zh) 2021-05-26 2021-05-26 大尺度精细化地貌数字化模拟方法和装置

Publications (2)

Publication Number Publication Date
CN113516763A CN113516763A (zh) 2021-10-19
CN113516763B true CN113516763B (zh) 2024-05-24

Family

ID=78065086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110580694.0A Active CN113516763B (zh) 2021-05-26 2021-05-26 大尺度精细化地貌数字化模拟方法和装置

Country Status (1)

Country Link
CN (1) CN113516763B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050063615A (ko) * 2003-12-22 2005-06-28 재단법인 포항산업과학연구원 지리 정보 시스템에서의 지면 거칠기 지도 제공 방법
JP2010032379A (ja) * 2008-07-29 2010-02-12 Mitsubishi Heavy Ind Ltd 基準気流場データ作成装置、方法、プログラム、および物質拡散状況予測システム
CN105184667A (zh) * 2015-08-24 2015-12-23 中国长江三峡集团公司 双重嵌套模拟风电场风速分布的方法
CN105513133A (zh) * 2016-02-03 2016-04-20 东南大学 一种城市风环境数字地图制作及显示方法
CN107704641A (zh) * 2017-05-27 2018-02-16 福州大学 基于实景植被空间分布粗糙度的精细风场模拟方法
WO2018161626A1 (zh) * 2017-03-06 2018-09-13 新疆金风科技股份有限公司 用于计算风电场发电量的方法和设备
CN108664705A (zh) * 2018-04-13 2018-10-16 华中科技大学 一种基于OpenFOAM的模拟复杂地形地表粗糙度的方法
CN110298115A (zh) * 2019-07-02 2019-10-01 中国气象局上海台风研究所 一种基于简化地形气动参数的风场动力降尺度方法
CN110544286A (zh) * 2019-06-28 2019-12-06 中国再保险(集团)股份有限公司 一种大尺度范围的场地快速分类方法及构建场地分类图的装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8121798B2 (en) * 2008-11-24 2012-02-21 Itt Manufacturing Enterprises, Inc. Gas flux determination using airborne DIAL LIDAR and airborne wind measurement

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050063615A (ko) * 2003-12-22 2005-06-28 재단법인 포항산업과학연구원 지리 정보 시스템에서의 지면 거칠기 지도 제공 방법
JP2010032379A (ja) * 2008-07-29 2010-02-12 Mitsubishi Heavy Ind Ltd 基準気流場データ作成装置、方法、プログラム、および物質拡散状況予測システム
CN105184667A (zh) * 2015-08-24 2015-12-23 中国长江三峡集团公司 双重嵌套模拟风电场风速分布的方法
CN105513133A (zh) * 2016-02-03 2016-04-20 东南大学 一种城市风环境数字地图制作及显示方法
WO2018161626A1 (zh) * 2017-03-06 2018-09-13 新疆金风科技股份有限公司 用于计算风电场发电量的方法和设备
CN107704641A (zh) * 2017-05-27 2018-02-16 福州大学 基于实景植被空间分布粗糙度的精细风场模拟方法
CN108664705A (zh) * 2018-04-13 2018-10-16 华中科技大学 一种基于OpenFOAM的模拟复杂地形地表粗糙度的方法
CN110544286A (zh) * 2019-06-28 2019-12-06 中国再保险(集团)股份有限公司 一种大尺度范围的场地快速分类方法及构建场地分类图的装置
CN110298115A (zh) * 2019-07-02 2019-10-01 中国气象局上海台风研究所 一种基于简化地形气动参数的风场动力降尺度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
.陡峭山坡风场数值模拟方法研究;郑德乾等;计算力学学报;第38卷(第05期);644-650 *
Assessment of Aerodynamic Roughness Length Using Remotely Sensed Land Cover Features and MODIS;Malik Rashid Abbas et al;IOP Conference Series: Earth and Environmental Science;第722卷(第012015期);1-14 *

Also Published As

Publication number Publication date
CN113516763A (zh) 2021-10-19

Similar Documents

Publication Publication Date Title
Kodysh et al. Methodology for estimating solar potential on multiple building rooftops for photovoltaic systems
Ren et al. Developing a rapid method for 3-dimensional urban morphology extraction using open-source data
Lv et al. Chinese progress in geomorphometry
Effat Selection of potential sites for solar energy farms in Ismailia Governorate, Egypt using SRTM and multicriteria analysis
CN111401634A (zh) 一种获取气候信息处理方法、系统、存储介质
Jiao et al. Evaluation of four sky view factor algorithms using digital surface and elevation model data
Sun et al. Geospatial analysis of urban expansion using remote sensing methods and data: A case study of Yangtze River Delta, China
Dede et al. Integration of participatory mapping, crowdsourcing and geographic information system in flood disaster management (case study Ciledug Lor, Cirebon)
CN113192192A (zh) 一种实景三维数字孪生航道场景构建方法
Guo et al. How the variations of terrain factors affect the optimal interpolation methods for multiple types of climatic elements?
Asori et al. Modeling the impact of the future state of land use land cover change patterns on land surface temperatures beyond the frontiers of greater Kumasi: A coupled cellular automaton (CA) and Markov chains approaches
Albanai A GIScience Simulation for Sea Level Rise Scenarios on Failka Island in The State of Kuwait
Singh et al. Geospatial Approach for Decentralised Planning at Rajhana Panchayat, Himachal Pradesh
CN113516763B (zh) 大尺度精细化地貌数字化模拟方法和装置
Gruen Next generation smart cities-the role of geomatics
Langong et al. The evolution of land spatial pattern in Chengdu during the period of rapid urbanization from the perspective of land function
CN113538679A (zh) 一种混合实景三维航道场景构建方法
Ihsan et al. Development of Low-Cost 3D Building Model Using National Digital Elevation Model in Urban Area of Bandung City, Indonesia
Fry et al. A low-cost GPS-based protocol to create high-resolution digital elevation models for remote mountain areas
Guan et al. Rain fall predict and comparing research based on Arcgis and BP neural network
MDE et al. Sensitivity testing of WRF physics parameterizations for meteorological modeling and protocol in support of regional SIP air quality modeling in the OTR
Fang et al. A Rapid Assessment Method for Flood Risk Mapping Integrating Aerial Point Clouds and Deep Learning
Darwin Unmanned Aerial Vehicle Large Scale Mapping for Coastal Erosion Assessment
Gonçalves et al. High spatial resolution data obtained by GNSS and RPAS to assess islets flood-prone scenarios for 2100
Yi Application of Satellite Gravimetry to Mass Transports on a Global Scale and the Tibetan Plateau

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