CN116805030B - 一种海浪浪高数值预报订正方法 - Google Patents

一种海浪浪高数值预报订正方法 Download PDF

Info

Publication number
CN116805030B
CN116805030B CN202310549508.6A CN202310549508A CN116805030B CN 116805030 B CN116805030 B CN 116805030B CN 202310549508 A CN202310549508 A CN 202310549508A CN 116805030 B CN116805030 B CN 116805030B
Authority
CN
China
Prior art keywords
forecast
historical
current
wave height
point
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
CN202310549508.6A
Other languages
English (en)
Other versions
CN116805030A (zh
Inventor
涂小萍
姚日升
肖王星
朱佳敏
周凯
徐蓉
缪群
庞琦烨
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.)
Zhejiang Meteorological Observatory
Ningbo Meteorological Observatory
Original Assignee
Zhejiang Meteorological Observatory
Ningbo Meteorological Observatory
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 Zhejiang Meteorological Observatory, Ningbo Meteorological Observatory filed Critical Zhejiang Meteorological Observatory
Priority to CN202310549508.6A priority Critical patent/CN116805030B/zh
Publication of CN116805030A publication Critical patent/CN116805030A/zh
Application granted granted Critical
Publication of CN116805030B publication Critical patent/CN116805030B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种海浪浪高数值预报订正方法，其划分远岸和近岸海域；采用双线性插值方法将预报点上的历史浪高数值预报和历史海面风速数值预报插值到观测点上；针对当前预报时效，将每个观测点上每个时次的历史浪高数值预报和历史海面风速数值预报及历史浪高观测资料组成一个历史样本；采用线性回归方法对每个观测点上当前预报时效下所有历史样本进行回归计算，得到所对应的订正回归方程；根据当前待订正的预报点所在海域类型，确定该预报点的订正方程，将该预报点上当前时次的浪高数值预报和海面风速数值预报代入订正方程中，得到订正后的浪高预报值；优点是利用浮标站的历史浪高观测资料来对浪高数值预报结果进行订正，可提高预报准确性。

Description

一种海浪浪高数值预报订正方法
技术领域
本发明涉及一种海浪预报技术，尤其是涉及一种海浪浪高数值预报订正方法。
背景技术
通常所说的海浪，是指海洋中由风产生的波浪，包括风浪、涌浪和近岸浪。风浪是在风直接作用下产生的水面波动，风吹到海面，与海水摩擦，海水受到风的作用，海面开始起伏，随着风速加大和吹风时间增加，海面起伏越来越大，就形成了波浪。而涌浪事实上是风浪遗留下来的浪。浪总体来说都由风所引起，因此有“无风不起浪”的俗语。灾害性海浪主要是由台风、温带气旋、寒潮等较强的天气系统造成的大浪过程，台风掀起的惊涛骇浪易导致航道、港口、船只和海堤等出现重大损失，造成较大的海浪灾害。2010—2019年我国海洋灾害共造成经济损失1001.22亿元。
海洋科学和大气科学的进步，使得海浪数值预报法研究得到了飞速发展。海浪数值预报法大致划分为三代，目前以SWAN(Simulating Waves Nearshore)模式和WW3(WaveWatchⅢ)模式为第三代海浪数值预报法的典型代表。虽然海浪数值预报进步很快，但是仍然存在很多问题：(1)无法准确刻画海浪物理过程；(2)浪流耦合问题：局部强流区，如边界流和海岸等，如果不考虑海流的作用，则可能会导致海浪数值预报模式的输出结果出现较大错误；(3)精确刻画海岸线问题：在靠近海岸的沿海地区，曲折蜿蜒的海岸线制约了结构化网格模式精度的进一步提高。上述这些问题，特别是后两个问题会造成海浪数值预报在近海某些区域更有可能出现较大的误差，因此有必要利用近海的浮标站等观测结果，对海浪数值预报开展研究，对预报结果进行订正，提高海浪数值预报的准确性，为海洋航运和海上作业提供风险预报和预警，具有较高的经济效益和社会效益。虽然目前对海浪数值预报的预报结果的订正已经在开展，但由于用于订正的观测资料有限，因此订正工作还不够细致深入。
发明内容
本发明所要解决的技术问题是提供一种海浪浪高数值预报订正方法，其利用浮标站的历史浪高观测资料来对浪高数值预报结果进行订正，可自动客观计算，且可提高预报准确性。
本发明解决上述技术问题所采用的技术方案为：一种海浪浪高数值预报订正方法，其特征在于包括以下步骤：
步骤1：将所关心的海域划分为远岸海域和近岸海域；然后将位于远岸海域中的观测点定义为远岸观测点，将位于远岸海域中的预报点定义为远岸预报点，将位于近岸海域中的观测点定义为近岸观测点，将位于近岸海域中的预报点定义为近岸预报点；其中，观测点为浮标站，预报点为浪高数值预报网格点；
步骤2：预报时效有24小时、48小时、72小时、96小时、120小时、144小时、168小时、192小时、216小时、240小时，按上述顺序依次处理每种预报时效，将当前处理的预报时效作为当前预报时效；
步骤3：获取所关心的海域中的每个观测点上在历史一段时间内的当前预报时效下每个预报时次的历史浪高观测资料，并获取所关心的海域中的每个预报点上在相同历史一段时间内的当前预报时效下每个预报时次的历史浪高数值预报和历史海面风速数值预报；然后采用双线性插值方法将获取的历史浪高数值预报和历史海面风速数值预报插值到各个观测点上，使每个观测点具有在历史一段时间内的当前预报时效下每个预报时次的历史浪高数值预报和历史海面风速数值预报；再将所关心的海域中的每个观测点上在历史一段时间内的当前预报时效下每一个预报时次的历史浪高数值预报和历史海面风速数值预报以及历史浪高观测资料组成一个历史样本；
步骤4：针对所关心的海域中的每个观测点，采用线性回归方法对每个观测点上在历史一段时间内的当前预报时效下所有预报时次的历史样本进行回归计算，得到当前预报时效下每个观测点所对应的订正回归方程，将当前预报时效下任一个观测点所对应的订正回归方程描述为：Y＝a×X1+b×X2+c，其中，Y表示当前预报时效下该观测点上的历史浪高观测资料，X1表示当前预报时效下该观测点上的历史浪高数值预报，X2表示当前预报时效下该观测点上的历史海面风速数值预报，a、b、c为回归系数，且通过回归计算得到；
步骤5：针对当前预报时效下当前待订正的预报点，根据该预报点所在海域类型，确定当前预报时效下该预报点的订正方程，具体为：若该预报点为远岸预报点，则在远岸海域中选择距离该预报点最近的一个远岸观测点，将当前预报时效下该远岸观测点所对应的订正回归方程作为当前预报时效下该预报点的订正方程；若该预报点为近岸预报点，则在近岸海域中选择距离该预报点最近的一个近岸观测点，将当前预报时效下该近岸观测点所对应的订正回归方程作为当前预报时效下该预报点的订正方程；再将该预报点上当前预报时效下当前预报时次的浪高数值预报代入当前预报时效下该预报点的订正方程中的X1，并将该预报点上当前预报时效下当前预报时次的海面风速数值预报代入当前预报时效下该预报点的订正方程中的X2，计算出的Y值即为该预报点上当前预报时效下当前预报时次的订正后的浪高预报值；
步骤6：将下一种处理的预报时效作为当前预报时效，然后返回步骤3继续执行，直至所有预报时效处理完成。
所述的步骤1中，远岸海域和近岸海域的划分方式为：将距离陆地大于或等于20公里的海域划分为远岸海域，将距离陆地小于20公里的海域划分为近岸海域。
所述的步骤3中，历史一段时间指过去至少1年以上时间。
与现有技术相比，本发明的优点在于：
本发明方法根据海岸线、岛屿等地形因素，将所关心的海域分为远岸海域和近岸海域，利用同类型海域风、浪相似性更高的特点，能够取得更好的订正效果。利用预报点上的历史浪高数值预报和历史海面风速数值预报以及观测点上的历史浪高观测资料，建立订正回归方程，从而对待订正的预报点上当前时次的浪高预报进行订正，得到更优的预报结果，能够为海洋航运和海上作业提供风险预报和预警，起到风险决策、趋利避害的作用，具有较高的经济效益和社会效益。
附图说明
图1为本发明方法的实现流程框图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种海浪浪高数值预报订正方法，其实现流程框图如图1所示，其包括以下步骤：
步骤1：将所关心的海域划分为远岸海域和近岸海域；然后将位于远岸海域中的观测点定义为远岸观测点，将位于远岸海域中的预报点定义为远岸预报点，将位于近岸海域中的观测点定义为近岸观测点，将位于近岸海域中的预报点定义为近岸预报点；其中，观测点为浮标站，预报点为浪高数值预报网格点。
在此，远岸海域和近岸海域的划分方式为：将距离陆地大于或等于20公里的海域划分为远岸海域，将距离陆地小于20公里的海域划分为近岸海域。也就是说，远岸海域距离大陆和每个岛屿均大于或等于20公里，而近岸海域距离大陆小于20公里或距离任一个岛屿小于20公里。远岸海域和近岸海域的划分是根据海岸线、岛屿等地形因素来划分的，对离海岸线和岛屿较远，周围较空旷，不受地形影响的海域称之为远岸海域，将离海岸线或者离岛屿较近，受地形影响大的海域称之为近岸海域。
步骤2：预报时效有24小时、48小时、72小时、96小时、120小时、144小时、168小时、192小时、216小时、240小时，按上述顺序依次处理每种预报时效，将当前处理的预报时效作为当前预报时效；
步骤3：获取所关心的海域中的每个观测点上在历史一段时间内的当前预报时效下每个预报时次的历史浪高观测资料，并获取所关心的海域中的每个预报点上在相同历史一段时间内的当前预报时效下每个预报时次的历史浪高数值预报和历史海面风速数值预报；然后采用双线性插值方法将获取的历史浪高数值预报和历史海面风速数值预报插值到各个观测点上，使每个观测点具有在历史一段时间内的当前预报时效下每个预报时次的历史浪高数值预报和历史海面风速数值预报；再将所关心的海域中的每个观测点上在历史一段时间内的当前预报时效下每一个预报时次的历史浪高数值预报和历史海面风速数值预报以及历史浪高观测资料组成一个历史样本；在此，双线性插值方法为现有技术，采用双线性插值方法进行插值为常规技术手段。
在此，历史一段时间指过去至少1年以上时间。
步骤4：针对所关心的海域中的每个观测点，采用线性回归方法对每个观测点上在历史一段时间内的当前预报时效下所有预报时次的历史样本进行回归计算，得到当前预报时效下每个观测点所对应的订正回归方程，将当前预报时效下任一个观测点所对应的订正回归方程描述为：Y＝a×X1+b×X2+c，其中，Y表示当前预报时效下该观测点上的历史浪高观测资料，X1表示当前预报时效下该观测点上的历史浪高数值预报，X2表示当前预报时效下该观测点上的历史海面风速数值预报，a、b、c为回归系数，且通过回归计算得到；在此，线性回归方法为现有技术，采用线性回归方法进行回归计算为常规技术手段。
步骤5：针对当前预报时效下当前待订正的预报点，根据该预报点所在海域类型，确定当前预报时效下该预报点的订正方程，具体为：若该预报点为远岸预报点，则在远岸海域中选择距离该预报点最近的一个远岸观测点，将当前预报时效下该远岸观测点所对应的订正回归方程作为当前预报时效下该预报点的订正方程；若该预报点为近岸预报点，则在近岸海域中选择距离该预报点最近的一个近岸观测点，将当前预报时效下该近岸观测点所对应的订正回归方程作为当前预报时效下该预报点的订正方程；再将该预报点上当前预报时效下当前预报时次的浪高数值预报代入当前预报时效下该预报点的订正方程中的X1，并将该预报点上当前预报时效下当前预报时次的海面风速数值预报代入当前预报时效下该预报点的订正方程中的X2，计算出的Y值即为该预报点上当前预报时效下当前预报时次的订正后的浪高预报值。
当前预报时效下，在获得当前预报点上当前预报时次的订正后的浪高预报值后，以相同的方式来获取任一个待订正的预报点上当前预报时次的订正后的浪高预报值。
步骤6：将下一种处理的预报时效作为当前预报时效，然后返回步骤3继续执行，直至所有预报时效处理完成。
为了进一步说明本发明方法的可行性和有效性，对本发明方法进行试验。
浙江省气象部门2010年起陆续在浙江省沿海投放了5个浮标站(即观测点)，并装备有浪高观测仪器，其中，海礁站、舟山站、温州站3个浮标站离海岸线40公里以上，且周围海域空旷，不受岛屿影响，为远岸观测点；下海门站、虾峙门外站，由于离岛屿近，受地形影响大，为近岸观测点。
基于2020―2022年浙江省沿海5个浮标站的历史浪高观测资料以及欧洲中期天气预报中心(ECMWF)细网格模式的24小时预报时效的历史浪高数值预报和历史海面风速数值预报，采用2020―2021年的资料建立订正回归方程，2022年的资料作为独立样本进行检验，其中，下海门站因样本时间较短，采用70％的样本作为历史样本建立订正回归方程，采用30％的样本作为独立样本进行检验。
表1列出了浙江省沿海5个浮标站上的浪高数值预报(订正前)以及订正后的浪高预报值的误差对比。
表1浙江省沿海5个浮标站上的浪高数值预报以及订正后的浪高预报值的误差对比(米)
从表1所列的订正前后预报误差对比来看，订正后的预报偏差都减小了82％以上，并且订正后的预报偏差已经接近于0，基本消除了预报的系统误差；订正后的均方根误差减小了19～40％，5个浮标站平均减小了24％，可见具有很好的订正效果。

Claims (3)

1.一种海浪浪高数值预报订正方法，其特征在于包括以下步骤：
步骤1：将所关心的海域划分为远岸海域和近岸海域；然后将位于远岸海域中的观测点定义为远岸观测点，将位于远岸海域中的预报点定义为远岸预报点，将位于近岸海域中的观测点定义为近岸观测点，将位于近岸海域中的预报点定义为近岸预报点；其中，观测点为浮标站，预报点为浪高数值预报网格点；
步骤2：预报时效有24小时、48小时、72小时、96小时、120小时、144小时、168小时、192小时、216小时、240小时，按上述顺序依次处理每种预报时效，将当前处理的预报时效作为当前预报时效；
步骤3：获取所关心的海域中的每个观测点上在一段历史时间内的当前预报时效下每个预报时次的历史浪高观测资料，并获取所关心的海域中的每个预报点上在相同一段历史时间内的当前预报时效下每个预报时次的历史浪高数值预报和历史海面风速数值预报；然后采用双线性插值方法将获取的历史浪高数值预报和历史海面风速数值预报插值到各个观测点上，使每个观测点具有在一段历史时间内的当前预报时效下每个预报时次的历史浪高数值预报和历史海面风速数值预报；再将所关心的海域中的每个观测点上在一段历史时间内的当前预报时效下每一个预报时次的历史浪高数值预报和历史海面风速数值预报以及历史浪高观测资料组成一个历史样本；
步骤4：针对所关心的海域中的每个观测点，采用线性回归方法对每个观测点上在一段历史时间内的当前预报时效下所有预报时次的历史样本进行回归计算，得到当前预报时效下每个观测点所对应的订正回归方程，将当前预报时效下任一个观测点所对应的订正回归方程描述为：Y＝a×X1+b×X2+c，其中，Y表示当前预报时效下该观测点上的历史浪高观测资料，X1表示当前预报时效下该观测点上的历史浪高数值预报，X2表示当前预报时效下该观测点上的历史海面风速数值预报，a、b、c为回归系数，且通过回归计算得到；
步骤5：针对当前预报时效下当前待订正的预报点，根据该预报点所在海域类型，确定当前预报时效下该预报点的订正方程，具体为：若该预报点为远岸预报点，则在远岸海域中选择距离该预报点最近的一个远岸观测点，将当前预报时效下该远岸观测点所对应的订正回归方程作为当前预报时效下该预报点的订正方程；若该预报点为近岸预报点，则在近岸海域中选择距离该预报点最近的一个近岸观测点，将当前预报时效下该近岸观测点所对应的订正回归方程作为当前预报时效下该预报点的订正方程；再将该预报点上当前预报时效下当前预报时次的浪高数值预报代入当前预报时效下该预报点的订正方程中的X1，并将该预报点上当前预报时效下当前预报时次的海面风速数值预报代入当前预报时效下该预报点的订正方程中的X2，计算出的Y值即为该预报点上当前预报时效下当前预报时次的订正后的浪高预报值；
步骤6：将下一种处理的预报时效作为当前预报时效，然后返回步骤3继续执行，直至所有预报时效处理完成。
2.根据权利要求1所述的一种海浪浪高数值预报订正方法，其特征在于所述的步骤1中，远岸海域和近岸海域的划分方式为：将距离陆地大于或等于20公里的海域划分为远岸海域，将距离陆地小于20公里的海域划分为近岸海域。
3.根据权利要求1或2所述的一种海浪浪高数值预报订正方法，其特征在于所述的步骤3中，一段历史时间指过去至少1年以上时间。
CN202310549508.6A 2023-05-15 2023-05-15 一种海浪浪高数值预报订正方法 Active CN116805030B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310549508.6A CN116805030B (zh) 2023-05-15 2023-05-15 一种海浪浪高数值预报订正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310549508.6A CN116805030B (zh) 2023-05-15 2023-05-15 一种海浪浪高数值预报订正方法

Publications (2)

Publication Number Publication Date
CN116805030A CN116805030A (zh) 2023-09-26
CN116805030B true CN116805030B (zh) 2024-02-13

Family

ID=88080141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310549508.6A Active CN116805030B (zh) 2023-05-15 2023-05-15 一种海浪浪高数值预报订正方法

Country Status (1)

Country Link
CN (1) CN116805030B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170062298A (ko) * 2015-11-27 2017-06-07 공주대학교 산학협력단 풍속 내삽에 적용하기 위해 개선된 mk-prism 방법
CN107341134A (zh) * 2017-06-27 2017-11-10 洛阳市气象局 一种对数值预报格点温度预报数据精细化处理的方法
CN113128758A (zh) * 2021-04-16 2021-07-16 北京玖天气象科技有限公司 基于近海浮标海浪观测数据构建的最大浪高预报系统
CN115761596A (zh) * 2022-12-07 2023-03-07 武汉浩谱海洋探测系统有限公司 基于神经网络的视频监控测浪装置、系统及模型训练方法
JP2023031628A (ja) * 2021-08-25 2023-03-09 五洋建設株式会社 静穏度評価手法、予測モデル生成方法、静穏度評価装置、およびプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170062298A (ko) * 2015-11-27 2017-06-07 공주대학교 산학협력단 풍속 내삽에 적용하기 위해 개선된 mk-prism 방법
CN107341134A (zh) * 2017-06-27 2017-11-10 洛阳市气象局 一种对数值预报格点温度预报数据精细化处理的方法
CN113128758A (zh) * 2021-04-16 2021-07-16 北京玖天气象科技有限公司 基于近海浮标海浪观测数据构建的最大浪高预报系统
JP2023031628A (ja) * 2021-08-25 2023-03-09 五洋建設株式会社 静穏度評価手法、予測モデル生成方法、静穏度評価装置、およびプログラム
CN115761596A (zh) * 2022-12-07 2023-03-07 武汉浩谱海洋探测系统有限公司 基于神经网络的视频监控测浪装置、系统及模型训练方法

Also Published As

Publication number Publication date
CN116805030A (zh) 2023-09-26

Similar Documents

Publication Publication Date Title
Zheng et al. An overview of medium-to long-term predictions of global wave energy resources
CN111428916B (zh) 一种海上救援船舶巡航路径规划方法
CN113128758B (zh) 基于近海浮标海浪观测数据构建的最大浪高预报系统
CN118690669B (zh) 一种基于改进cnn-lstm网络的近海风场反演方法
CN116449462B (zh) 海浪有效波高时空序列预测方法、系统、存储介质及设备
CN115859840A (zh) 一种海洋环境动力要素区域极值分析方法
CN104392113B (zh) 一种近海海面冷空气大风风速的估算方法
CN118759605A (zh) 基于参数化风压场改进的强台风风暴潮预报方法
CN118261044A (zh) 一种适用于非结构海浪时空数据的有义波高预报方法
CN118536078A (zh) 一种基于多灰箱模型融合的风翼助航船舶油耗预测方法
CN116805030B (zh) 一种海浪浪高数值预报订正方法
CN116523125B (zh) 一种基于海面风速预报的浪高预报方法
CN117113828B (zh) 一种基于船基走航式观测的数值预报订正方法
CN116992781B (zh) 基于深度学习的多步多要素风浪预报方法
CN115826093A (zh) 一种海面风全区订正预报方法
CN110188944A (zh) 一种涌浪监测预警方法
CN118011524B (zh) 一种基于海面风向和风速预报的浪高预报方法
Nishida et al. Optimization of integrated weather routing systems for sailing cargo ships
CN116227658A (zh) 一种基于长短时记忆神经网络的站点海温预报方法
CN114912672A (zh) 基于深度学习的短期黑潮流量预测方法及装置
CN118378921B (zh) 面向近岸多岛区域的海上风电场选址方法、设备、介质
Ke et al. Storm surge modelling by Delft3D FM--a case study in Shanghai area
Dong et al. Landsat Image-Based Spatiotemporal Variation Analysis of Erosion and Deposition off the Qingshuigou of the Yellow River Delta from 1984 to 2021
CN114325694B (zh) 基于多源卫星雷达高度计资料有效波高融合方法与系统
Day et al. Improved wave predictions with ST6 Physics and ADCIRC+ SWAN

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