CN116842877B - 一种基于多源数据综合利用的小尺度三维风场重构算法 - Google Patents
一种基于多源数据综合利用的小尺度三维风场重构算法 Download PDFInfo
- Publication number
- CN116842877B CN116842877B CN202311126703.4A CN202311126703A CN116842877B CN 116842877 B CN116842877 B CN 116842877B CN 202311126703 A CN202311126703 A CN 202311126703A CN 116842877 B CN116842877 B CN 116842877B
- Authority
- CN
- China
- Prior art keywords
- wind field
- data
- grid
- site
- field
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 59
- 238000004088 simulation Methods 0.000 claims abstract description 24
- 238000003745 diagnosis Methods 0.000 claims abstract description 12
- 239000012530 fluid Substances 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 28
- 238000005314 correlation function Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000011160 research Methods 0.000 claims description 10
- 238000012876 topography Methods 0.000 claims description 7
- 238000011835 investigation Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims 1
- 238000009792 diffusion process Methods 0.000 abstract description 5
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000003344 environmental pollutant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 231100000719 pollutant Toxicity 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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
- Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种基于多源数据综合利用的小尺度三维风场重构算法，涉及环境监测与环境保护领域，步骤为：收集应用区域基础信息，包括地面监测站点三维空间位置、地形、土地利用等数据，建立模拟网格；获取地面监测站点网络风场监测数据，并进行数据预处理；对监测风场数据进行插值，形成初始场；基于初始场和连续性方程，对初始场进行调整，最终使风场符合流体运动基本规律，形成诊断风场。本发明利用诊断风场模型，实现了基于地面监测网络的快速三维风场重构，且重构风场符合流体运动规律，减少个别站点对于风场的影响，在一定的场景下，尤其是小尺度大气污染溯源与扩散模拟上，取得了更好的准确度和时效性的平衡。
Description
技术领域
本发明涉及环境监测与环境保护领域，尤其涉及小尺度（水平1至40千米范围）风场重构，特别涉及一种基于多源数据综合利用的小尺度三维风场重构算法。
背景技术
小尺度风场是小尺度大气污染扩散模型及大气污染溯源模型所依赖的基础信息，用于数值模拟污染物分子在空气中的传输和扩散情况。精确的小尺度风场对于污染物的扩散模拟和溯源分析具有关键作用。风场包括风向和风速及其时空变化特征。
目前，小尺度风场的模拟重构主要有以下方案：1. 截取全球气候场如GFS中的风场参数作为小尺度风场使用；2.采用地面监测站点的监测结果的平均值作为整体的风场；3.对多个地面监测站点的风场数据进行插值作为小尺度风场；4.以GFS数据为基础，利用WRF等模拟软件进行区域模拟；5. 根据流体力学计算，对模拟区域风场进行模拟。
其中，方案1、2无法表征在小尺度中，风场由于受到地形、建筑等因素产生的时空异质特征，只能获得平直风场，精度有限；
方案3虽然通过建立多个监测站点及空间插值，建立了对小尺度风场的监测和重构方法，但简单插值不满足空气流动的基本机理，难以获得准确的结果；
方案4、5需要进行数值模拟计算，算力要求较高，难以满足实时污染扩散、溯源等应用需要，为了消除上述隐患，
为此，提出一种基于多源数据综合利用的小尺度三维风场重构算法。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于多源数据综合利用的小尺度三维风场重构算法，解决小尺度风场时不能反映小尺度流场的不均一性，准确度不高的技术问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于多源数据综合利用的小尺度三维风场重构算法，具体步骤如下
步骤1、收集应用区域基础信息，包括地面监测站点三维空间位置、地形、土地利用的数据，建立模拟网格；
步骤2、获取地面监测站点网络风场监测数据，并进行数据预处理；
步骤3、对监测风场数据进行插值，形成初始风场；
步骤4、基于初始场和连续性方程，对初始场进行调整，最终使风场符合流体运动基本规律，形成诊断风场。
优选的，所述步骤1中，收集信息，建立网格：
1.1 收集点位信息
监测站点位置数据及模拟边界/>，其中/>分别为监测站点i在X方向、Y方向的坐标，/>为站点的布设高度，/>分别表示模拟边界在X方向的起点和终点坐标，在Y方向的起点和终点坐标，在小尺度范围，位置按照通用横墨卡托投影坐标系（UTM）表示，模拟边界需考虑研究范围的边界及信息化平台展示效果，模拟边界需要大于研究范围；
1.2 建立模拟网格
设定模拟网格分辨率R，则X方向网格数nx和Y方向网格数ny分别为，相关函数表示如式(1)-(2)所示：
(1)
(2)
其中表示向上取整，由于初始测定的模拟网格边界不一定是分辨率的整数倍，因此需要根据分辨率对网格边界进行修正，修正模拟边界位置分别为，相关函数表示如式(3)-(6)所示：
(3)
(4)
(5)
(6)
其中，分别表示模拟边界在修正后的X方向的起点和终点坐标，在Y方向的起点和终点坐标，对于网格坐标，其中心位置为，相关函数表示如式(7)-(8)所示：
(7)
(8)
其中、/>分别为索引为/>的网格在X方向和Y方向的坐标。
优选的，所述步骤1中，还包括有获取高度信息并设立z轴网格：
1.3 获取地面高程
基于地面高程数据，从GEOTIFF格式栅格数据中读取各点位的高程信息，点位包括监测站点及模拟网格中心点，GEOTIFF格式栅格数据可从互联网公共数据集获取，如STRM全球高程数据集，对于GEOTIFF数据，需首先确保其坐标系与模拟网格坐标系相同，需要先行转换，设分别为GEOTIFF在X方向的起点和终点坐标，/>分别为GEOTIFF在Y方向的起点和终点坐标，/>为GEOTIFF的分辨率，/>为GEOTIFF的在位置索引上的高程数值，则对于任意坐标为/>的点，其高程数据在GEOTIFF中的索引为，相关函数表示如式(9)-(10)所示：
(9)
(10)
其中表示向下取整；
1.4 设定z轴网格
设定z轴网格高度，其中H为纵向层数，根据研究区域地形高差和实际需要调整，设定值小于10，纵向网格分层不是均一的，在近地面较密。
优选的，步骤2中，数据预处理：
获取地面监测站点在t时刻及此前L-1个时刻的风场监测信息，即，/>分别为站点i监测风矢量的u, v分量时间序列。对于任意一个站点，站点 i，选取与其地理上最近邻的K个站点，K设定为3，/>，其中/>表示监测站点i的最近邻站点集合，表示站点i的第j个最近邻站点，计算站点i与近邻站点j风矢量的余弦相似度时间序列，相关函数表示如式(11)-(12)所示：
(11)
(12)
对于t时刻，根据站点i与集合中最近邻站点j的相似度判断站点i此刻的风场监测数据是否是无效值，对于余弦相似度序列/>，通过以下判断，相关函数表示如式(13)所示：
(13)
其中表示/>序列的均值，/>表示/>序列的标准差，对/>集合内的最近邻站点依次计算/>并加和，相关函数表示如式(14)所示：
(14)
如果大于阈值T则认为监测站点i此时的监测数据不可靠，在计算中应舍去，当K取值为3时，T取值为1。
优选的，步骤3中，计算初始风场：
根据距离计算初始风场插值，对于网格中心点，/>，风向u风向计算公式为 (15)和(16)所示：
(15)
(16)
其中为该网格点在第h层的高度，/>为站点i所在位置的高程，从GEOTIFF文件获取，/>的计算公式与/>相同，
风场的w分量难以直接测量，但可以根据地形与风场的相互作用进行估算，如式(17)-(19)所示：
(17)
(18)
(19)
其中表示开尔文温度，/>、/>分别表示研究区域内最高和最低站点测量的温度差，/>、/>分别表示研究区域最高和最低站点的高度，高度包括地形高度和站点本身高度，/>、/>分别表示在网格/>处的地形在X方向和Y方向的梯度，可以通过相邻格点高度的差值获得。
优选的，步骤3中，计算初始风场：步骤4中，计算诊断风场：
诊断风场是在初始风场的基础上，基于流场连续性方程进行微调，使最终风场符合流体基本运动规律的方法，将各个网格的初始风场记为，三者均是与X、Y、Z坐标有关的标量场，根据流场连续性方程和数值优化方法，可推导诊断风场公式为(20)-(22)所示：
(20)
(21)
(22)
其中，，/>, />为水平风场测量误差，为仪器参数，A为大于1的常数，表示纵向风场不确定度与水平风场不确定度之间的倍数关系，取值为3，/>为与X、Y、Z坐标有关标量场，通过优化方程（23）：
(23)
可以求得，其中，一阶偏导和二阶偏导均采用中心差分进行计算，如式(24)-(25)所示：
(24)
(25)。
（三）有益效果
1、本发明利用诊断风场模型，实现了基于地面监测网络的快速三维风场重构，且重构风场符合流体运动规律，减少个别站点对于风场的影响，相比于其他技术方案，在一定的场景下，尤其是小尺度大气污染溯源与扩散模拟上，取得了更好的准确度和时效性的平衡。
本发明通过基于最近邻站点风场时序相关性比对的方法，实现了对异常风场监测数据的识别和剔除，降低对于算计的需求，提升处理的时效性，有助于进一步提高风场重构的准确性。
附图说明
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
图1为本发明一种基于多源数据综合利用的小尺度三维风场重构算法的技术方案流程图；
图2为本发明一种基于多源数据综合利用的小尺度三维风场重构算法中案例园区模拟网格和监测点位图；
图3为本发明一种基于多源数据综合利用的小尺度三维风场重构算法中地面高差信息格式图；
图4为本发明一种基于多源数据综合利用的小尺度三维风场重构算法中站点风向分布图。
图5为本发明一种基于多源数据综合利用的小尺度三维风场重构算法中初始风场与诊断风场对比图。
图6为本发明一种基于多源数据综合利用的小尺度三维风场重构算法的实际应用展示效果图。
具体实施方式
本申请实施例通过提供一种基于多源数据综合利用的小尺度三维风场重构算法，解决现有技术中对输入数据要求高、模拟算力需求大，时效性不足的问题，利用最近邻算法对原始风场监测数据进行删选，剔除无效监测数据，技术实现了对异常风场监测数据的识别和剔除，有助于进一步提高风场重构的准确性。
实施例1
本申请实施例中的技术方案为解决上述流程不均一、准确度不高问题，总体思路如下：
如图1所示，针对现有技术中存在的问题，本发明提供一种基于多源数据综合利用的小尺度三维风场重构算法，该方案包括以下步骤：
步骤1、收集应用区域基础信息，包括地面监测站点三维空间位置、地形、土地利用的数据，建立模拟网格；
步骤2、获取地面监测站点网络风场监测数据，并进行数据预处理；
步骤3、对监测风场数据进行插值，形成初始风场；
步骤4、基于初始场和连续性方程，对初始场进行调整，最终使风场符合流体运动基本规律，形成诊断风场。
步骤1中，收集信息，建立网格：
收集点位信息
监测站点位置数据及模拟边界/>，其中/>分别为监测站点i在X方向、Y方向的坐标，/>为站点的布设高度，/>分别表示模拟边界在X方向的起点和终点坐标，在Y方向的起点和终点坐标，在小尺度范围，位置按照通用横墨卡托投影坐标系（UTM）表示，模拟边界需考虑研究范围的边界及信息化平台展示效果，模拟边界需要大于研究范围；
1.2 建立模拟网格
如图2所示，设定模拟网格分辨率R，则X方向网格数nx和Y方向网格数ny分别为，相关函数表示如式(1)-(2)所示：
(1)
(2)
其中表示向上取整，由于初始测定的模拟网格边界不一定是分辨率的整数倍，因此需要根据分辨率对网格边界进行修正，修正模拟边界位置分别为，相关函数表示如式(3)-(6)所示：
(3)
(4)
(5)
(6)
其中，分别表示模拟边界在修正后的X方向的起点和终点坐标，在Y方向的起点和终点坐标，对于网格坐标，其中心位置为，相关函数表示如式(7)-(8)所示：
(7)
(8)
其中、/>分别为索引为/>的网格在X方向和Y方向的坐标；
1.3 获取地面高程
综合图3所示，基于地面高程数据，从GEOTIFF格式栅格数据中读取各点位的高程信息，点位包括监测站点及模拟网格中心点，GEOTIFF格式栅格数据可从互联网公共数据集获取，如STRM全球高程数据集，对于GEOTIFF数据，需首先确保其坐标系与模拟网格坐标系相同，需要先行转换，设分别为GEOTIFF在X方向的起点和终点坐标，/>分别为GEOTIFF在Y方向的起点和终点坐标，/>为GEOTIFF的分辨率，/>为GEOTIFF的在位置索引/>上的高程数值，则对于任意坐标为/>的点，其高程数据在GEOTIFF中的索引为，相关函数表示如式(9)-(10)所示：
(9)
(10)
其中表示向下取整；
1.4 设定z轴网格
设定z轴网格高度，其中H为纵向层数，根据研究区域地形高差和实际需要调整，设定值小于10，纵向网格分层不是均一的，在近地面较密；
步骤2中，数据预处理：
如图4所示，获取地面监测站点在t时刻及此前L-1个时刻的风场监测信息，即，/>分别为站点i监测风矢量的u, v分量时间序列。对于任意一个站点，站点 i，选取与其地理上最近邻的K个站点，K设定为3，/>，其中/>表示监测站点i的最近邻站点集合，表示站点i的第j个最近邻站点，计算站点
i与近邻站点j风矢量的余弦相似度时间序列，相关函数表示如式(11)-(12)所示：
(11)
(12)
对于t时刻，根据站点i与集合中最近邻站点j的相似度判断站点i此刻的风场监测数据是否是无效值，对于余弦相似度序列/>，通过以下判断，相关函数表示如式(13)所示：
(13)
其中表示/>序列的均值，/>表示/>序列的标准差，对/>集合内的最近邻站点依次计算/>并加和，相关函数表示如式(14)所示：
(14)
如果大于阈值T则认为监测站点i此时的监测数据不可靠，在计算中应舍去，当K取值为3时，T取值为1；
步骤3中，计算初始风场：
根据距离计算初始风场插值，对于网格中心点，/>，风向u风向计算公式为 (15)和(16)所示：
(15)
(16)
其中为该网格点在第h层的高度，/>为站点i所在位置的高程，从GEOTIFF文件获取，/>的计算公式与/>相同，
风场的w分量难以直接测量，但可以根据地形与风场的相互作用进行估算，如式(17)-(19)所示：
(17)
(18)
(19)
其中表示开尔文温度，/>、/>分别表示研究区域内最高和最低站点测量的温度差，/>、/>分别表示研究区域最高和最低站点的高度，高度包括地形高度和站点本身高度，/>、/>分别表示在网格/>处的地形在X方向和Y方向的梯度，可以通过相邻格点高度的差值获得；
步骤4中，计算诊断风场：
诊断风场是在初始风场的基础上，基于流场连续性方程进行微调，使最终风场符合流体基本运动规律的方法，将各个网格的初始风场记为，三者均是与X、Y、Z坐标有关的标量场，根据流场连续性方程和数值优化方法，可推导诊断风场公式为(20)-(22)所示：
(20)
(21)
(22)
其中，，/>, />为水平风场测量误差，为仪器参数，A为大于1的常数，表示纵向风场不确定度与水平风场不确定度之间的倍数关系，取值为3，/>为与X、Y、Z坐标有关标量场，通过优化方程（23）：
(23)
可以求得，其中，一阶偏导和二阶偏导均采用中心差分进行计算，如式(24)-(25)所示：
(24)
(25)。
本发明利用诊断风场模型，实现了基于地面监测网络的快速三维风场重构，且重构风场符合流体运动规律，相比于其他技术方案，在一定的场景下，尤其是小尺度大气污染溯源与扩散模拟上，取得了更好的准确度和时效性的平衡。
本发明通过基于最近邻站点风场时序相关性比对的方法，实现了对异常风场监测数据的识别和剔除，有助于进一步提高风场重构的准确性。
显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (5)
1.一种基于多源数据综合利用的小尺度三维风场重构算法，包括，其特征在于：具体步骤如下
步骤1、收集应用区域基础信息，包括地面监测站点三维空间位置、地形、土地利用的数据，建立模拟网格；
步骤2、获取地面监测站点网络风场监测数据，并进行数据预处理；
步骤3、对监测风场数据进行插值，形成初始风场；
步骤4、基于初始场和连续性方程，对初始场进行调整，最终使风场符合流体运动基本规律，形成诊断风场；
其中，诊断风场是在初始风场的基础上，基于流场连续性方程进行微调，使最终风场符合流体基本运动规律的方法，将各个网格的初始风场记为，三者均是与X、Y、Z坐标有关的标量场，根据流场连续性方程和数值优化方法，可推导诊断风场公式为(20)-(22)所示：
(20)
(21)
(22)
其中，，/>, />为水平风场测量误差，为仪器参数，A为大于1的常数，表示纵向风场不确定度与水平风场不确定度之间的倍数关系，取值为3，/>为与X、Y、Z坐标有关标量场，通过优化方程（23）：
(23)
可以求得，其中，一阶偏导和二阶偏导均采用中心差分进行计算，如式(24)-(25)所示：
(24)
(25)。
2.如权利要求1所述的一种基于多源数据综合利用的小尺度三维风场重构算法，其特征在于：所述步骤1中，收集信息，建立网格：
1.1 收集点位信息
监测站点位置数据及模拟边界/>，其中/>分别为监测站点i在X方向、Y方向的坐标，/>为站点的布设高度，/>分别表示模拟边界在X方向的起点和终点坐标，在Y方向的起点和终点坐标，在小尺度范围，位置按照通用横墨卡托投影坐标系（UTM）表示，模拟边界需考虑研究范围的边界及信息化平台展示效果，模拟边界需要大于研究范围；
1.2 建立模拟网格
设定模拟网格分辨率R，则X方向网格数nx和Y方向网格数ny分别为，相关函数表示如式(1)-(2)所示：
(1)
(2)
其中表示向上取整，由于初始测定的模拟网格边界不一定是分辨率的整数倍，因此需要根据分辨率对网格边界进行修正，修正模拟边界位置分别为，相关函数表示如式(3)-(6)所示：
(3)
(4)
(5)
(6)
其中，分别表示模拟边界在修正后的X方向的起点和终点坐标，在Y方向的起点和终点坐标，对于网格坐标，其中心位置为，相关函数表示如式(7)-(8)所示：
(7)
(8)
其中、/>分别为索引为/>的网格在X方向和Y方向的坐标。
3.如权利要求2所述的一种基于多源数据综合利用的小尺度三维风场重构算法，其特征在于：所述步骤1中，还包括有获取高度信息并设立z轴网格：
1.3 获取地面高程
基于地面高程数据，从GEOTIFF格式栅格数据中读取各点位的高程信息，点位包括监测站点及模拟网格中心点，GEOTIFF格式栅格数据可从互联网公共数据集获取，对于GEOTIFF数据，需首先确保其坐标系与模拟网格坐标系相同，需要先行转换，设分别为GEOTIFF在X方向的起点和终点坐标，/>分别为GEOTIFF在Y方向的起点和终点坐标，/>为GEOTIFF的分辨率，/>为GEOTIFF的在位置索引/>上的高程数值，则对于任意坐标为/>的点，其高程数据在GEOTIFF中的索引为，相关函数表示如式(9)-(10)所示：
(9)
(10)
其中表示向下取整；
1.4 设定z轴网格
设定z轴网格高度，其中H为纵向层数，根据研究区域地形高差和实际需要调整，设定值小于10，纵向网格分层不是均一的，在近地面较密。
4.如权利要求1所述的一种基于多源数据综合利用的小尺度三维风场重构算法，其特征在于：步骤2中，数据预处理：
获取地面监测站点在t时刻及此前L-1个时刻的风场监测信息，即，/>分别为站点i监测风矢量的u, v分量时间序列，对于任意一个站点，站点 i，选取与其地理上最近邻的K个站点，K设定为3，/>，其中/>表示监测站点i的最近邻站点集合，表示站点i的第j个最近邻站点，计算站点i与近邻站点j风矢量的余弦相似度时间序列，相关函数表示如式(11)-(12)所示：
(11)
(12)
对于t时刻，根据站点i与集合中最近邻站点j的相似度判断站点i此刻的风场监测数据是否是无效值，对于余弦相似度序列/>，通过以下判断，相关函数表示如式(13)所示：
(13)
其中表示/>序列的均值，/>表示/>序列的标准差，对/>集合内的最近邻站点依次计算/>并加和，相关函数表示如式(14)所示：
(14)
如果大于阈值T则认为监测站点i此时的监测数据不可靠，在计算中应舍去，当K取值为3时，T取值为1。
5.如权利要求4所述的一种基于多源数据综合利用的小尺度三维风场重构算法，其特征在于：步骤3中，计算初始风场：
根据距离计算初始风场插值，对于网格中心点，/>，风向u风向计算公式为(15)和(16)所示：
(15)
(16)
其中为该网格中心点在第h层的高度，/>为站点i所在位置的高程，从GEOTIFF文件获取，/>的计算公式与/>相同，风场的w分量难以直接测量，但可以根据地形与风场的相互作用进行估算，如式(17)-(19)所示：
(17)
(18)
(19)
其中表示开尔文温度，/>、/>分别表示研究区域内最高和最低站点测量的温度差，/>、/>分别表示研究区域最高和最低站点的高度，高度包括地形高度和站点本身高度，/>、/>分别表示在网格/>处的地形在X方向和Y方向的梯度，可以通过相邻格点高度的差值获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126703.4A CN116842877B (zh) | 2023-09-04 | 2023-09-04 | 一种基于多源数据综合利用的小尺度三维风场重构算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311126703.4A CN116842877B (zh) | 2023-09-04 | 2023-09-04 | 一种基于多源数据综合利用的小尺度三维风场重构算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116842877A CN116842877A (zh) | 2023-10-03 |
| CN116842877B true CN116842877B (zh) | 2023-11-28 |
Family
ID=88171104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311126703.4A Active CN116842877B (zh) | 2023-09-04 | 2023-09-04 | 一种基于多源数据综合利用的小尺度三维风场重构算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116842877B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117665824A (zh) * | 2023-12-22 | 2024-03-08 | 中山大学 | 一种海面风场重构方法及系统 |
| CN117745977B (zh) * | 2024-02-20 | 2024-05-07 | 四川开澜科技有限公司 | 基于3dgis的山地自然风场分析方法、系统及终端 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106326625A (zh) * | 2015-07-09 | 2017-01-11 | 中国电力科学研究院 | 一种耦合WRF与OpenFOAM模式的风场模拟方法 |
| CN107526910A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 一种核设施事故场外后果评价中的风场诊断方法 |
| CN111612376A (zh) * | 2020-06-01 | 2020-09-01 | 江苏省环境监测中心 | 基于城市水质指数的数据处理方法及装置 |
| WO2022047959A1 (zh) * | 2020-09-04 | 2022-03-10 | 东南大学 | 一种提升风环境的人工智能城市设计形态布局方法 |
| CN114580310A (zh) * | 2020-11-28 | 2022-06-03 | 北京零壹橡树科技有限公司 | 一种基于palm实现wrf模拟风场降尺度处理的方法 |
-
2023
- 2023-09-04 CN CN202311126703.4A patent/CN116842877B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106326625A (zh) * | 2015-07-09 | 2017-01-11 | 中国电力科学研究院 | 一种耦合WRF与OpenFOAM模式的风场模拟方法 |
| CN107526910A (zh) * | 2016-06-21 | 2017-12-29 | 中国辐射防护研究院 | 一种核设施事故场外后果评价中的风场诊断方法 |
| CN111612376A (zh) * | 2020-06-01 | 2020-09-01 | 江苏省环境监测中心 | 基于城市水质指数的数据处理方法及装置 |
| WO2022047959A1 (zh) * | 2020-09-04 | 2022-03-10 | 东南大学 | 一种提升风环境的人工智能城市设计形态布局方法 |
| CN114580310A (zh) * | 2020-11-28 | 2022-06-03 | 北京零壹橡树科技有限公司 | 一种基于palm实现wrf模拟风场降尺度处理的方法 |
Non-Patent Citations (2)
| Title |
|---|
| A spatial evaluation of high-resolution wind fields from empirical and dynamical modeling in hilly and mountainous terrain;Christoph Schlager等;《Geoscientific model development》;第12卷(第7期);2855-2873 * |
| 基于正则传输理论的北半球冬季极端寒潮事件研究;徐芬;《中国博士学位论文全文数据库》(第1期);1-124 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116842877A (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116842877B (zh) | 一种基于多源数据综合利用的小尺度三维风场重构算法 | |
| CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
| CN106597416B (zh) | 一种地面GPS辅助的LiDAR数据高程差的误差修正方法 | |
| CN115420854B (zh) | 一种基于正后向模型结合的大气污染物溯源方法 | |
| CN104102845A (zh) | 尺度自适应的插值方法及尺度自适应的插值系统 | |
| CN108664705B (zh) | 一种基于OpenFOAM的模拟复杂地形地表粗糙度的方法 | |
| CN105761310A (zh) | 一种天空可视域数字地图的模拟分析及图像显示方法 | |
| CN114077798B (zh) | 估算小尺度区域大气污染物网格浓度的方法 | |
| CN115696196A (zh) | 用于空间定位的基于深度学习的Wi-Fi指纹重建方法与系统 | |
| CN113358040B (zh) | 输电线路覆冰厚度获取方法、装置和计算机设备 | |
| CN106203891B (zh) | 基于多源遥感影像数据的国土开发密度三维综合评价方法 | |
| CN112287046A (zh) | 一种台风风圈内地表平均粗糙度系数的确定方法及系统 | |
| CN115841512A (zh) | 一种复杂地表真实面积的计算方法 | |
| CN113610436B (zh) | 一种承灾体动态脆弱性评估方法及系统 | |
| CN113887058B (zh) | 一种考虑距海岸线距离和风速影响的氯离子沉积率预测方法 | |
| CN112884269B (zh) | 一种基于gis的风电场技术可开发量计算方法及系统 | |
| CN113344866A (zh) | 一种点云综合精度评价方法 | |
| CN111538943A (zh) | 新的高时空分辨率全球ztd垂直剖面格网模型构建方法 | |
| CN117557681B (zh) | 一种基于多源测绘数据的高精度地形图生成方法及装置 | |
| CN116778332B (zh) | 基于dem的河流沿岸易淹没范围识别方法及系统 | |
| CN104112180B (zh) | 基于质量守恒诊断模式的风资源数值的获取方法 | |
| CN116432285B (zh) | 一种局部微气候与舒适度优化的建筑形态评价方法 | |
| CN107220314A (zh) | 一种构建数字高程模型的方法 | |
| CN117371823A (zh) | 一种国土空间开发利用生态效应动态模拟预测系统 | |
| Ye et al. | Construction for UAV tilt photogrammetry model of low-altitude state in urban area and engineering application |
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 |