CN116956579B - 中层大气环境数值同化方法及再分析系统 - Google Patents
中层大气环境数值同化方法及再分析系统 Download PDFInfo
- Publication number
- CN116956579B CN116956579B CN202310890078.4A CN202310890078A CN116956579B CN 116956579 B CN116956579 B CN 116956579B CN 202310890078 A CN202310890078 A CN 202310890078A CN 116956579 B CN116956579 B CN 116956579B
- Authority
- CN
- China
- Prior art keywords
- assimilation
- data
- layer
- atmosphere
- atmospheric environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000004458 analytical method Methods 0.000 title claims abstract description 70
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000012958 reprocessing Methods 0.000 claims abstract description 9
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 48
- 238000000375 direct analysis in real time Methods 0.000 claims description 39
- 238000012063 dual-affinity re-targeting Methods 0.000 claims description 39
- 238000012545 processing Methods 0.000 claims description 21
- 230000005855 radiation Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 16
- KRQUFUKTQHISJB-YYADALCUSA-N 2-[(E)-N-[2-(4-chlorophenoxy)propoxy]-C-propylcarbonimidoyl]-3-hydroxy-5-(thian-3-yl)cyclohex-2-en-1-one Chemical compound CCC\C(=N/OCC(C)OC1=CC=C(Cl)C=C1)C1=C(O)CC(CC1=O)C1CCCSC1 KRQUFUKTQHISJB-YYADALCUSA-N 0.000 claims description 14
- 238000012805 post-processing Methods 0.000 claims description 12
- 238000012950 reanalysis Methods 0.000 claims description 9
- 230000004907 flux Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 238000007689 inspection Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004134 energy conservation Methods 0.000 claims description 4
- 230000005571 horizontal transmission Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- ULNMEZQBQBLXMC-UHFFFAOYSA-N 4-(2-aminopropyl)-2,5-dimethoxybenzonitrile Chemical compound COC1=CC(C#N)=C(OC)C=C1CC(C)N ULNMEZQBQBLXMC-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000005437 stratosphere Substances 0.000 description 1
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种中层大气环境数值同化方法及再分析系统，方法包括如下步骤，S1、一级同化数据下载；S2、二级同化数据获取；S3、中层大气环境同化系统建立；S4、中层大气环境再分析数据生成；S5、中层大气环境再分析数据的再处理。优点是：为研究中层大气环境的时空变化特征提供可靠的、全球的、高精度的、长时间序列的和连续的再分析数据集，为中层大气各种飞行器飞行活动提供气象服务保障。
Description
技术领域
本发明涉及大气科学-天气与气象数值同化技术领域，尤其涉及一种中层大气环境数值同化方法及再分析系统。
背景技术
中层大气其主体部分为大气层的平流层、中间层和热层低层。由于其与地面距离较远，通常的人类活动不会达到这一高度，中层大气环境的时空特征及其变化没有受到足够的关注和研究。中层大气是深空飞行器的第一准入空间，随着科技的进步，人类活动和国防武器越来越向中层大气发展，如，平流层飞艇、平流层探空气球、超音速飞行器等。中层大气环境变化是影响中层大气各种飞行器飞行的主要因素，要保证飞行器的正常飞行，需要了解中层大气环境的精确变化特征。
中层大气的地基探空观测数据稀少，其观测数据主要来自星载的星载观测技术。由于目前星载观测器数量和技术上的限制，获得的星载观测数据精度差、不连续，还存在大量的缺失值，想要依靠纯星载观测数据得到中层大气环境高精度的时空变化特征非常困难。数值同化技术可将星载观测数据同化到目前较为完美的大气模式输出的数值结果中，通过同化方法生成的大气环境再分析数据，逼近观测结果、时间连续、不存在缺失值，是研究大气环境变化特征的重要依据。
目前，国内大气科学-天气与气象数值同化技术领域只有低层大气环境数值同化再分析系统，中层大气环境数值同化再分析系统还是国内的空缺。中层大气环境再分析数据是研究中层大气环境精确变化特征的主要手段，发明中层大气环境数值同化方法和再分析系统，正是国家的重大需求。
发明内容
本发明的目的在于提供一种中层大气环境数值同化方法及再分析系统，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案如下：
一种中层大气环境数值同化方法，包括如下步骤，
S1、一级同化数据下载：
选择中层大气环境数值同化方法需要同化的数据及需要同化的变量种类，下载这些一级同化数据；
S2、二级同化数据获取：
将一级同化数据处理为中层大气环境数值同化方法能够识别的二级同化数据；
S3、中层大气环境同化系统建立：
分别构建中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式，并编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，以建立中层大气环境同化系统；
S4、中层大气环境再分析数据生成：
设计同化参数，基于中层大气环境同化系统分别采用EAKF滤波同化方法和松弛逼近同化方法对二级同化数据进行同化，生成中层大气环境再分析数据；
S5、中层大气环境再分析数据的再处理：
对中层大气环境数据再分析数据进行后处理和对比检验。
优选的，步骤S1具体包括如下内容，
S11、读取数据下载的启动时间点和完结时间点；
S12、下载HDF5格式的V5版本的MLS/AURA星载观测温度、湿度和臭氧日资料；下载2.0版本的NC格式的SABER/TIMED星载观测温度、湿度和臭氧日资料；下载NC格式的风云3D星载观测温度、湿度和臭氧日资料；下载完成的数据作为一级中层大气同化数据；
S13、下载NC格式的低层大气MERRA2-reanalysis日资料，下载完成的数据作为一级低层大气同化数据；
S14、下载NC格式的Hadley的海冰/海温月数据，下载完成的数据作为一级下垫面驱动数据；
S15、下载NC格式的CMIP6集合平均的人类/自然排放月数据，下载完成的数据作为一级地表排放辐射强迫数据。
优选的，步骤S2具体包括如下内容，
S21、读取数据处理的启动时间点和完结时间点；
S22、将一级中层大气同化数据处理为中层大气DART同化工具能够识别的二级中层大气同化数据；
S23、将一级低层大气同化数据通过lnp线性内插方法插值成低层大气松弛逼近同化工具能够识别的特定水平和垂直分辨率的NC格式的二级低层大气同化数据；
S24、将一级下垫面驱动数据通过lnp线性内插方法插值成WACCM全大气层公用气候模式海洋模块能够识别的水平分辨率的NC格式的二级下垫面驱动数据；
S25、将一级地表排放辐射强迫数据通过lnp线性内插方法插值成WACCM全大气层公用气候模式辐射模块和化学模块能够识别的水平分辨率的NC格式的二级地表排放辐射强迫数据。
优选的，步骤S22具体为，
将HDP5格式MLS/AURA温度、湿度和臭氧星载观测一级数据，转换为NC格式的温度、湿度和臭氧资料，再将该NC格式的温度、湿度和臭氧资料与NC格式SABER/TIMED温度、湿度和臭氧星载观测一级数据和NC格式的风云3D星载观测温度、湿度和臭氧日资料，转换为用于同化的二级数据日资料；利用advance_time工具将单日的二级数据日资料切割为1日8次的文件，形成中层大气DART同化工具能够识别的二级中层大气同化数据。
优选的，步骤S3具体为，利用C+Fortran编译器编译input_data子程序、Lorenz63model子程序、时间步长子程序、observation_sequence子程序、perfect_model_obs子程序和filter子程序，建立中层大气DART同化工具；利用C+Fortran编译器编译松弛逼近子程序，建立低层大气松弛逼近同化工具；利用C+Fortran编译器编译FV动力框架、水平传输离散子程序、通量形式的欧拉显示运算子程序、通量形式的半拉格朗日平流运算子程序、垂直离散子程序、能量守恒调整子程序、不同级别循环子程序、稳定性子程序和化学传输子程序，建立WACCM全大气层公用气候模式；利用Fortran编译器编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，从而建立中层大气环境同化系统。
优选的，步骤S4具体包括如下内容，
S41、同化参数设置：
读取同化的启动时间点和完结时间点，确定需要输入的预处理后的同化数据，设定同化初始化参数、同化运行参数和同化输出参数；
S42、同化处理：
(1)利用EAKF滤波同化方法进行集合同化数值试验：
EAKF滤波同化方法采用采样粒子的集合表示状态概率空间，以集合形式进行模拟预报和分析更新，通过模式状态的集合表示误差协方差的信息，以最小化观测值和模拟值的误差协方差为约束条件，对目标进行最优估计；
集合试验的生成依靠WACCM全大气层公用气候模式初始化运行的时候，赋予WACCM全大气层公用气候模式启动的初始场一个小的温度扰动，从而创建3个及3个以上的集合试验，以满足EAKF滤波同化方法的需要；通过EAKF滤波同化方法，同化被选择的二级中层大气同化数据；
(2)利用松弛逼近同化方法同化二级低层大气同化数据：
低层大气MERRA2-reanalysis数据中包括温度、湿度、三维风场在内的变量同化采用松弛逼近的方法；松弛逼近同化方法是一种基于动力学的降尺度方法，在数值模式积分的指定时刻，在一个或多个预报方程中增加一个模拟值与观测值之差的松弛项，在观测数据的时间段内，使得方程的解逼近观测值，用所得的模式解作为模拟的初值，从而提高数值结果的模拟效果；通过松弛逼近同化方法同化二级低层大气同化数据。
优选的，读取数据再处理的启动时间点和完结时间点；对中层大气环境再分析数据进行后处理，生成正式再分析数据；
再基于NCL软件对正式再分析数据中的大气温度、纬向风速、经向风速、垂直风速、湿度和密度进行检验。
本发明的目的还在于提供一种中层大气环境数值同化再分析系统，系统能够实现上述任一所述的方法，系统包括，
一级同化数据下载模块：选择中层大气环境数值同化方法需要同化的数据及其需要同化的变量，下载这些一级同化数据；
二级同化数据获取模块：将一级同化数据处理为中层大气环境数值同化方法能够识别的二级同化数据；
中层大气环境同化系统建立模块：分别构建中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式，并编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，以建立中层大气环境同化系统；
中层大气环境再分析数据生成模块：设计同化参数，基于中层大气环境同化系统分别采用EAKF滤波同化方法和松弛逼近同化方法对二级同化数据进行同化，生成中层大气环境再分析数据；
中层大气环境再分析数据的再处理模块：对中层大气环境数据再分析数据进行后处理和对比检验。
本发明的有益效果是：1、本发明填补国内大气科学-天气与气象数值同化技术领域中层大气环境数值同化方法和再分析系统的空缺。2、本发明提供了一种能够同化不同种类的中层大气星载观测数据，生成高精度和无缺失值的中层大气环境再分析数据的方法，为中层大气环境时空特征变化研究提供可靠的数据集。3、本发明的同化再分析系统在设计好试验执行的时间、选择需要的星载观测数据和设定好相关同化参数以后，可以自主从互联网下载必需数据，将多种中层大气的温度、湿度和臭氧星载观测数据处理成DART同化工具可读取的观测算子，制作WACCM全大气层公用气候模式可读取的水平分辨率和垂直分辨率的下垫面驱动场和辐射强迫场，把处理后的二级数据同化到DART同化工具+松弛逼近同化工具+WACCM全大气层公用气候模式同化再分析系统中，从而制作中层大气温度、纬向风速、经向风速、垂直风速、密度、湿度等变量的再分析数据；还可以选择性的同化不同的星载观测中层大气数据，以研究同化不同种类星载观测数据对中层大气环境模拟的改进作用。4、本发明为研究中层大气环境的时空变化特征提供可靠的、全球的、高精度的、长时间序列的和连续的再分析数据集，为中层大气各种飞行器飞行活动提供气象服务保障。
附图说明
图1是本发明实施例中同化方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
实施例一
如图1所示，本实施例中，提供了一种中层大气环境数值同化方法，包括如下步骤，
一、一级同化数据下载：
选择中层大气环境数值同化方法需要同化的数据及其需要同化的变量种类(主要指需要同化的星载观测数据的种类)，下载这些一级同化数据。包括如下内容：
1、读取数据下载的启动时间点和完结时间点；
2、下载HDF5格式的V5版本的MLS/AURA星载观测温度、湿度和臭氧日资料；下载2.0版本的NC格式的SABER/TIMED星载观测温度、湿度和臭氧日资料；下载NC格式的风云3D星载观测温度、湿度和臭氧日资料；下载完成的数据作为一级中层大气同化数据。
MLS/AURA星载观测温度、湿度和臭氧日资料，SABER/TIMED星载观测温度、湿度和臭氧日资料，风云3D星载观测温度、湿度和臭氧日资料，都属于星载观测数据。
3、下载NC格式的低层大气MERRA2-reanalysis日资料，下载完成的数据作为一级低层大气同化数据。
4、下载NC格式的Hadley的海冰/海温月数据，下载完成的数据作为一级下垫面驱动数据。
5、下载NC格式的CMIP6集合平均的人类/自然排放月数据，下载完成的数据作为一级地表排放辐射强迫数据。
二、二级同化数据获取：
将一级同化数据处理为中层大气环境数值同化方法能够识别的二级同化数据。包括如下内容：
1、读取数据处理的启动时间点和完结时间点。
2、将一级中层大气同化数据处理为中层大气DART同化工具能够识别的二级中层大气同化数据。
读取需要的一级星载观测数据，选择性地将MLS/AURA、SABER/TIMED、风云3D3种星载观测的温度、湿度和臭氧3个变量的一级数据转换成DART同化工具可识别的二级数据。具体过程为：
将HDP5格式的MLS/AURA温度、湿度和臭氧星载观测一级数据，转换为NC格式的温度、湿度和臭氧资料，再将该NC格式的温度、湿度和臭氧资料与NC格式的SABER/TIMED温度、湿度和臭氧星载观测一级数据和NC格式的风云3D星载观测温度、湿度和臭氧日资料，转换为用于同化的二级数据日资料；利用advance_time工具将单日的二级数据日资料切割为1日8次的文件，形成中层大气DART同化工具能够识别的二级中层大气同化数据。
3、将一级低层大气同化数据通过lnp线性内插方法插值成低层大气松弛逼近同化工具能够识别的特定水平和垂直分辨率的NC格式的二级低层大气同化数据。
4、将一级下垫面驱动数据通过lnp线性内插方法插值成WACCM全大气层公用气候模式海洋模块能够识别的水平分辨率的NC格式的二级下垫面驱动数据。
5、将一级地表排放辐射强迫数据通过lnp线性内插方法插值成WACCM全大气层公用气候模式辐射模块和化学模块能够识别的水平分辨率的NC格式的二级地表排放辐射强迫数据。
三、中层大气环境同化系统建立：
分别构建中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式，并编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，以建立中层大气环境同化系统。
具体地：
利用C+Fortran编译器编译input_data子程序、Lorenz 63model子程序、时间步长子程序、observation_sequence子程序、perfect_model_obs子程序和filter子程序，建立中层大气DART同化工具；利用C+Fortran编译器编译松弛逼近子程序，建立低层大气松弛逼近同化工具；利用C+Fortran编译器编译FV动力框架、水平传输离散子程序、通量形式的欧拉显示运算子程序、通量形式的半拉格朗日平流运算子程序、垂直离散子程序、能量守恒调整子程序、不同级别循环子程序、稳定性子程序和化学传输子程序，建立WACCM全大气层公用气候模式；利用Fortran编译器编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，从而建立中层大气环境同化系统。
四、中层大气环境再分析数据生成：
设计同化参数，基于中层大气环境同化系统分别采用EAKF滤波同化方法和松弛逼近同化方法对二级同化数据进行同化，生成中层大气环境再分析数据。包括如下步骤：
1、同化参数设置：
读取同化的启动时间点和完结时间点，确定需要输入的预处理后的同化数据，设定同化初始化参数、同化运行参数和同化输出参数。
具体实施过程为：读取二级数据同化的启动时间点和完结时间点，确定需要输入的二级星载观测数据，确定需要输入的下垫面驱动和辐射强迫二级数据；设定cpu核数、同化试验的水平和垂直分辨率、集合成员个数等同化初始化参数；设定同化变量、同化方法、同化频率等同化运行参数；设定输出变量、输出频率、存储方式等输出参数。
2、同化处理：
(1)利用EAKF滤波同化方法进行集合同化数值试验：
EAKF滤波同化方法采用采样粒子的集合表示状态概率空间，以集合形式进行模拟预报和分析更新，通过模式状态的集合表示误差协方差的信息，以最小化观测值和模拟值的误差协方差为约束条件，对目标进行最优估计；
集合试验的生成依靠WACCM全大气层公用气候模式初始化运行的时候，赋予WACCM全大气层公用气候模式启动的初始场一个小的温度扰动，从而创建3个及3个以上的集合试验，以满足EAKF滤波同化方法的需要；通过EAKF滤波同化方法，同化被选择的二级中层大气同化数据；
(2)利用松弛逼近同化方法同化二级低层大气同化数据：
低层大气MERRA2-reanalysis数据中包括温度、湿度、三维风场在内的变量同化采用松弛逼近的方法；松弛逼近同化方法是一种基于动力学的降尺度方法，在数值模式积分的指定时刻，在一个或多个预报方程中增加一个模拟值与观测值之差的松弛项，在观测数据的时间段内，使得方程的解逼近观测值，用所得的模式解作为模拟的初值，从而提高数值结果的模拟效果；通过松弛逼近同化方法同化二级低层大气同化数据。
五、中层大气环境再分析数据的再处理：
通过同化系统，最终能够生成20-100公里高度的大气环境再分析数据，读取需要处理数据的启动时间点和完结时间点，对中层大气环境数据再分析数据进行后处理和对比检验。
实施例二
本实施例中，提供了一种中层大气环境数值同化再分析系统，系统能够实现上述所述的方法，系统包括，
一、一级同化数据下载模块
用于选择中层大气环境数值同化方法需要同化的数据及其需要同化的变量种类，下载这些一级同化数据。
该模块具体包括：
模块1.1：时间设定和数据选择模块(time_data.csh)；
模块1.2：MLS/AURA温度、湿度和臭氧一级星载观测数据下载模块(mls_datadown.csh)；
模块1.3：SABER/TIMED温度、湿度和臭氧一级星载观测数据下载模块(saber_datadown.csh)；
模块1.4：风云3D温度、湿度和臭氧一级星载观测数据下载模块(fy3_datadown.csh)；
模块1.5：MERRA2-reanalysis一级数据下载模块(merra2_datadown.csh)；
模块1.6：Hadley海冰/海温一级数据下载模块(icesst_datadown.csh)；
模块1.7：CMIP6人类/自然排放一级数据下载模块(emission_datadown.csh)。
相应模块的具体执行过程为：
运行时间设定和数据选择模块(time_data.csh)，输入所需数据下载的启动时间点和完结时间点。time_data.csh会自动判断闰年和非闰年，确定这个月在一年中的起始和结束时间，判断每个月需要下载的天数，如，2000年的2月为一年的第32天至第60天一共29天而2001年的2月为第32天至第59天一共28天，基于单月的天数计算得到需要下载的总时间天数。
time_data.csh会根据设定，选择需要下载的星载观测数据种类。在MLS/AURA、SABER/TIMED和风云3D星载观测数据中，选择性的下载本次同化试验所需要的星载观测数据。本实施例中，设定为同时选取这3种星载观测数据。
time_data.csh自动调用mls_datadown.csh从http://mls.jpl.nasa.gov/下载HDF5格式的V5版本的MLS/AURA星载观测温度、湿度和臭氧日资料；mls_datadown.csh自动辨识MLS不同的通道选择需要下载的数据。下载完成的数据作为一级中层大气同化数据。
time_data.csh自动调用saber_datadown.csh从ftp://saber.gats-inc.com/custom/Temp_O3_H2O/v2.0下载2.0版本的NC格式的SABER/TIMED星载观测温度、湿度和臭氧日资料。下载完成的数据作为一级中层大气同化数据。
time_data.csh自动调用fy3_datadown.csh从http://satellite.nsmc.org.cn/PortalSite/Default.aspx下载NC格式的风云3D星载观测温度、湿度和臭氧日资料。下载完成的数据作为一级中层大气同化数据。
time_data.csh自动调用merra2_datadown.csh从https://rda.ucar.edu/datasets/ds313.0/下载NC格式的低层大气MERRA2-reanalysis日资料。下载完成的数据作为一级低层大气同化数据。
time_data.csh自动调用icesst_datadown.csh从https://psl.Hadley.gov/data/gridded/data.Hadley.oisst.v2.html下载NC格式的Hadley的海冰/海温月数据。下载完成的数据作为一级下垫面驱动数据。
time_data.csh自动调用emission_datadown.csh从https://svn-ccsm-inputdata.cgd.ucar.edu/trunk/inputdata/下载NC格式的CMIP6集合平均的人类/自然排放月数据。下载完成的数据作为一级地表排放辐射强迫数据。
二、二级同化数据获取模块
用于将一级同化数据处理为中层大气环境数值同化方法能够识别的二级同化数据。
该模块具体包括：
模块2.1：二级数据处理设定模块(run_datapro.csh)；
模块2.2：将MLS/AURA温度、湿度和臭氧一级星载观测数据转换成DART同化工具可识别的二级数据观测算子处理模块(mls_datapro.csh)；
模块2.3：将SABER/TIMED温度、湿度和臭氧一级星载观测数据转换成DART同化工具可识别的二级数据观测算子处理模块(saber_datapro.csh)；
模块2.4：将风云3D温度、湿度和臭氧一级星载观测数据转换成DART同化工具可识别的二级数据观测算子处理模块(fy3_datapro.csh)；
模块2.5：将低层大气MERRA2-reanalysis一级数据转换成松弛逼近同化工具可识别的二级数据处理模块(merra2_datapro.csh)；
模块2.6：将Hadley海冰/海温一级数据转换成WACCM全大气层公用气候模式海洋模块可识别的二级数据处理模块(icesst_datapro.csh)；
模块2.7：将CMIP6人类/自然排放一级数据转换成WACCM全大气层公用气候模式辐射模块可识别的二级数据处理模块(emission_datapro.csh)。
相应模块的具体执行过程为：
运行二级数据处理设定模块(run_datapro.csh)，基于第一步骤下载数据的时段，模块自动导入数据处理的启动时间点和完结时间点，确定需要处理的下垫面驱动场和辐射强迫场一级数据时间长度，确定需要同化的星载观测一级数据种类和变量种类(以下步骤为默认选择了MLS、SABER和风云3D三种星载观测数据的步骤)。模块基于第一步骤导入的处理时段确定是闰年还是非闰年，从而确定2月需要处理的天数和这个月在一年中的起始和结束时间。
模块run_datapro.csh自动调用mls_datapro.csh模块，将HDP5格式的MLS/AURA温度、湿度和臭氧星载观测一级数据通过convert_all_mls.pro、convert_hdf_to_netcdf_t.pro、convert_hdf_to_netcdf_h2o.pro、convert_hdf_to_netcdf_o3.pro转换为NC格式的温度、湿度和臭氧资料。
这些NC格式资料再通过convert_mls_t.f90、convert_mls_h2o.f90、convert_mls_o3.f90和make_obs_daily_t_365.csh、make_obs_daily_h2o_365.csh、make_obs_daily_o3_365.csh转换成obs_seq_mls_t.out、obs_seq_mls_h2o.out和obs_seq_mls_o3.out用于同化的二级数据日资料。
利用advance_time工具将单日的obs_seq_mls_t.out、obs_seq_mls_h2o.out和obs_seq_mls_o3.out文件切割为1日8次的文件，利用obs_sequence_tool工具将单日单时次的obs_seq_mls_t.out、obs_seq_mls_h2o.out和obs_seq_mls_o3.out文件合并为一个obs_seq_mls.out文件。
模块run_datapro.csh自动调用saber_datapro.csh模块，将NC格式的SABER/TIMED温度、湿度和臭氧星载观测一级数据通过convert_saber_cdf.f90和make_obs_daily_month_365.csh转换成obs_seq_t_h2o_o3.out二级同化数据，并利用advance_time工具将obs_seq_t_h2o_o3.out文件切割为1日8次的obs_seq_sab.out文件。
模块run_datapro.csh自动调用fy3_datapro.csh模块，通过convert_to_1d1.ncl将NC格式的风云3温度、湿度和臭氧星载观测一级分钟数据，转换为NC格式的温度、湿度和臭氧日资料，再通过convert_fy3d_t_h2o_o3.f90和make_obs_daily_t_h2o_o3.csh转换成obs_seq_fy3.out二级同化数据，并利用advance_time工具将obs_seq_fy3.out文件切割为1日8次文件obs_seq_fy3.out。
在obs_seq_mls.out、obs_seq_sab.out和obs_seq_fy3.out三套星载观测二级数据都形成以后，利用obs_sequence_tool工具将单日单时次的这三套星载观测二级数据合并为一个obs_seq.out文件，提供给DART同化工具进行同化使用。
模块run_datapro.csh自动调用merra2_datapro.csh模块，将低层大气MERRA2-reanalysis一级数据通过lnp线性内插方法插值成可以用于松弛逼近同化工具使用的特定水平和垂直分辨率的NC格式二级数据。
模块run_datapro.csh自动调用icesst_datapro.csh模块，读取Hadley海冰/海温一级数据，通过make_Hadley_sstice_fmodel.ncl子程序将Hadley海冰/海温数据转换成NC格式二级数据，提供给WACCM全大气层公用气候模式的海洋模块使用。
模块run_datapro.csh自动调用emission_datapro.csh模块，读取CMIP6人类和自然排放的一级数据，将排放数据通过lnp线性内插方法插值成WACCM全大气层公用气候模式辐射模块和化学模块可以识别的NC格式二级数据。
三、中层大气环境同化系统建立模块
用于分别构建中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式，并编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，以建立中层大气环境同化系统。
该模块具体包括：
模块3.1：DART同化工具编译模块(dart_build.csh)；
模块3.2：松弛逼近同化工具编译模块(nud_build.csh)；
模块3.3：WACCM全大气层公用气候模式编译模块(waccm_build.csh)；
模块3.4：DART同化工具+松弛逼近同化工具+WACCM全大气层公用气候模式同化系统创建与共轭模块(assi_build.csh)。
相应模块的具体执行过程为：
运行dart_build.csh编译input_data子程序、Lorenz 63model子程序、时间步长子程序、observation_sequence子程序、perfect_model_obs子程序和filter子程序，建立中层大气DART同化工具。自动运行nud_build.csh编译低层大气松弛逼近同化工具。自动运行waccm_build.csh编译FV动力框架、水平传输离散子程序、通量形式的欧拉显示运算子程序、通量形式的半拉格朗日平流运算子程序、垂直离散子程序、能量守恒调整子程序、不同级别循环子程序、稳定性子程序、化学传输子程序，建立WACCM全大气层公用气候模式；其中，WACCM全大气层公用气候模式默认的编译case为:HIST_CAM60％WCTS％SDYN_CLM50％SP_CICE％PRES_DOCN％DOM_MOSART_SGLC_SWAV。自动运行assi_build.csh编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，建立中层大气环境同化系统。
四、中层大气环境再分析数据生成模块
用于设计同化参数，基于中层大气环境同化系统分别采用EAKF滤波同化方法和松弛逼近同化方法对二级同化数据进行同化，生成中层大气环境再分析数据。
该模块具体包括：
模块4.1：同化参数设定模块(assi_setting.csh)；
模块4.2：WACCM全大气层公用气候模式运行模块(waccm_run.csh)；
模块4.3：集合试验生成模块(ens_run.csh)；
模块4.4：EAKF同化执行模块(eakf_run.csh)；
模块4.5：松弛同化执行模块(nud_run.csh)；
模块4.6：同化再分析数据生成模块(rea_create.csh)。
相应模块的具体执行过程为：
运行同化参数设定模块(assi_setting.csh)，基于步骤2读取二级数据进行同化的启动时间点和完结时间点，确定需要同化的时段、确定需要输入的星载观测二级数据obs_seq.out文件、确定需要输入的低层大气MERRA2-reanalysis二级数据、确定需要输入的Hadley海冰/海温二级数据、确定需要输入的CMIP6人为和自然排放二级数据等下垫面驱动场和辐射强迫场。
运行同化参数设定模块(assi_setting.csh)，设定同化水平分辨率(选择0.9°×1.25°或者1.9°×2.5°)、垂直分层数(层数设定大于等于60层，小于等于100层，默认88层)、集合试验个数(设定个数大于等于3个)、cpu核数(设定核数大于等于96核)等同化初始化参数，设定同化变量(可设定温度、湿度、臭氧)、同化频率(默认每6小时一次)、同化方法(默认EAKF滤波、松弛逼近)等同化运行参数，设定输出变量(默认温度、纬向风速、经向风速、垂直风速、湿度和密度)、输出频率(默认每6小时一次)等输出参数。
assi_build.csh模块运行完毕后，运行二级数据同化执行模块(assi_run.csh)进行同化数值试验。assi_build.csh自动调用ens_run.csh，通过叠加温度扰动，产生不同的初始场，用于启动多个集合试验(最少需要设定3个集合试验，这里设定3个)。自动调用eakf_run.csh，通过EAKF滤波方法同化obs_seq.out中的MLS/AURA，SABER/TIMED和风云3D星载观测数据中的温度、湿度和臭氧变量。自动调用nud_run.csh，通过松弛逼近的方法同化低层大气的MERRA2-reanalysis数据中的风场、温度场等变量。
运行同化再分析数据生成模块(rea_create.csh)，基于运行同化参数设定模块(assi_setting.csh)的设定参数，生成中层大气温度，纬向风速、经向风速、垂直风速、密度、湿度等变量的初始同化再分析数据。
五、中层大气环境再分析数据的再处理模块
对中层大气环境数据再分析数据进行后处理和对比检验。
该模块具体包括，
模块5.1：再分析数据后处理模块(check_rea.csh)；
模块5.2：中层大气温度检查与对比模块(t_check.csh)；
模块5.3：中层大气纬向风速检查与对比模块(u_check.csh)；
模块5.4：中层大气经向风速检查与对比模块(v_check.csh)；
模块5.5：中层大气垂直风速检查与对比模块(w_check.csh)；
模块5.6：中层大气湿度检查与对比模块(q_check.csh)；
模块5.7：中层大气密度检查与对比模块(p_check.csh)。
相应模块的具体执行过程为：
运行再分析数据后处理模块(check_rea.csh)对初始生成的再分析数据进行后处理，生成正式再分析数据。
再分析数据后处理模块(check_rea.csh)自动调用t_check.csh、u_check.csh、v_check.csh、w_check.csh、q_check.csh和p_check.csh，基于NCL软件对中层大气温度、纬向风速、经向风速、垂直风速、湿度和密度进行检验。
本实施例中，通过一键式从互联网下载必需数据，制作WACCM全大气层公用气候模式可读取的下垫面驱动场和辐射强迫场，将多种温度、湿度和臭氧一级星载观测数据处理成DART同化工具可读取的观测算子，并同化到DART同化工具+松弛逼近同化工具+WACCM全大气层公用气候模式同化再分析系统中，从而制作中层大气温度、纬向风速、经向风速、垂直风速、密度、湿度等变量的再分析数据；系统还可以选择性的同化不同种类的星载观测数据和不同变量从而制作同化了不同种类和不同变量星载观测数据的再分析数据。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明提供了一种中层大气环境数值同化方法及再分析系统，本发明填补国内大气科学-天气与气象数值同化技术领域中层大气环境数值同化方法和再分析系统的空缺。本发明提供了一种能够同化不同种类的中层大气星载观测数据，生成高精度和无缺失值的中层大气环境再分析数据的方法，为中层大气环境时空特征变化研究提供可靠的数据集。本发明的同化再分析系统在设计好试验执行的时间、选择需要的星载观测数据和设定好相关同化参数以后，可以自主从互联网下载必需数据，将多种中层大气的温度、湿度和臭氧星载观测数据处理成DART同化工具可读取的观测算子，制作WACCM全大气层公用气候模式可读取的水平分辨率和垂直分辨率的下垫面驱动场和辐射强迫场，把处理后的二级数据同化到DART同化工具+松弛逼近同化工具+WACCM全大气层公用气候模式同化再分析系统中，从而制作中层大气温度、纬向风速、经向风速、垂直风速、密度、湿度等变量的再分析数据；还可以选择性的同化不同的星载观测中层大气数据，以研究同化不同种类星载观测数据对中层大气环境模拟的改进作用。本发明为研究中层大气环境的时空变化特征提供可靠的、全球的、高精度的、长时间序列的和连续的再分析数据集，为中层大气各种飞行器飞行活动提供气象服务保障。
以上所述仅是本发明的优选实施方式，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的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。
Claims (3)
1.一种中层大气环境数值同化方法，其特征在于：包括如下步骤，
S1、一级同化数据下载：
选择中层大气环境数值同化方法需要同化的数据及需要同化的变量种类，下载这些一级同化数据；
S2、二级同化数据获取：
将一级同化数据处理为中层大气环境数值同化方法能够识别的二级同化数据；步骤S2具体包括如下内容，
S21、读取数据处理的启动时间点和完结时间点；
S22、将一级中层大气同化数据处理为中层大气DART同化工具能够识别的二级中层大气同化数据；步骤S22具体为，
将HDP5格式MLS/AURA温度、湿度和臭氧星载观测一级数据，转换为NC格式的温度、湿度和臭氧资料，再将该NC格式的温度、湿度和臭氧资料与NC格式SABER/TIMED温度、湿度和臭氧星载观测一级数据和NC格式的风云3D星载观测温度、湿度和臭氧日资料，转换为用于同化的二级数据日资料；利用advance_time工具将单日的二级数据日资料切割为1日8次的文件，形成中层大气DART同化工具能够识别的二级中层大气同化数据；
S23、将一级低层大气同化数据通过lnp线性内插方法插值成低层大气松弛逼近同化工具能够识别的特定水平和垂直分辨率的NC格式的二级低层大气同化数据；
S24、将一级下垫面驱动数据通过lnp线性内插方法插值成WACCM全大气层公用气候模式海洋模块能够识别的水平分辨率的NC格式的二级下垫面驱动数据；
S25、将一级地表排放辐射强迫数据通过lnp线性内插方法插值成WACCM全大气层公用气候模式辐射模块和化学模块能够识别的水平分辨率的NC格式的二级地表排放辐射强迫数据；
S3、中层大气环境同化系统建立：
分别构建中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式，并编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，以建立中层大气环境同化系统；
步骤S3具体为，利用C+Fortran编译器编译input_data子程序、Lorenz 63model子程序、时间步长子程序、observation_sequence子程序、perfect_model_obs子程序和filter子程序，建立中层大气DART同化工具；利用C+Fortran编译器编译松弛逼近子程序，建立低层大气松弛逼近同化工具；利用C+Fortran编译器编译FV动力框架、水平传输离散子程序、通量形式的欧拉显示运算子程序、通量形式的半拉格朗日平流运算子程序、垂直离散子程序、能量守恒调整子程序、不同级别循环子程序、稳定性子程序和化学传输子程序，建立WACCM全大气层公用气候模式；利用Fortran编译器编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，从而建立中层大气环境同化系统；
S4、中层大气环境再分析数据生成：
设计同化参数，基于中层大气环境同化系统分别采用EAKF滤波同化方法和松弛逼近同化方法对二级同化数据进行同化，生成中层大气环境再分析数据；
步骤S4具体包括如下内容，
S41、同化参数设置：
读取同化的启动时间点和完结时间点，确定需要输入的预处理后的同化数据，设定同化初始化参数、同化运行参数和同化输出参数；
S42、同化处理：
(1)利用EAKF滤波同化方法进行集合同化数值试验：
EAKF滤波同化方法采用采样粒子的集合表示状态概率空间，以集合形式进行模拟预报和分析更新，通过模式状态的集合表示误差协方差的信息，以最小化观测值和模拟值的误差协方差为约束条件，对目标进行最优估计；
集合试验的生成依靠WACCM全大气层公用气候模式初始化运行的时候，赋予WACCM全大气层公用气候模式启动的初始场一个小的温度扰动，从而创建3个及3个以上的集合试验，以满足EAKF滤波同化方法的需要；通过EAKF滤波同化方法，同化被选择的二级中层大气同化数据；
(2)利用松弛逼近同化方法同化二级低层大气同化数据：
低层大气MERRA2-reanalysis数据中包括温度、湿度、三维风场在内的变量同化采用松弛逼近的方法；松弛逼近同化方法是一种基于动力学的降尺度方法，在数值模式积分的指定时刻，在一个或多个预报方程中增加一个模拟值与观测值之差的松弛项，在观测数据的时间段内，使得方程的解逼近观测值，用所得的模式解作为模拟的初值，从而提高数值结果的模拟效果；通过松弛逼近同化方法同化二级低层大气同化数据；S5、中层大气环境再分析数据的再处理：
对中层大气环境数据再分析数据进行后处理和对比检验；
步骤S5具体为，读取数据再处理的启动时间点和完结时间点；对中层大气环境再分析数据进行后处理，生成正式再分析数据；
再基于NCL软件对正式再分析数据中的大气温度、纬向风速、经向风速、垂直风速、湿度和密度进行检验。
2.根据权利要求1所述的中层大气环境数值同化方法，其特征在于：步骤S1具体包括如下内容，
S11、读取数据下载的启动时间点和完结时间点；
S12、下载HDF5格式的V5版本的MLS/AURA星载观测温度、湿度和臭氧日资料；下载2.0版本的NC格式的SABER/TIMED星载观测温度、湿度和臭氧日资料；下载NC格式的风云3D星载观测温度、湿度和臭氧日资料；下载完成的数据作为一级中层大气同化数据；
S13、下载NC格式的低层大气MERRA2-reanalysis日资料，下载完成的数据作为一级低层大气同化数据；
S14、下载NC格式的Hadley的海冰/海温月数据，下载完成的数据作为一级下垫面驱动数据；
S15、下载NC格式的CMIP6集合平均的人类/自然排放月数据，下载完成的数据作为一级地表排放辐射强迫数据。
3.一种中层大气环境数值同化再分析系统，其特征在于：系统能够实现上述权利要求1或2所述的方法，系统包括，
一级同化数据下载模块：选择中层大气环境数值同化方法需要同化的数据及其需要同化的变量，下载这些一级同化数据；
二级同化数据获取模块：将一级同化数据处理为中层大气环境数值同化方法能够识别的二级同化数据；
中层大气环境同化系统建立模块：分别构建中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式，并编译中层大气DART同化工具、低层大气松弛逼近同化工具和WACCM全大气层公用气候模式的共轭接口，以建立中层大气环境同化系统；
中层大气环境再分析数据生成模块：设计同化参数，基于中层大气环境同化系统分别采用EAKF滤波同化方法和松弛逼近同化方法对二级同化数据进行同化，生成中层大气环境再分析数据；
中层大气环境再分析数据的再处理模块：对中层大气环境数据再分析数据进行后处理和对比检验。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310890078.4A CN116956579B (zh) | 2023-07-19 | 2023-07-19 | 中层大气环境数值同化方法及再分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310890078.4A CN116956579B (zh) | 2023-07-19 | 2023-07-19 | 中层大气环境数值同化方法及再分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116956579A CN116956579A (zh) | 2023-10-27 |
| CN116956579B true CN116956579B (zh) | 2024-02-27 |
Family
ID=88448658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310890078.4A Active CN116956579B (zh) | 2023-07-19 | 2023-07-19 | 中层大气环境数值同化方法及再分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116956579B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
| CN110717252A (zh) * | 2019-09-20 | 2020-01-21 | 哈尔滨工业大学 | 一种基于wrf和sedris的虚拟大气环境数据生成方法及系统 |
| CN112541655A (zh) * | 2020-11-09 | 2021-03-23 | 华能新能源股份有限公司 | 一种针对区域风能资源精细化评估需求的大气再分析方法 |
| CN115221714A (zh) * | 2022-07-21 | 2022-10-21 | 北京师范大学 | 临近空间天气与大气环境短中长期预报方法及系统 |
-
2023
- 2023-07-19 CN CN202310890078.4A patent/CN116956579B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110275224A (zh) * | 2019-05-24 | 2019-09-24 | 兰州大学 | 精细化近地层气象要素预报系统及其预报方法 |
| CN110717252A (zh) * | 2019-09-20 | 2020-01-21 | 哈尔滨工业大学 | 一种基于wrf和sedris的虚拟大气环境数据生成方法及系统 |
| CN112541655A (zh) * | 2020-11-09 | 2021-03-23 | 华能新能源股份有限公司 | 一种针对区域风能资源精细化评估需求的大气再分析方法 |
| CN115221714A (zh) * | 2022-07-21 | 2022-10-21 | 北京师范大学 | 临近空间天气与大气环境短中长期预报方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116956579A (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Multitime-scale data-driven spatio-temporal forecast of photovoltaic generation | |
| US10309994B2 (en) | Estimating photovoltaic energy through averaged irradiance observations with the aid of a digital computer | |
| Focken et al. | Short-term prediction of the aggregated power output of wind farms—a statistical analysis of the reduction of the prediction error by spatial smoothing effects | |
| CN109344865B (zh) | 一种多数据源的数据融合方法 | |
| CA2842932C (en) | System for estimating power data for a photovoltaic power generation fleet | |
| US11693152B2 (en) | System and method for estimating photovoltaic energy through irradiance to irradiation equating with the aid of a digital computer | |
| CN104239706A (zh) | 一种地面观测气温时空数据集的制备方法 | |
| CN112149859B (zh) | 风速预测方法和风速预测装置 | |
| CN112801427B (zh) | 基于XGBoost的光伏辐照度预报方法及系统 | |
| Grayek et al. | Assessment of the Black Sea observing system. A focus on 2005-2012 Argo campaigns | |
| CN116956579B (zh) | 中层大气环境数值同化方法及再分析系统 | |
| Sun et al. | An effective method based on dynamic sampling for data assimilation in a global wave model | |
| Drisya et al. | Deterministic prediction of surface wind speed variations | |
| CN117571945A (zh) | 耦合时间序列预测模型与机理模型的地下水污染预测方法 | |
| CN115221714B (zh) | 临近空间天气与大气环境短中长期预报方法及系统 | |
| Seo et al. | Evolutionary nonlinear Model Output Statistics for wind speed prediction using Genetic Programming | |
| CN113361129B (zh) | 一种考虑时间和空间尺度的新能源出力仿真方法和系统 | |
| Seo et al. | Genetic programming-based model output statistics for short-range temperature prediction | |
| CN117786601B (zh) | 一种结合偏差控制和多尺度滤波的多模式耦合同化方法 | |
| CN117408145A (zh) | 一种区域短波辐射预测方法及系统 | |
| Pryor et al. | Parameter estimation in passive solar structures | |
| CN116776613B (zh) | 风光出力场景重构系统 | |
| CN117937463A (zh) | 光伏发电功率预测方法、装置、设备及存储介质 | |
| Wishbow et al. | Introductory tutorial for Demos | |
| Altieri et al. | Predictive model of solar potential on building façades with the sky view factor as shading indicator |
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 |