CN117077558A - 一种时空精细化的风速场构建方法 - Google Patents
一种时空精细化的风速场构建方法 Download PDFInfo
- Publication number
- CN117077558A CN117077558A CN202310881337.7A CN202310881337A CN117077558A CN 117077558 A CN117077558 A CN 117077558A CN 202310881337 A CN202310881337 A CN 202310881337A CN 117077558 A CN117077558 A CN 117077558A
- Authority
- CN
- China
- Prior art keywords
- wind speed
- correlation
- space
- speed field
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012876 topography Methods 0.000 claims abstract description 15
- 230000003746 surface roughness Effects 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000007613 environmental effect Effects 0.000 claims abstract description 4
- 238000011160 research Methods 0.000 claims description 10
- 238000007726 management method Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000270708 Testudinidae Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 241000894007 species Species 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
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及风速场技术领域，涉及一种时空精细化的风速场构建方法，包括：一、收集数据；二、提取相应公里级风速场的海拔、坡度、地表粗糙度、地形起伏度、地热及曲率环境因子；三、借助SPSS的皮尔逊相关性系数分析各因子与风速的相关性，以确定风速的环境因子影响变量；四、借助相关性与GIS模拟分析，利用渔网赋值、多值提取至点方法，得到因子与风速的相关性模型及系数，并结合精细化的环境变量因子，以GIS栅格计算方法，模拟出空间精细化的平均风速场；五、结合任意时刻气象站点观测值，模拟出时间及空间上的风速场格局。本发明能很大程度上提高风速场时空模拟精度。
Description
技术领域
本发明涉及风速场技术领域，具体地说，涉及一种时空精细化的风速场构建方法。
背景技术
风是表征地表热辐射水平方向运动的物理量，是重要的气象因子，其对于地表环境、自然生态系统的演变及其规律具有重要决定作用。精准的风速场时空格局模拟是陆地资源环境时空信息化研究的重要基础。当前风速场空间精细化分析多根据地面观测资料以空间内插法或以流体力学原理等进行模拟，而缺乏从影响风速空间格局的地理环境作用机制分析，也难获取任意时间尺度上的数据。根据山地风场与地表下垫面作用机理，以公里级风速场、地理环境数据及地面气象监测数据为数据源，探究几十米级空间尺度、任意观测时间刻度上更精确的风速场时空模型构建方法，为地表环境研究及应用提供精细化的时空风速数据。
风速场是地表生态环境重要因子，现相关地学研究主要直接使用1km空间尺度、历史平均水平的WorldClim气候数据。山地区域风速场微复杂地形变化导致其空间极度异质性。目前，精细化的风场需要依赖于密集的气象观测站点，但我国较多地区的地形比较复杂，山地和丘陵所占比重较大，而在这种复杂地形下，风速受到的影响因素较多，而气象站点成本高昂，分布较少且不均匀，很难对区域风场进行全局观测，导致其中一些风场数据精度较低，难以满足发展需求，故需要更加精细化的风场来满足与风因子相关的自然现象的研究，如风能的合理开发利用，森林火灾的蔓延模拟，病虫害的自然传播等。
发明内容
本发明的内容是提供一种时空精细化的风速场构建方法，其能够克服现有技术的某种或某些缺陷。
根据本发明的一种时空精细化的风速场构建方法，其包括以下步骤：
一、收集数据，包括森林资源管理一张图数据、DEM数据、World Clim公里级风场气象数据和气象站点风速观测数据；
二、提取相应公里级风速场的海拔、坡度、地表粗糙度、地形起伏度、地热及曲率环境因子；
三、借助SPSS的皮尔逊相关性系数分析各因子与风速的相关性，以确定风速的环境因子影响变量；
四、借助相关性与GIS模拟分析，利用渔网赋值、多值提取至点方法，得到因子与风速的相关性模型及系数，并结合精细化的环境变量因子，通过GIS栅格计算方法，模拟出空间精细化的平均风速场；
五、结合任意时刻气象站点观测值，模拟出时间及空间上的风速场格局。
作为优选，森林资源管理一张图数据包括所有林地及非林地的空间分布、自然属性及社会属性。
作为优选，地形起伏度是通过计算海拔最高点与最低点的差值来描述地形特征的宏观指标，如公式(1)所示：
y＝xmax-xmin (1)
式中，y为地形起伏度，xmax为邻域统计的最大值，xmin为邻域统计的最小值。
作为优选，地表粗糙度是地球投影面积与地表面积的比值，计算公式为：
y＝1/cos(slope*π/180) (2)
式中，y为地表粗糙度，slope为坡度。
作为优选，采用均值-标准差法进行地表温度分级，以地表温度相对于平均温度的偏离程度来进行温度等级的划分；将温度进行归一化计算，计算公式为：
Ti＝(Ti0-Tmin)/Tmax-Tmin (3)
式中：Ti为第i个像元归一化后的温度值，Ti0为第i个像元的原始温度值，Tmax和Tmin分别为地表温度的最大值和最小值。
作为优选，皮尔逊简单相关系数r有如下性质：
①-1≤r≤1，r绝对值越大，表明两个变量之间的相关程度越强；
②0＜r≤1，表明两个变量之间存在正相关，若r＝1，则表明变量间存在着完全正相关的关系；
③-1≤r＜0，表明两个变量之间存在负相关，r＝-1表明变量间存在着完全负相关的关系；
④r＝0，表明两个变量之间无线性相关。
作为优选，步骤四中，利用渔网工具采集研究区域内1km×1km边长的网格样点，去除异常值后用来做山地风场模型的建立，根据每个地理环境因子和气象因子和风速的相关性进行线性回归分析，最终建立各个因子与风速的相关模型。
本发明提出一种精度上可提高、方法上可操作，实际上准确可行，尽可能提高风速场精准度的风速场精细化模拟体系，再结合因子相关性系数分析方法，为区域性风速场高精度模拟提供指导；本发明为研究风气象要素有关的自然地理、生态评估与建模，林火防灭研究、风电场新能源规划选址具有一定现实意义，通过本发明能很大程度上提高风速场模拟精度，具有显著的使用和推广价值，同时对于地理环境要素GIS空间模拟具有重要参考意义。
附图说明
图1为实施例中一种时空精细化的风速场构建方法的示意图；
图2(a)为实施例中1km风场的模拟结果示意图；
图2(b)为实施例中30m风场的模拟结果示意图。
具体实施方式
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。应当理解的是，实施例仅仅是对本发明进行解释而并非限定。
实施例
一种时空精细化的风速场构建方法，其包括以下步骤：
一、收集数据，包括森林资源管理一张图数据、DEM数据、World Clim粗分辨风场气象数据和气象站点风速观测数据；
二、提取相应公里级风速场的海拔、坡度、地表粗糙度、地形起伏度、地热及曲率环境因子；
三、借助SPSS的皮尔逊相关性系数分析各因子与风速的相关性，以确定风速的环境因子影响变量；
四、借助相关性与GIS模拟分析，利用渔网赋值、多值提取至点方法，得到因子与风速的相关性模型及系数，通过GIS栅格计算器叠加计算方法，模拟出风速场模型；
五、结合任意时刻气象站点观测值，模拟出时间及空间上的风速场格局。
数据收集
根据应用示范区影响风速的地形因素需求和风速场精细化模拟需要，收集以下资料：
(1)森林资源管理一张图数据库，包括了示范区域内所有林地及非林地的空间分布、自然属性(地类、起源、群落结构、优势树种、树较高等)及社会属性(行政区、权属、保护等级、工程类别等)，数据结构为矢量结构，本方法主要用到自然属性中的地类空间分布数据。
(2)粗分辨风场气象数据为全球气候数据分享平台(World Clim)分辨率1km×1km的平均风速数据，DEM数据为SRTM DEM 1km和30m产品，均来源于地理空间数据云。通过对获得的栅格数据集进行拼接裁剪，后进行辐射定标、基于DEM的几何精校正，以及利用ENVI的FLAASH进行大气校正处理，并将空间参考处理为CGCS20003 Degree GK CM 102E投影坐标系，得到可利用的栅格数据。
(3)气象站点风速观测数据资料来源于凉山彝族自治州公共气象服务中心提供的7个站点(西昌经久马鞍山气象观测站、西昌邛海湿地瀛海亭气象观测站、西昌学院气象观测站、西昌泸山沈家祠堂气象观测站、西昌泸山瞭望台气象观测站、西昌大营农场应急安置点观测站、西昌海南诗歌小镇气象观测站、西昌乌龟塘气象观测站)1-6月中每月平均风速和最大风速信息数据。其它基础地理信息数据，包括行政界线等来自于非涉密的矢量数据集。
时空精细化风速场模型构建
(1)风场影响因子提取
针对影响风速的指标因子进行提取，这里选取了坡度、海拔、地形起伏度、地表曲率、地表粗糙度和土地利用类型地表热值。其中，坡度、地表曲率可通过ArcGIS工具箱中的空间分析进行提取。地形起伏度是通过计算特定区域内海拔最高点与最低点的差值来描述地形特征的宏观指标，计算公式如公式(1)所示：
y＝xmax-xmin (1)
式中，y为地形起伏度，xmax为邻域统计的最大值，xmin为邻域统计的最小值。
地表粗糙度是地球投影面积与地表面积的比值，计算公式为：
y＝1/cos(slope*π/180) (2)
式中，y为地表粗糙度，slope为坡度。
采用均值-标准差法进行地表温度分级，以地表温度相对于平均温度的偏离程度来进行温度等级的划分。研究中将温度进行归一化计算，计算公式为：
Ti＝(Ti0-Tmin)/Tmax-Tmin (3)
式中：Ti为第i个像元归一化后的温度值，Ti0为第i个像元的原始温度值，Tmax和Tmin分别为地表温度的最大值和最小值。
(2)风场因子相关性分析
相关性分析的目的是为了分析两组或多组数据之间是否相互影响，SPSS软件提供了多种分析数据相关性的方法，如卡方检验，皮尔逊相关系数，斯皮尔曼相关系数计算等。为分析风场影响因子间与风速的相关性，使用皮尔逊相关性系数分析各个因子与风速的相关性。皮尔逊简单相关系数r有如下性质：
①-1≤r≤1，r绝对值越大，表明两个变量之间的相关程度越强。
②0＜r≤1，表明两个变量之间存在正相关。若r＝1，则表明变量间存在着完全正相关的关系。
③-1≤r＜0，表明两个变量之间存在负相关。r＝-1表明变量间存在着完全负相关的关系。
④r＝0，表明两个变量之间无线性相关。
使用海拔、坡度、地表曲率、地形起伏度、地表粗糙度和土地利用类型地表热值等影响指标与平均风速进行相关性分析。分析结果如表1所示：
表1影响因子间的相关性
| 因子 | 风速 | 海拔 | 坡度 | 曲率 | 地形起伏度 | 地表粗糙度 | 地热 |
| 风速 | 1 | .924** | .445** | .200** | .489** | .300** | -.449** |
| 海拔 | .924** | 1 | .510** | .279** | .566** | .358** | -.504** |
| 坡度 | .445** | .510** | 1 | .070** | .952** | .906** | -.467** |
| 曲率 | .200** | .279** | .070** | 1 | .083** | .081** | -.163** |
| 地形起伏度 | .489** | .566** | .952** | .083** | 1 | .868** | -.494** |
| 地表粗糙度 | .300** | .358** | .906** | .081** | .868** | 1 | -.326** |
| 地热 | -.449** | -.504** | -.467** | -.163** | -.494** | -.326** | 1 |
注：**.在0.01级别(双尾)，相关性显著。
由表1可以得知，地热因子与风速成负相关，其他因子与风速都成正相关，说明地表温度越高的地方风速就越低。其他因子都对风速有着不同的影响，与海拔的相关性比其他因子的相关性强，我们研究的是同一地方近地面，所以近地面海拔越高的地方风速就越大。其次是地形起伏度然后是坡度、曲率、地表粗糙程度，都对风速有着重要的影响。
(3)精细化风场模型构建
借助相关性与GIS模拟分析，利用渔网赋值、多值提取至点等方法，得到因子与风速的相关性模型及系数，并结合精细化的环境变量因子，通过GIS栅格计算方法，科学、精准模拟出空间精细化的平均风速场；
利用渔网工具采集研究区域内1km×1km边长的网格样点，去除异常值后共有3364个样点可用来做山地风场模型的建立，根据每个地理环境因子和气象因子和风速的相关性进行线性回归分析，最终建立各个因子与风速的相关模型(表2)，得出的模型显示各个因子对风速都有不同程度的影响，其中海拔因子影响比其他因子的影响程度大得多。
表2风场模型系数及检验
由表2可知，模型经过回归，原始量依旧被保留，显著性比较强。风速场模型：y＝1.407+0.000705x1+0.005406x2+0.001201x3-6.6511x4-0.000201x5-0.02537x6(4)
式子：y为风速，x1、x2、x3、x4、x5、x6分别表示海拔、坡度、地热、曲率、地表粗糙度、地形起伏度。
应用示范及市场情景模拟
以森林资源管理一张图专题数据、30m和1km精度DEM数据、World Clim全球粗分辨率月平均风速栅格数据以及西昌市多个气象站点实测数据等为数据源，借助相关性与GIS模拟分析，基于空间1km×1km和30m×30m栅格单元，利用多值提取至点、渔网赋值、聚类分析、因子相关性分析等方法，得到因子与风速的相关性模型及系数，通过GIS栅格计算方法，科学、精准模拟出观测时刻风速场，如图2(a)和图2(b)所示。
模拟出来的30m分辨率的风场与1000m的风场相比，如图所示，两风速场的宏观的空间格局一致，但30m风场细节更丰富，空间精细化程度更好，模拟出来的30m风场最小值是2.20m/s，最大值是4.44m/s，使得风场的分布更加精细化，对西昌市对森林防火以及风能源的利用有重要的意义，让风能源的利用更加准确。由图可知，结合乡镇的分布情况，风场主要呈现出两边高中间的一种分布情况，除巴汝镇、马鞍山乡个别乡镇分布在风速较大的地方，人口居住密集的地方风速都普遍较低。而人口居住较密集的地方，地势平坦，在同一地方海拔相对较低，所以风速受海拔的影响较大，受其他因子的影响程度较小。
本实施例考虑地形对风的波动影响，基于地形、土地利用类型、地热相关因子及已有粗分辨率风速场模型，提出一种精度上可提高、方法上可操作，实际上准确可行，尽可能提高风速场精准度的风速场精细化模拟体系，再结合因子相关性系数分析方法，为区域性风速场高精度模拟提供指导，并以四川省西昌市为例进行方法描述。即以森林资源管理一张图专题数据、30m和1km精度DEM数据、WorldClim全球粗分辨率月平均风速栅格数据以及西昌市多个气象站点实测数据等为数据源，借助相关性与GIS模拟分析，基于空间1km×1km和30m×30m栅格单元，利用多值提取至点、渔网赋值、聚类分析、因子相关性分析等方法，得到因子与风速的相关性模型及系数，通过GIS栅格计算器叠加计算方法，科学、精准模拟出风速场模型，并利用地面实测数据验证模拟出的风速场准确性。该发明为研究风气象要素有关的自然地理、生态评估与建模，林火防灭研究、风电场新能源规划选址具有一定现实意义，通过该发明能很大程度上提高风速场模拟精度，具有显著的使用和推广价值，同时对于地理环境要素GIS空间模拟具有重要参考意义。
以上示意性的对本发明及其实施方式进行了描述，该描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。所以，如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。
Claims (7)
1.一种时空精细化的风速场构建方法，其特征在于：包括以下步骤：
一、收集数据，包括森林资源管理一张图数据、DEM数据、WorldClim公里级风场气象数据和气象站点风速观测数据；
二、提取相应公里级风速场的海拔、坡度、地表粗糙度、地形起伏度、地热及曲率环境因子；
三、借助SPSS的皮尔逊相关性系数分析各因子与风速的相关性，以确定风速的环境因子影响变量；
四、借助相关性与GIS模拟分析，利用渔网赋值、多值提取至点方法，得到因子与风速的相关性模型及系数，并结合环境变量因子，通过GIS栅格计算方法，模拟出平均风速场；
五、结合任意时刻气象站点观测值，模拟出时间及空间上的风速场格局。
2.根据权利要求1所述的一种时空精细化的风速场构建方法，其特征在于：森林资源管理一张图数据包括所有林地及非林地的空间分布、自然属性及社会属性。
3.根据权利要求1所述的一种时空精细化的风速场构建方法，其特征在于：地形起伏度是通过计算海拔最高点与最低点的差值来描述地形特征的宏观指标，如公式(1)所示：
y＝xmax-xmin (1)
式中，y为地形起伏度，xmax为邻域统计的最大值，xmin为邻域统计的最小值。
4.根据权利要求1所述的一种时空精细化的风速场构建方法，其特征在于：地表粗糙度是地球投影面积与地表面积的比值，计算公式为：
y＝1/cos(slope*π/180) (2)
式中，y为地表粗糙度，slope为坡度。
5.根据权利要求1所述的一种时空精细化的风速场构建方法，其特征在于：采用均值-标准差法进行地表温度分级，以地表温度相对于平均温度的偏离程度来进行温度等级的划分；将温度进行归一化计算，计算公式为：
Ti＝(Ti0-Tmin)/Tmax-Tmin (3)
式中：Ti为第i个像元归一化后的温度值，Ti0为第i个像元的原始温度值，Tmax和Tmin分别为地表温度的最大值和最小值。
6.根据权利要求1所述的一种时空精细化的风速场构建方法，其特征在于：皮尔逊简单相关系数r有如下性质：
①-1≤r≤1，r绝对值越大，表明两个变量之间的相关程度越强；
②0<r≤1，表明两个变量之间存在正相关，若r＝1，则表明变量间存在着完全正相关的关系；
③-1≤r<0，表明两个变量之间存在负相关，r＝-1表明变量间存在着完全负相关的关系；
④r＝0，表明两个变量之间无线性相关。
7.根据权利要求1所述的一种时空精细化的风速场构建方法，其特征在于：步骤四中，利用渔网工具采集研究区域内1km×1km边长的网格样点，去除异常值后用来做山地风场模型的建立，根据每个地理环境因子和气象因子和风速的相关性进行线性回归分析，最终建立各个因子与风速的相关模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310881337.7A CN117077558A (zh) | 2023-07-18 | 2023-07-18 | 一种时空精细化的风速场构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310881337.7A CN117077558A (zh) | 2023-07-18 | 2023-07-18 | 一种时空精细化的风速场构建方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117077558A true CN117077558A (zh) | 2023-11-17 |
Family
ID=88706967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310881337.7A Pending CN117077558A (zh) | 2023-07-18 | 2023-07-18 | 一种时空精细化的风速场构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117077558A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107390298A (zh) * | 2017-07-19 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种复杂山地下垫面大风的模拟方法及装置 |
| CN108090614A (zh) * | 2017-12-18 | 2018-05-29 | 哈尔滨工业大学 | 一种基于相关系数的空间风场预测模型建立方法 |
| CN111651896A (zh) * | 2020-06-18 | 2020-09-11 | 浙江理工大学 | 一种基于实际风速及实际复杂地形的风电场流场计算方法 |
| CN112712275A (zh) * | 2021-01-07 | 2021-04-27 | 南京大学 | 基于Maxent和GIS的森林火灾风险评估方法 |
| CN113420458A (zh) * | 2021-07-14 | 2021-09-21 | 广东电网有限责任公司广州供电局 | 一种风场数据精细化处理方法、装置、终端及介质 |
| CN114818543A (zh) * | 2022-05-20 | 2022-07-29 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊典型重现期特征风浪计算方法 |
| CN115099162A (zh) * | 2022-08-24 | 2022-09-23 | 成都信息工程大学 | 一种复杂地形下风场的订正方法 |
| US20220326211A1 (en) * | 2021-03-15 | 2022-10-13 | Harbin Engineering University | Marine Transportation Platform Guarantee-Oriented Analysis and Prediction Method for Three-Dimensional Temperature and Salinity Field |
| CN115329691A (zh) * | 2022-08-01 | 2022-11-11 | 上海师范大学 | 一种基于cfd与gis的超大城市风环境模拟方法 |
| CN115936490A (zh) * | 2022-11-23 | 2023-04-07 | 华南师范大学 | 一种基于shap的城市暴雨内涝影响因子量化分析方法 |
-
2023
- 2023-07-18 CN CN202310881337.7A patent/CN117077558A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107390298A (zh) * | 2017-07-19 | 2017-11-24 | 云南电网有限责任公司电力科学研究院 | 一种复杂山地下垫面大风的模拟方法及装置 |
| CN108090614A (zh) * | 2017-12-18 | 2018-05-29 | 哈尔滨工业大学 | 一种基于相关系数的空间风场预测模型建立方法 |
| CN111651896A (zh) * | 2020-06-18 | 2020-09-11 | 浙江理工大学 | 一种基于实际风速及实际复杂地形的风电场流场计算方法 |
| CN112712275A (zh) * | 2021-01-07 | 2021-04-27 | 南京大学 | 基于Maxent和GIS的森林火灾风险评估方法 |
| US20220326211A1 (en) * | 2021-03-15 | 2022-10-13 | Harbin Engineering University | Marine Transportation Platform Guarantee-Oriented Analysis and Prediction Method for Three-Dimensional Temperature and Salinity Field |
| CN113420458A (zh) * | 2021-07-14 | 2021-09-21 | 广东电网有限责任公司广州供电局 | 一种风场数据精细化处理方法、装置、终端及介质 |
| CN114818543A (zh) * | 2022-05-20 | 2022-07-29 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊典型重现期特征风浪计算方法 |
| CN115329691A (zh) * | 2022-08-01 | 2022-11-11 | 上海师范大学 | 一种基于cfd与gis的超大城市风环境模拟方法 |
| CN115099162A (zh) * | 2022-08-24 | 2022-09-23 | 成都信息工程大学 | 一种复杂地形下风场的订正方法 |
| CN115936490A (zh) * | 2022-11-23 | 2023-04-07 | 华南师范大学 | 一种基于shap的城市暴雨内涝影响因子量化分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王雪松;葛莹;张杰;肖胜昌;陈科;: "面向无测风区域的复杂地形风场模拟研究", 地理信息世界, no. 02 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Doorga et al. | Multi-criteria GIS-based modelling technique for identifying potential solar farm sites: A case study in Mauritius | |
| Chen | Water resources research in Northwest China | |
| Klouček et al. | How does data accuracy influence the reliability of digital viewshed models? A case study with wind turbines | |
| Belmonte et al. | Potential renewable energy resources of the Lerma Valley, Salta, Argentina for its strategic territorial planning | |
| Chang et al. | Planning for green infrastructure and mapping synergies and trade-offs: A case study in the Yanshuei River Basin, Taiwan | |
| Sakti et al. | Spatial integration framework of solar, wind, and hydropower energy potential in Southeast Asia | |
| CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
| CN110658307A (zh) | 评估污染源对环境空气质量影响的方法 | |
| CN112070056A (zh) | 一种基于面向对象和深度学习的敏感用地识别方法 | |
| Zou et al. | Spatial-temporal variations in regional ambient sulfur dioxide concentration and source-contribution analysis: A dispersion modeling approach | |
| CN105956691A (zh) | 预测区域不同方位、观测点pm2.5背景浓度计算方法 | |
| CN112561172A (zh) | 一种降雨内涝房屋安全预警系统 | |
| CN115994685A (zh) | 一种国土空间规划现状评估方法 | |
| Ji et al. | Exploring China's 21-year PM10 emissions spatiotemporal variations by DMSP-OLS nighttime stable light data | |
| Ren et al. | Analysis of the spatial characteristics of inhalable particulate matter concentrations under the influence of a three-dimensional landscape pattern in Xi'an, China | |
| Li et al. | Evaluation and analysis of the impact of coastal urban impervious surfaces on ecological environments | |
| Sono et al. | Spatiotemporal evolution of West Africa’s urban landscape characteristics applying harmonized DMSP-OLS and NPP-VIIRS nighttime light (NTL) data | |
| Aylas et al. | Influence of land use on the performance of the WRF model in a humid tropical climate | |
| Araújo et al. | An approach to simulate wind fields around an urban environment for wind energy application | |
| CN117077558A (zh) | 一种时空精细化的风速场构建方法 | |
| Shimomura et al. | Urban climatic map studies in Brazil: Campinas | |
| CN115758856A (zh) | 一种景观格局及气候变化对流域未来水质影响的研究方法 | |
| CN113971348A (zh) | 一种基于综合能源系统的源端功率短期预测方法 | |
| Zhan et al. | Prediction Model of Land Use and Land Cover Changes in Beijing Based on Ann and Markov_CA Model | |
| Wijesekara et al. | Impact of land-use changes on the hydrological processes in the Elbow river watershed in southern Alberta |
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 |