【数值模型后处理系列】通风系数计算及垂直层插值

一、通风系数

1.1 通风系数简介

通风系数(Ventilation Coefficient,VC)可以用来表征扩散条件,其计算公式如下(参考U S Iyer and P Ernest Raj的文章):
在这里插入图片描述
其中mixing depth选用WRF输出的边界层高度(PBLH),mean wind speed近似用边界层顶的风速与地面风速做平均(当然也可多选几层)。

1.2 Python代码实现VC的计算

计算VC的示例代码:

from netCDF4._netCDF4 import Dataset
from wrf import getvar, ALL_TIMES, interplevelfiles = 'wrfout文件列表'
wrfout = [Dataset(i) for i in files]pblh = getvar(wrfout, 'PBLH', timeidx=ALL_TIMES, method='cat')
height = getvar(wrfout, "height_agl", timeidx=ALL_TIMES, method='cat')
wind = get_uvmet_wspd_wdir(wrfout, timeidx=ALL_TIMES, method='cat')
wind_pblh = interplevel(wind[0], height, pblh)
vc = (wind_pblh + wind[0, :, 0, :, :]) / 2 * pblh  # ventilation coefficient(m2/s)

这样计算出来的VC会有许多网格点是空值,可以在interplevel中指定missing参数,不过只能指定一个数值,由于各个网格的VC数值并不知道也不相等,因此,可以插值后再进行缺失值补空,这部分有许多方法可以实现,读者可自行研究。

1.3 结果解读

计算出来的VC空间分布图如下(川渝地区)。由图可知,该时刻,川渝地区通风系数较小,扩散条件相对较差。

在这里插入图片描述

二、垂直层差值

2.1 插值函数简介

上面计算VC需将风速插值到PBL高度层,wrf-python中提供了interplevel函数可满足这一插值需求,

wrf.interplevel(field3d, vert, desiredlev, missing=<MagicMock name='mock().item()' id='140675643013392'>, squeeze=True, meta=True)

参数解释:

  • field3d (xarray.DataArray或numpy.ndarray) – 要插值的三维字段,最右边的维度为 nz × ny × nx
  • vert (xarray.DataArray或numpy.ndarray) – 垂直坐标的三维数组,通常是压力或高度。该数组必须具有与field3d相同的维度;
  • desiredlev ( float、一维序列或numpy.ndarray) – 所需的垂直水平。这可以是单个值(例如 500)、值序列(例如 [1000, 850, 700, 500, 250])或多维数组,其中右侧二维 (ny x nx) 必须匹配field3d,并且任何最左边的尺寸与 field3d.shape[:-3] 匹配(例如行星边界层)。必须与vert参数采用相同的单位;
  • missing ( float) – 用于输出的填充值。默认为wrf.default_fill(numpy.float64);
  • squeeze(bool,可选) – 设置为 False 以防止大小为 1 的维度自动从输出形状中删除。默认为 True
  • meta ( bool) – 设置为 False 以禁用元数据并返回 numpy.ndarray而不是 xarray.DataArray.默认为 True

函数返回:插值变量。如果启用 xarray 并且meta参数为 True,则结果将是一个 xarray.DataArray对象。否则,结果将是一个numpy.ndarray没有元数据的对象。

返回类型:xarray.DataArray or numpy.ndarray

2.2 使用示例

示例1:将位势高度插值至 500 hPa

from netCDF4 import Dataset
from wrf import getvar, interplevelwrfin = Dataset("wrfout_d02_2010-06-13_21:00:00")p = getvar(wrfin, "pressure")
ht = getvar(wrfin, "z", units="dm")ht_500 = interplevel(ht, p, 500.0)

示例2:将相对湿度插值到边界层高度

from netCDF4 import Dataset
from wrf import getvar, interplevelwrfin = Dataset("wrfout_d02_2010-06-13_21:00:00")rh = getvar(wrfin, "rh")
height = getvar(wrfin, "height_agl")
pblh = getvar(wrfin, "PBLH")rh_pblh = interplevel(rh, height, pblh)

欢迎关注个人微信公众号:微思研

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/pingmian/4286.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

如何我现在是本地的文件路径不是http,用html如何打开

--别给我BB 如何我现在是本地的文件架路径不是http&#xff0c;用html如何打开? 答&#xff1a; 如果你想在HTML中打开本地文件路径的视频&#xff0c;可以使用file://协议。假设你的视频文件在本地的路径为/path/to/your/video.mp4&#xff0c;那么你可以将src属性设置为file…

【Django】初识Django快速上手

Django简介 Django是一个高级的、开源的Python Web框架&#xff0c;旨在快速、高效地开发高质量的Web应用程序 https://developer.mozilla.org/zh-CN/docs/Learn/Server-side/Django/Introduction 安装Django pip install Django如果要知道安装的Django的版本&#xff0c;可…

锂电池SOH预测 | 基于CNN-GRU的锂电池SOH预测(matlab)

锂电池SOH预测 锂电池SOH预测完整代码锂电池SOH预测 锂电池的SOH(状态健康度)预测是一项重要的任务,它可以帮助确定电池的健康状况和剩余寿命,从而优化电池的使用和维护策略。 SOH预测可以通过多种方法实现,其中一些常用的方法包括: 容量衰减法:通过监测电池的容量衰减…

Qt/C++ 波形绘制双缓冲下改善PaintEvent连续绘制卡顿问题(完整代码解析)

音频波形可视化&#xff1a;该控件用于将音频样本数据可视化为波形&#xff0c;常用于音频处理软件中以展示音频信号的时间域特性。 动态数据绘制&#xff1a;控件能够响应外部数据的变化并重新绘制波形&#xff0c;适用于实时或动态的音频数据流。 自定义绘制逻辑&#xff1…

Android Studio gradle 默认sourceSets配置

一. AS默认的sourceSets配置 sourceSets在Android插件中如何使用的&#xff1a;android {sourceSets {main {manifest.srcFile AndroidManifest.xmljava.srcDirs [src]resources.srcDirs [src]aidl.srcDirs [src]renderscript.srcDirs [src]res.srcDirs [res]assets.srcD…

Web开发基础概念

Python的Web开发是指使用Python语言来开发Web应用程序&#xff0c;如网站、网络应用程序等。在Python的Web开发中&#xff0c;有一些核心概念和技术栈需要了解。本文将介绍Python的Web开发框架和技术栈&#xff0c;并提供一些相关的资源供参考。一、Python的Web开发框架Python的…

Pycharm新建工程时使用Python自带解释器的方法

Pycharm新建工程时使用Python自带解释器的方法 新建Project时最好不要新建Python解释器&#xff0c;实践证明&#xff0c;自己新建的Python解释器容易出现各种意想不到的问题。 那么怎样使用Python安装时自带的解释器呢&#xff1f; 看下面的三张截图大家就清楚了。 我的Pyth…

机器视觉系统-工业光源什么是同轴光

光路描述&#xff1a;反射光线与镜头平行&#xff0c;称为同轴光。 效果分析&#xff1a;光线经过平面反射后&#xff0c;与光轴平行地进入镜头。此时被测物相当于一面镜子&#xff0c;图像体现的是光源的信息&#xff0c;当“镜子“出现凹凸不平时&#xff0c;将格外地明显。 …

数据结构与算法-图论-DFS/BFS

图搜索算法在数据结构与算法领域中非常关键&#xff0c;用于在图形数据结构中搜索节点或路径。图是由节点&#xff08;也称为顶点&#xff09;以及连接这些节点的边组成的。在本文中&#xff0c;我们将详细探讨两种基础的图搜索算法&#xff1a;深度优先搜索&#xff08;DFS&am…

Linux异步io机制 io_uring

io_uring作为2019年的后起之秀&#xff0c;为linux异步网络编程新增一把倚天大剑&#xff0c;让我们简单学习一下&#xff01; 数据结构&#xff1a; a. sq (submition queue)&#xff1a;提交队列&#xff0c;一个存放待执行事件的环形队列 b. cq (completion queue): 完成…

Node.js -- 包管理工具

文章目录 1. 概念介绍2. npm2.1 npm 下载2.2 npm 初始化包2.3 npm 包(1) npm 搜索包(2) npm 下载安装包(3) require 导入npm 包的基本流程 2.4 开发依赖和生产依赖2.5 npm 全局安装(1) 修改windows 执行策略(2) 环境变量Path 2.6 安装包依赖2.7 安装指定版本的包2.8 删除依赖2.…

【AI学习】Ben Thompson对 Nat Friedman 和 Daniel Gross的采访

读了Ben Thompson对 Nat Friedman 和 Daniel Gross的采访这篇文章&#xff0c;挺有趣。 先说最有趣的几个地方&#xff1a; 关于维苏威火山碳化古卷挑战&#xff1a;有趣而有意义&#xff01;有关日本的预测&#xff1a;有可能依靠芯片制造业&#xff0c;也许 2030 年代就又是…

visual studio2022,开发CMake项目添加rabbitmq库,连接到远程计算机并进行开发于调试

1.打开visual studio installer 。安装“用于 Windows 的 C CMake 工具” 2.新建CMake项目 3.点击VS的“工具”—>"选项“—>“跨平台”—>”连接管理器“,添加远程计算机。用来将VS编辑的代码传到服务器进行编译–连接—运行&#xff08;调试&#xff09;。 …

java中的泛型(三)——通配符

在前面的文章中我们简要介绍了泛型的概念以及泛型类和泛型方法的使用。在介绍泛型时我们说过在在java中一般用E、T、K、V、N、?这几个字母和符号来表示泛型&#xff0c;对于前面的几个字符它们的使用没有区别&#xff0c;只要注意它们所代表的类型就好。而对于最后一个&#x…

优化大型语言模型交互:提升查询和提示效果的26条原则

推荐下arxiv挂的一个提示词教程&#xff1a; https://github.com/VILA-Lab/ATLAS https://arxiv.org/abs/2312.16171 它提出了一套26条指导原则&#xff0c;改善和优化与大型语言模型&#xff08;LLMs&#xff09;的交互过程。通过这些原则&#xff0c;旨在简化对LLMs的查询和…

E4980A是德科技E4980A精密LCR表

181/2461/8938产品概述&#xff1a; Keysight E4980A 精密 LCR 表为各种元件测量提供了精度、速度和多功能性的最佳组合。E4980A 在低阻抗和高阻抗范围内提供快速测量速度和出色的性能&#xff0c;是元件和材料的一般研发和制造测试的终极工具。LAN、USB 和 GPIB PC 连接可提高…

概率论知识点(2)指数分布随机变量PDF,CDF及其特征函数

(1) X ∼ exp ⁡ ( 1 ) X\sim \exp(1) X∼exp(1), Y ∼ exp ⁡ ( 1 ) Y\sim \exp(1) Y∼exp(1), PDF: f X ( x ) = e − x , x > 0 f_{X}(x)=e^{-x},x>0 fX​(x)=e−x,x>0; f Y ( y ) = e − y , y > 0 f_{Y}(y)=e^{-y},y>0 fY​(y)=e−y,y>0CDF: F X…

【氮化镓】p-GaN HEMTs空穴陷阱低温冻结效应

这篇文章是关于低温条件下p-GaN高电子迁移率晶体管&#xff08;HEMTs&#xff09;栅极漏电的研究。文章通过电容深能级瞬态谱&#xff08;C-DLTS&#xff09;测试和理论模型分析&#xff0c;探讨了空穴陷阱对栅极漏电电流的影响。以下是对文章的总结&#xff1a; 摘要&#xf…

sql server 数据库的学习

前言&#xff1a; SQL Server是由微软公司开发的一种关系型数据库管理系统&#xff08;RDBMS&#xff09;&#xff0c;用于存储和检索数据。它提供了一个可扩展的、安全的和可靠的数据存储和管理解决方案&#xff0c;并主要用于构建企业级应用程序。SQL Server支持使用SQL&…

java中的异常处理机制

通俗易懂地说,java中的异常处理机制就是try-catch-finally, try是可能出现的异常,而catch是处理那些异常,可以有多个,catch中也可以用throw抛出异常,finally是无论如何都要进行执行的代码 catch中那个东西,只有一个异常处理了,才会执行下一个异常 接下来说说throw和throws吧 其…