基于CALMET诊断模型的高时空分辨率精细化风场模拟技术应用

news2024/11/22 17:23:05

【查看原文】气象数据相关分析及使用系列：基于CALMET诊断模型的高时空分辨率精细化风场模拟技术应用

在研究流场时，常用观测、模型风洞测试和数值模拟方法进行研究。但时常遇到研究区气象站点分布稀疏，不能代表周边复杂地形的风场。风洞模拟需要对地形进行实景的微缩，但实际过程中可能更关心近地表边界层的风场。风洞模拟一方面费用较高，另一方面风洞模拟近地表风场难度较大。因此，数值模式成为缺资料地区风场模拟的最佳手段。中尺度模式WRF模式，可以利用大涡模拟方法进行高分辨率的模拟，但是在地形复杂的研究区，WRF模式的Sigma地形追踪坐标系会导致数值模式的崩溃。这样地形复杂的研究区，对数值模式有较高的要求：1、能够进行高分辨率的模拟；2、能够稳定运行不受较大地形落差影响。作为诊断模式的CALMET模式能够不受复杂网格缺陷影响，进行过高分辨率模拟。在CALMET运行过程中，有大量的中间步骤（如图1）。这些步骤过于繁琐，可以直接使用计算机语言直接生成所需文件。对于气象数据，站点数据一般较难获得，尤其在偏远地区。在研究中可以使用中尺度数值模式提供CALMET的大气驱动数据。CALMET模式中有1km的全球高程数据和土地利用数据，但土地数据为1992年制作的数据，制作时间比较老，可能不适合中国地区，同时在中国地区有大量的土地利用分类错误。为了能够更好的刻画地表真实的地貌特征，可以使用本地化的数据，如清华大学LUCC 30m数据替换CALMAET模式的原有模式的粗分辨率静态数据。基于上述优化，可以实现CALMET模式在任意地区进行模拟。

【专家】：

白老师，长期从事地学领域数据挖掘、区域气候变化、数值模式、地学统计。主要研究领域为复杂数据分析和统计建模，长期从事python语言的教学与应用，有丰富的地学数据分析、建模、商务智能等项目实施与管理经验。

【内容简述】：

准备：

1、WRF模式结果
2、Linux GCC/Intel/PGI
3、anaconda3 5.0以上
4、netCDF3.6.3及以上
5、Jupyter notebook或lab
6、Python库需求：
Xarray==0.13.0、netCDF4==1.4.3、pandas、numpy、proj、utm、windrose、rasterio或gdal.
备注：案例数据、代码、讲义会一起发放。

一：静态数据制备
使用30m分辨率的遥感数据制作高分辨模拟所需的静态数据