博客
关于我
【WRF教程第3.4期】预处理系统 WPS 详解:以4.5版本为例
阅读量:599 次
发布时间:2019-03-11

本文共 514 字,大约阅读时间需要 1 分钟。

WPS 预处理系统(WPS)中间格式详解:以版本4.5为例

ungrib 程序能够将 GRIB 数据集解码为 metgrid 可以理解的简单中间格式。对于非 GRIB Edition 1 或 GRIB Edition 2 格式的气象数据,用户需手动将其写入中间文件格式。幸运的是,中间格式相对简单,由一系列未格式化的 Fortran 写入组成。请注意,这些未格式化的写入使用大端字节顺序,通常可通过编译器标志进行设置。

以下是 WPS 中间格式的详细说明。对于 SI 或 MM5 中间格式感兴趣的用户,可先熟悉 WPS 格式,然后检查读取和写入所有三种中间格式的 Fortran 子例程(分别为 metgrid/src/read_met_module.F 和 metgrid/src/write_met_module.F)。

在将数据写入 WPS 中间格式时,二维字段将写入实值的矩形数组。对于三维数组,需在垂直维度上拆分为二维数组,这些数组需单独写入。

需要注意的是,全球数据集需使用高斯或圆柱等距投影,而区域数据集则可使用墨卡托、兰伯特等角、极地立体或圆柱等距。

用于写入单个二维数组的具体实现方式需要根据实际需求进行调整。

转载地址:http://jkatz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>