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 | YOLOv10在PyTorch和OpenVINO中推理对比
查看>>
OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
查看>>
OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
查看>>
OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
查看>>
OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
查看>>
OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
查看>>
OpenCV与AI深度学习 | 什么是 COCO 数据集?
查看>>
OpenCV与AI深度学习 | 低对比度缺陷检测应用实例--LCD屏幕脏污检测
查看>>
OpenCV与AI深度学习 | 使用 MoveNet Lightning 和 OpenCV 实现实时姿势检测
查看>>
OpenCV与AI深度学习 | 使用 OpenCV 创建自定义图像滤镜
查看>>
OpenCV与AI深度学习 | 使用 SAM 和 Grounding DINO 分割卫星图像
查看>>
OpenCV与AI深度学习 | 使用OpenCV图像修复技术去除眩光
查看>>
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
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>>