在namelist.input中,有个高度的分层。在一般的研究中,我们常以海拔高度,位势高度作为分层的标准。但是在模式中,由于每个地区的下垫面都不一样,有的平原有的高原,有的湖泊有的高山,即使在一个很小的区域,地面的海拔高度也不一样,所以按照位势高度来分层,就显得十分不合适。于是就有了eta坐标。
先来看看namelist.input中的设置:

e_vert = 27, 27, 27, 27,
eta_levels = 1.000, 0.999, 0.998, 0.996,
0.995, 0.993, 0.9922, 0.991,
0.989, 0.985,
0.978, 0.965,
0.945, 0.924,
0.904, 0.848,
0.747, 0.646,
0.545, 0.444,
0.343, 0.242,
0.141, 0.091, 0.061,
0.020, 0.000,
这个例子是垂直方向分为27层。从数值上看,分层都在0---1内。先来看看eta坐标,

eta=(P-Ptop)/(Pbot-Ptop)

P代表某一层的气压,也就是你需要研究的那一层,Ptop代表模式顶层气压,Pbot代表地面气压。(WRF中好像是10hpa,不太确定)。从表达式可以看出,地面的eta值就是1,顶层就是0。这样一来,无论某个地区的下垫面的海拔高度是多少,它的eta坐标值都统一成1。

当然,在模式的结果分析中,我们更想知道的是某个eta坐标对应的位势高度,比如说我们要研究离地60m高度的风速,就有必要进行二者转换。

常见的转换式是 gmp=(PH+PHB)/9.81-HGT

结果就是离地位势高度值,PH和PHB以及HGT都是模式结果中已有的变量。HGT是当地地面海拔高度。
在3.2的版本中已经有了height这个变量,可以直接对应海拔高度。经计算,发现其值和上式计算结果几乎一致,注意单位换算。
如果需要更精确的结果,则
gmp=(((PH(k)+PH(k+1)) / 2) + ((PHB(k)+(PHB(k+1)) / 2) / 9.81 – HGT

这个动力论坛上对于上面两个表达式的对比回答:
Firstly, the result of (PH+PHB)/9.8 is the height above sea level that is not what you need to check. For horizontal winds, some prognostic variables, and diagnostic variables, the center of the cell should be used. The center height above surface, absolute altitude should be calculated by running average from the top and bottom:
(((PH(k)+PH(k+1)) / 2) + ((PHB(k)+(PHB(k+1)) / 2) / 9.81 – HGT,
where PH and PHB are staggered in the vertical direction, meaning that they are at the tops and bottoms of grid cells. HGT is terrain height. This center height of grid cell is changing from model time to time based on definition of eta vertical coordinate system. You never get it fixed. So you cannot get the answer to your question by re-setting eta levels.
Secondly, for scalar properties such as temperature, tracer concentration, the modeled result spatially represents at the center of grid cell and shows a homogeneous value within entire grid box. That means the modeled value is constant from bottom to top of the grid cell. What you think about is the sub-scaled. You may use Monin-Obukov similarity theory to derive the modeled value at the height of 4.4m at which your monitor is set. For doing this you may copy the way to calculate those diagnostic variables like T2, Q2 in the model. (But U10 and V10 are different). Due to limitation of M-O theory and model as well as observation technology I am not sure you can get your results much improved even at such a small different height of 0.3 m (4.7m – 4.4m). Normally we can directly compare the modeled result and observed one obtained at surface layer. However it highly depends on what kind of parameter you are dealing with and what accuracy requirements for this measurement are. I do not know what observation you made.

到这里,依然没有说完,因为上面的表达式涉及到的都是气压值,我们在实际研究中,气压值并不是那么容易得到的。那么,有什么好方法可以直接从eta值就能对应上位势高度呢???
对于这个问题,至今好像还没有十分完美的方法可以解决,至少我还没看到。
但是,也可以尝试性的探索,下面说说我的做法。

以上面贴出来的namelist.input中的eta值的设置为例,比如说我们要得到离地高度60m的某变量。
先按照上面默认的eta值运行下去(在跑wrf时,可以先只算一个小时的数据,因为现在还属于试验阶段),得到模式结果后,你就可以画出每个eta值对应的height的等值线图了,这样你就可以看出每个eta对应的离地高度值。这样,得到的结果,可能是eta=0.993对应的位势高度是57m, eta=0.9922对应的是66m,这样一来,你就知道eta值对应的60m的范围了(0.993-0.9922)。第一次试验结束,现在你就把0.993改为0.9928,大概差不多,下次你的结果就基本是60m了,当然你也可能第二次试验。由于eta坐标是等气压值坐标,所以每个eta面上的位势高度都不可能相等。也就是说等气压面并不是一个平面,所以无论你怎么调节都不可能全部等于60m。 所以在60m左右就可以了,一般会在59-61m。相当不大。

好了,说了这么多,有可能有些错误,更有可能有更好的方法,望大家都不吝赐教。

转自气象家园:http://bbs.06climate.com/forum.php?mod=viewthread&tid=1860&extra=page%3D2&page=1

转载于:https://www.cnblogs.com/pchgo/archive/2012/12/24/2831241.html

WRF模式中eta层的设置以及分别对应的高度(转)相关推荐

  1. WRF模式中关于eta_levels的设置以及对应的高度

    为什么要设置eta_levels呢? 在一般的模式研究中,当涉及到下垫面对于模拟的影响,就会使用到eta_levels. 不同的地区的下垫面不同,有的是平原.有的是高原.有的是湖泊有的是高山.地面的海 ...

  2. WRF模式与Python融合技术在多领域中的应用及精美绘图

    当今从事气象及其周边相关领域的人员,常会涉及气象数值模式及其数据处理,无论是作为业务预报的手段.还是作为科研工具,掌握气象数值模式与高效前后处理语言是一件非常重要的技能.WRF作为中尺度气象数值模式的 ...

  3. WRF后处理总结:wrf-python与NCL在WRF后处理中的基本应用——变量提取、计算与可视化

    本内容相关视频讲述:WRF后处理总结 文章目录 什么是WRF后处理?为什么要后处理? 数据信息 计算部分 文件读取与诊断变量的计算 插值 绘图与可视化 NCL与wrf-python结合 Python可 ...

  4. 【案例实践】WRF-Python融合技术:WRF 模式前后处理、自动化运行、数据处理、可视化绘图

    [查看原文]Python在WRF模型自动化运行及前后处理中实践技术应用 当今从事气象及其周边相关领域的人员,常会涉及气象数值模式及其数据处理,无论是作为业务预报的手段.还是作为科研工具,掌握气象数值模 ...

  5. 怎么看linux系统中是否安装pgf90,WRF模式学习_从linux安装开始

    http://wrfchina.com/node/93 本文作者为中山大学杨超锋同学,特此感谢. 1 CentOS 5 Linux 安装图解 参照:http://hi.baidu.com/senya/ ...

  6. Linux中如何将网卡设置为混杂模式

    本文介绍网卡的混杂模式,以及在Linux系统中,如何将网卡设置为混杂模式. 网卡本身有混杂模式和非混杂模式两种工作模式.网卡正常情况下,即非混杂混杂模式下,只接收目的地址是本机的数据包.在以太网上,有 ...

  7. 卷积神经网络中各个卷积层的设置及输出大小计算的详细讲解

    我将从以下几个方面来进行解说: 1.卷积神经网络的结构 2.卷积神经网络的计算 3.以AlexNet为例进行详细讲解 4.常见的两个卷积层设置的问题 1.卷积神经网络的结构 卷积神经网络(CNN)由输 ...

  8. WRF模式的运行(一)

    一.WRF简介 WRF(Weather Research and Forecasting Model),由美国大气研究中心NCAR.国家环境预报中心NCEP等多单位联合建立发展的数值模式.其是新一代非 ...

  9. WRF模式的运行(三)

    在第一篇.第二篇讲述了WRF模式的基础知识以及WRF模式前处理部分的运行. 本篇将讲述WRF模式的主模块的运行.首先得知道WRF主模块的namelist.input的参数意义. &time_c ...

  10. TC工具后台模式_如何用WRF模式模拟台风个例

    点击上方蓝字,关注我们 小编女神费费同学又出新的干货啦,大家快快端起小板凳来静静聆听. 这篇教程主要针对大型机上wrf的安装和运行,所以默认使用并行,并且默认用户下已经安装好相应的库并做好路径配置(n ...

最新文章

  1. 小眼睛适合大框还是小框眼镜_北京潘家园眼镜城良心商家推荐
  2. msf 之 webshell 提权
  3. The Annotated Transformer
  4. leetcode 131. Palindrome Partitioning
  5. TypeError: the JSON object must be str, bytes or bytearray, not NoneType
  6. [转载]析构函数的虚析构和非虚析构调用的差别
  7. 写一个公用的gpio口驱动
  8. SQL 审核系统体验
  9. Task04:集合运算-表的加减法和join等-天池龙珠计划SQL训练营
  10. bzoj1012: [JSOI2008]最大数maxnumber [单调队列]
  11. 服务器虚拟化 远程,服务器虚拟化 远程
  12. 配置文件 ini toml yaml 以及 json对比
  13. FOXIT PDF SDK 8.1 ALL Crack
  14. 软件测试方法(单元测试、集成测试、系统测试、确认测试)
  15. 绘图板应用讲解计算机,如何用数位板在电脑上画画?5个板绘使用技巧分享!...
  16. 《那些年啊,那些事——一个程序员的奋斗史》——77
  17. Require statement not part of import statement. eslint@typescript-eslint/no-var-requires报错修改
  18. java workflow 教程_建议收藏,从零开始创建一个Activiti工作流,手把手教你完成...
  19. 演讲实录丨徐宗本院士:如何突破机器学习的先验假设?
  20. 智能网联汽车信息安全实训平台-IVI(或T-BOX)的WiFi攻击实验

热门文章

  1. Python for Infomatics 第12章 网络编程四(译)
  2. Java7 和 C# 2.0
  3. 也玩ASP.NET MVC 与 WebFroms 整合
  4. 学会 配置文件+反射,走遍全球都不怕.
  5. 海洋工作室成立啦!!
  6. 企业治理的要诀(学习总结)
  7. 获取地理位置 百度地图
  8. 通俗易懂的理解机器学习中的正则化项,正则化防止过拟合的的原理
  9. Hadoop 文本分类 终于跑通了
  10. 安卓(Android)+苹果(Ios)仿微信、陌陌 移动社交APP系统源码,手机IM聊天软件源码,企业即时通讯APP程序源码...