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 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>