本文目录
- 前言
- Step 1 ArcGIS中创建渔网点
- Step 2 将dfsu数据提取到渔网点
- Step 3 Python统计平均潮差
前言
日平均潮差(average daily tidal range):日高潮潮高合计之和除以实有高潮个数为日平均高潮潮高,日低潮潮高合计之和除以实有低潮个数为日平均低潮潮高,平均高潮潮高与日平均低潮潮高之差为日平均潮差。月平均潮差和年平均潮差也是类似的道理。定义参考自《HY/T 182-2015 海洋能计算和统计编报方法》。
具体思路是,创建有限个阵列点(或者叫网格点、渔网点),这些阵列点是具有坐标信息的。再把MIKE运算得到的潮位dfsu结果文件的数据提取到这些阵列点上,然后在Python中进行统计和运算,得到每个阵列点的平均潮差。再把平均潮差数据返回到阵列点上,就完成了。
Step 1 ArcGIS中创建渔网点
首先在ArcGIS中创建渔网点,我这里创建的渔网点精度是0.01度×0.01度,具体的精度根据各自项目的情况自行设置。关于如何创建渔网点,可以参考我的另一篇博文【ArcGIS笔记10_如何创建渔网?】。然后再从ArcGIS中导出渔网点坐标,导出成Excel格式。
如下两图:
Step 2 将dfsu数据提取到渔网点
笔者这里当时运算模型的时候的时间步长是120s,现在如果直接提取数据的话会提的数据量太大太大,而且很没有必要。所以这里先做了一个类似抽稀的操作,就是把输出频次调大,这样设置为输出时每30min输出一次数据。
如下图:
然后就可以在dfsu中提取对应坐标点的时间序列数据了,这里可以将Excel中的坐标点数据直接拷贝过来。注意提取的时候最好跳过冷启动阶段。
如下四图:
Step 3 Python统计平均潮差
如下七图:
希望能帮助到大家!
以上就是全部内容啦~
希望可以得到你的赞,非常感谢!