연구노트/기후
-
공간 해상도에서와 같이 큰 문제는 없다. 전지구모델은 7분 30초, 지역예보모델은 3분 20초 그리고 고해상도 모델은 50초의 시간 간격으로 적분된다. 이것은 아마도 유효한 자료가 표출되는 빈도 이상인데, 출력 시스템에 따라서는 표출 빈도가 6시간 이상이 될 수 있다. 이 문제는 특히 6시간 주기에서 순간 강수가 없을 때 누적 강수량이 하나의 차트에 나타내어질 때 주목할 필요가 있다. 이는 강수가 중간에 발생하였음을 의미한다. 특정 시간에서의 모델 자료 표출(정보)은 모델이 오직 그 시간에 해당되는 상황을 모의한 것임을 기억해야 한다.
[기후연구] 적용 시간에 대해공간 해상도에서와 같이 큰 문제는 없다. 전지구모델은 7분 30초, 지역예보모델은 3분 20초 그리고 고해상도 모델은 50초의 시간 간격으로 적분된다. 이것은 아마도 유효한 자료가 표출되는 빈도 이상인데, 출력 시스템에 따라서는 표출 빈도가 6시간 이상이 될 수 있다. 이 문제는 특히 6시간 주기에서 순간 강수가 없을 때 누적 강수량이 하나의 차트에 나타내어질 때 주목할 필요가 있다. 이는 강수가 중간에 발생하였음을 의미한다. 특정 시간에서의 모델 자료 표출(정보)은 모델이 오직 그 시간에 해당되는 상황을 모의한 것임을 기억해야 한다.
2021.12.31 -
Interpolation 진행 아래 그림과 같이 우측 하단에 mask된 data들이 있음. 이를 처리하기 위해 interpolation진행. (x, y)의 masked data를 채우기 위해 3*3 필터의 채워진 8개의 값을 평균값을 넣어줌. 이를 위에서 오른쪽 진행방향으로 반복하는 방식으로 값을 채워넣음. if raw[x, y] > 999: around_filter = np.array([[raw[x-2, y-2],raw[x-1, y-2],raw[x, y-2]],[raw[x-2, y-1],raw[x-1, y-1],raw[x, y-1]],[raw[x-2, y],raw[x-1, y],raw[x, y]]]) filter_list = [] for i in range(around_filter.shape[0]): ..
[기후연구] LDPS적용_pre-processingInterpolation 진행 아래 그림과 같이 우측 하단에 mask된 data들이 있음. 이를 처리하기 위해 interpolation진행. (x, y)의 masked data를 채우기 위해 3*3 필터의 채워진 8개의 값을 평균값을 넣어줌. 이를 위에서 오른쪽 진행방향으로 반복하는 방식으로 값을 채워넣음. if raw[x, y] > 999: around_filter = np.array([[raw[x-2, y-2],raw[x-1, y-2],raw[x, y-2]],[raw[x-2, y-1],raw[x-1, y-1],raw[x, y-1]],[raw[x-2, y],raw[x-1, y],raw[x, y]]]) filter_list = [] for i in range(around_filter.shape[0]): ..
2021.12.31