MIKE水动力笔记19_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！