工具包下载网址https://www.eoas.ubc.ca/~rich/#T_Tide
工具包作者的相关论文的中文翻译http://www.docin.com/p-1422922005.html
T_TIDE工具包最核心的命令就是t_tide,下面举例来简要说一下这个函数的使用。
[NAME,FREQ,TIDECON,XOUT]=t_tide(elev,'interval',1,'latitude',35.230,'start
time',[1997,08,01,00])
输入参数介绍:
elev这个数组里就是我要分析的潮位数据,interval为1代表数据的间隔为1个小时,latitude为35.230代表测得该数据的验潮站的纬度,start
time代表数据的起始时间是1997年8月1号0时。
输出参数介绍:
NAME里为调和分析得到的分潮的名字,这个是根据数据的长度来确定的,越长的数据得到的分潮越多。
FREQ为分潮的角速率(°/h)
TIDECON第一列为分潮振幅,第三列为分潮迟角,其余不用管
XOUT(未加上平均海平面)调和分析回报的潮位
运行结果如下图所示,因为它采用的是把时间原点平移到中间时刻,所以只用了744个数据中的前743个,
x0=2880代表的是平均海平面是2880mm。
回报作图程序如下:
plot(elev)
hold on
plot(2880+XOUT(:),'r')
xlabel('小时(h)')
ylabel('潮位数据(mm)')
legend('实测','回报')
在t_tide里加上参数:'rayleigh',['M2';'S2';'K1';'O1'] 它就只分析给定的四大分潮
分享一个读者的经验:在使用t_tide的'rayleigh'参数选定要分析的分潮时,需要将分潮名称补齐至最长的那个分潮名,否则会报错。比如说:我想分析O1,K1,M4,MS4分潮,在输入变量的时候就需要输入成:['O1 ';'K1 ';'M4 ';'MS4']才能成功!
做潮汐预报:预报2003/01/01-2006/01/01的潮汐
latitude=35.230;
time=zeros(1,26304,'double');
for i=1:26304
time(i)=datenum(2003,1,1)+(i-1)/24.0;
end
ypre=t_predic(time,NAME,FREQ,TIDECON,latitude);
如果做潮流调和分析的话,也类似,只不过一开始就要通过U+sqrt(-1)*V把U,V两个方向的数据合并成一个复数数组(U为东,V为北)。
major为分潮流最大流速,minor为最小流速,inc椭圆旋转方向。
这里各个分潮的频率的单位都是cph,如果要换成HZ的话,需要除3600.
很多人都不知道如何画潮流椭圆,这里我分享一个别人写的程序,
function
lemax=tidal_ellipse(uam,uph,vam,vph,omega,depth,color)
% 单一站点垂向潮流椭圆(2014-8-27)
% 专用于本次观测的数据
% uam:流速u的振幅
% uph:流速u的迟角
% vam:流速v的振幅
% vph:流速v的迟角
%
omega:对应分潮的角频率(M2:1.4050789e-4;S2:1.4544410e-4;K1:7.2921161e-5;O1:6.7597750e-5)
% depth:对应的水深
% color:潮流椭圆的颜色
t=[0:300:36*3600];
u=uam*cos(omega*t-uph/180*pi);
v=vam*cos(omega*t-vph/180*pi);
L=sqrt(u.^2+v.^2);
Lmax=max(L);
lemax = max(Lmax)
Lmin=min(L);
pmax=find(L==Lmax);
pmin=find(L==Lmin);
plot(u,depth+v,'color',color,'linewidth',1.5);
hold on
关于T_TIDE更高级的一些用法请参考
关于非平稳潮汐调和工具包NS_TIDE使用教程
关于水位的频谱分析请参考
关于画潮波同潮时线和等振幅线请参考
使用matlab下载长江水位数据
关于使用python下载验潮站数据请参考
关于使用matlab下载验潮站数据请参考
交点因子和订正角的长期变化可见
关于潮汐调和分析里时区的问题
关于振幅和迟角置信区间的估计
最后附上我于2018年4月在JTECH发表的文章链接,该文运用了T_TIDE,EMD和NS_TIDE等多种方法研究河流潮汐
或者去JTECH官网上也可以
这篇文章主要的发现是NS_TIDE的stage
model是NS_TIDE的误差的主要来源,希望能给大家启发,欢迎引用我的文章
希望能给大家启发,欢迎引用我的文章!
如果这篇博客帮助到了您,您在发表相关的文章时可以在致谢里感谢一下我(我会非常高兴您能这样做),并且可以通过在博客里留言或者评论告知我。我会去更新这篇博客
(统计了所有致谢我的论文)