SuYue2990

1.按站点分组：把所有数据分成多个组，每组对应一个站点。 2.组内按时间排序：在每个站点内部，把数据按时间从早到晚排好。 3.在每个站点内部，切分降水过程：断点<12分钟可拼接，断点≥12分钟切开，每段独立连续时间>＝60分钟。 4.汇总所有站点的有效记录：最终得到6725条序列（来自17个站点）。 Read More

针对雨滴谱数据清洗过程中剔除的缺失时间点，进行了时间序列的补全，将其对应的物理量填充为0： import pandas as pd # 1. 读取CSV文件 # 注意：如果你的时间格式包含中文或者特殊分隔符，可能需要调整参数 input_file = 'D:/lianxi/50425-2020060 Read More

我有一堆时间戳文件，寻找夏季6-8月文件到另一个文件夹里 import os import re import shutil from datetime import datetime # 配置 source_dir = r"D:/雨滴谱/原始数据" # 例如 r"D:\data\txt" targ Read More

一、数组数浓度计算： 1.时间戳＋32×32数组数浓度 2.整个降水过程32×32数浓度均值 #!/usr/bin/env python # -*- coding:utf-8 -*- """ @author: Suyue @file: calculate_nt_only.py @time: 2026 Read More

用的雷达基数据： Z_RADR_I_Z9026_20260427010755_O_DOR_CAD_CAP_FMT_DPCTEST.bin.bz2仰角：0.5° 雷达是绕着天线一圈一圈扫的（像切圆锥）。PPI 就是把某一个固定仰角（比如 0.5°、1.5°）扫描的那一层圆面，直接平摊在地图上展现出来。 Read More

一、Nw 二、Dm 三、u（不用换算） 法一：用 M₃、M₄、M₆ 推导u 法二：用 M2、M3、M4 阶矩推导 μ 四、Nt（不用换算直接算） 五、R_rain 六、R_snow #!/usr/bin/env python # -*- coding:utf-8 -*- """ @author: S Read More

一、雨滴数据清洗 为了确保深度学习训练的有效性，数据清洗至关重要。因此，在将这些数据加入数据集之前，放弃了那些不合格的降水滴谱（DSD）数据，处理顺序（行为直径，列为速度）： （1）实测粒子下落速度与经典值之间的差异大于5米每秒的数据 （2）进行粒子轴比订正，剔除前两个尺度档和订正后雨滴直径大于8 Read More

import numpy as np import pandas as pd def calculate_velocity_mask_and_save_excel(): """ 计算速度差异掩膜（一次性计算，所有分钟共用） 返回32×32的布尔数组，True表示速度差异>5m/s 并将掩膜矩阵保存到 Read More

对于 Zhu 等的方法重新界定降水过程：夏季用 Nw>0 连续12分钟；总时长>60分钟： 第1步：找到所有 Nw > 0 的分钟 第2步：找到整场雨的边界 - 开始 = 第一个 Nw > 0 的分钟 - 结束 = 最后一个 Nw > 0 的分钟 第3步：计算总时长 = 结束 - 开始 + 1（包括 Read More

import matplotlib.pyplot as plt import numpy as np import pandas as pd from matplotlib.cm import ScalarMappable from matplotlib.colors import Normaliz Read More