我有一个数据集(CMIP5 ISIMIP插值输出)包含每天的值以下变量:

air_temperature (C) air_temperature_max (C) air_temperature_mmin (C) relative_humidity (%)

还有其他变量(风、下降长/短波辐射、降水),我觉得不会是有用的一阶近似)

缩减规模将是一个合适的方法是每天每小时值?

我每天有一个算法RH_max和RH_min给出了。这假定一个峰值RH上午10点,并使用余弦最大和最小之间的循环

rhscale < - (cos(2 *π* (0:23 - 2)/ 24)+ 1)/ 2 RH < - rhmin + rhscale * (rhmax - rhmin)

同样,我得到每小时温度:

temp = tmin +(罪(2 *π*(0:23 - 10)/ 24)+ 1)/ 2 *(最高温度- tmin)

然而,还不清楚我可以当意味着RH。我知道这是困难的,可能有很多的方式引进其他的数据集,但是我想要一个简单的一阶近似,比假设RH每一天内是恒定的。

我有一个数据集(CMIP5 ISIMIP插值输出)包含每天的值以下变量:

air_temperature (C) air_temperature_max (C) air_temperature_mmin (C) relative_humidity (%)

还有其他变量(风、下降长/短波辐射、降水),我觉得不会是有用的一阶近似)

缩减规模将是一个合适的方法是每天每小时值?

我每天有一个算法美元rh_{马克斯}$和美元rh_{分钟}$给出了。这假定一个峰值rh美元上午10点,并使用余弦最大和最小之间的循环

$ $ rh_{规模}\ leftarrow \ dfrac {1} {2} (\ cos(2 * \π* (0:23 - 2)/ 24)+ 1)$ $$ $ RH \ leftarrow rh_{分钟}+ rh_{规模}* (rh_{马克斯}- rh_{分钟})$ $

同样,我得到每小时温度元新台币因此:

$ $ t = t_{分钟}+ \识别dfrac{1}{2}(\罪(2 *π* (0:23 - 10)/ 24)+ 1)* (t_{马克斯}- t_{分钟})识别识别$ $

然而,还不清楚我可以当意味着RH。我知道这是困难的,可能有很多的方式引进其他的数据集,但是我想要一个简单的一阶近似,比假设RH每一天内是恒定的。