1 / 38

Klimatologija - vaje

Klimatologija - vaje. Andrej Ceglar Soba 93 E-mail: andrej.ceglar@bf.uni-lj.si. Vaja 1. Meteorološki podatki Meteorološke postaje Arhiv meteoroloških podatkov Izmerjeni ter izvedeni meteorološki parametri (dodatek) Vizualizacija baze (vhodna baza, meta baza, uporabniška baza)

maleah
Download Presentation

Klimatologija - vaje

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Klimatologija - vaje Andrej Ceglar Soba 93 E-mail: andrej.ceglar@bf.uni-lj.si

  2. Vaja 1 • Meteorološki podatki • Meteorološke postaje • Arhiv meteoroloških podatkov • Izmerjeni ter izvedeni meteorološki parametri (dodatek) • Vizualizacija baze (vhodna baza, meta baza, uporabniška baza) • Dostop do podatkov • Primer klimatološke ter padavinske baze • Uporaba podatkov v različnih aplikacijah • Letni hodi klimatoloških spremenljivk • Klimatski diagrami • Osnovne opisne statistike v klimatologiji • Mere sredine (povprečje, modus, mediana, geometrijska sredina) • Mere variabilnosti (variacijski razmik, kvartilni razmik, varianca) • Programski jezik R

  3. Meteorološke postaje • Prve met. opazovalnice v drugi polovici 18. stoletja • Kraljeva akademija znanosti je 1848 ustanovila Zentralstalt fur Meteorologie and Erdmagnetismus - ZAMG • Najstarejša opazovalnica na Slovenskem etičnem ozemlju je bila ustanovljena v Trstu (1779), prvi zapisani podatki datirajo v leto 1839 • 1871 postaja v Gorici • 1784 Tolmin (ta je delovala do 1810) • 1813 Celovec • 1824 Ljubljana (podatki iz začetnega obdobja so se žal izgubili) • Prvi ohranjeni nizi meteoroloških meritev v Ljubljani so iz leta 1850 (temperatura – maj 1850, zračni pritisk – januar 1852) • Ljubljani so sledile še ostale pomembnejše postaje: Celje (1852), Novo Mesto (1858), Maribor (1863), Ptuj in Kranj (1864)

  4. Meteorološke postaje • Meteorološka mreža je konec 19. stoletja obsegala 85 postaj; kasneje velike spremembe • Slovenska mreža met. postaj pokriva območje velikosti 20000 kvadratnih km. Klimatski režim Slovenije je izredno kompleksen, kar zahteva gosto mrežo postaj. • Število klimatoloških in padavinskih postaj: • 1940 - 183 postaj • 1950 - 200 postaj • 1977 - 360postaj • 2007 - 212 postaj (40 klimatoloških, 172 padavinskih)

  5. Meteorološke postaje • Klimatološke postaje: • Opazovanja 3-krat dnevno (7, 14, 21 CET) – že 120 let takih meritev • Meritve: količina padavin, temperatura zraka, vlažnost, zračni tlak, smer in hitrost vetra, temperatura tal, izhlapevanje, sončno obsevanje, temperatura morja • Opazovanja: oblačnost, vidnost, stanje tal in morja, pojavi v atmosferi • Sinoptične postaje • Urna opazovanja, GTS (Global telecommunications system) • 24 opazovanj / dan na 4 letališčih • Padavinske postaje: • Dnevna opazovanja ob 7 CET • Najgostejša mreža postaj • Meritve: količina padavin v zadnjih 24 urah, glavni vremenski pojavi, pozimi tudi višino snežne odeje ter novozapadlega snega • Avtomatske meteorološke postaje (kontinuirane meritve): • Interval vzorčenja 5 minut za padavine • Interval vzorčenja 30 minut s statistikami (minimum, maksimum, povprečje, standardni odklon) za ostale spremenljivke

  6. Meteorološke postaje • Totalizatorji (kolčina padavin se meri na nekaj mesecev) • Fenološke postaje • Nastop določene razvojne stopnje (fenološke faze) pri izbranih negojenih ter gojenih rastlinah • 61 postaj • Podatki iz postaj predstavljajo osnovo za študije sedanjih klimatskih razmer, časovne ter prostorske spremenljivosti parametrov • Osnova za oceno potencialnih klimatskih sprememb v prihodnosti • Priporočilo WMO: klimatske študije zahtevajo niz vsaj 30-letnih kvalitetnih podatkov • Nehomogeni podatki • Manjkajoči podatki

  7. Meteorološke postaje – nehomogeni podatki • Kaj pomeni nehomogeno? • Iz lat. homogenĕus,ter gr. ὁμογενής  “enak po naravi” • Prevod v klimatske nize podatkov: • Homogen klimatski niz je definiran kot niz, kjer je variabilnost posledica variabilnosti klime same. Če je daljši klimatski časovni niz homogen, potem je vsa variabilnost v njem posledica variabilnosti naravne klime (WMO TD-1186). • V nasprotju, nehomogen časovni niz predstavlja kakršnokoli odstopanje, ki vpliva na izmerjene vrednosti in v bistvu ni posledica klimatske variabilnosti ter sprememb.

  8. Meteorološke postaje – nehomogeni podatki • Zakaj lahko časovna vrsta postane nehomogena? • Spremenjene okoliščine meritev, spremenjen način prenosa, shranjevanja, analiziranja podatkov, kar vodi v sistematično odstopanje v določenem delu časovne vrste • Sprememba v izpostavljenosti dežemera, kar vodi k odklonu količine padavin • Sprememba v načinu izračuna povprečne temperature, kar vodi k odstopanju v primerjavi z WMO standardom ((Tmax+Tmin)/2) • Vpliv urbanizacije na temperaturno časovno vrsto (intenziviranje temperaturnih trendov)

  9. Meteorološke postaje – nehomogeni podatki • Zamenjava merilnega inštrumenta lahko vodi k odstopanju (skok) časovnih vrstah trajanja sončnega obsevanja

  10. Meteorološke postaje – nehomogeni podatki • Vpliv spremembe merilne lokacije instrumenta ter spremembe v okolici lahko vplivajo na meritve smeri in hitrosti vetra • Homogenizacija podatkov pomeni uporabiti primerne statistične prijeme za transformacijo podatkov, s čimer poskušamo eliminirati odstopanja (v časovni vrsti podatkov), ki niso klimatskega izvora Pred homogenizacijo (temperatura, Quebec) Trend pred homogenizacijo: -0.7 °C / 106 let Vir: Lucie Vincent.

  11. Meteorološke postaje – nehomogeni podatki Po homogenizaciji (temperatura, Quebec) Trend po homogenizaciji: 2.1 °C / 106 let Vir: Lucie Vincent. • Primerjava različnih obdobij (ob dostopnih metapodatkih) • Identifikacija točke v podatkih, kjer imajo podatki najverjetneje prelomno točko • Iteracija skozi časovno vrsto oz. uporaba ustreznih numeričnih modelov, s katerimi določimo določitev večih prelomnih točk

  12. Meteorološke postaje

  13. Arhiv meteoroloških podatkov • Meritve in opazovanja na klasičnih meteoroloških postajah opazovalec vpiše v meteorološki dnevnik: • Veliki dnevnik (sinoptične postaje) • A4 dnevnik (klimatološke postaje) • A4 dnevnik (padavinske postaje) • Registrirni inštrumenti (termografi, pluviografi, ...) • Poročila se pošljejo po pošti na začetku vsakega meseca

  14. Arhiv meteoroloških podatkov Poročilo padavinske postaje Poročilo klimatološke postaje

  15. Arhiv meteoroloških podatkov Dnevnik opazovanj sinoptične postaje

  16. Vizualizacija baze • Digitalizacija in shranjevanje podatkov • Ročno vnašanje podatkov v podatkovno bazo: • 13 sinoptičnih postaj na dnevni ravni • Ostale postaje na mesečni ravni • Pluviografi ter sončni trakovi so digitalizirani s pomočjo digitalizacijskih naprav • SYNOP poročila ter podatki z avtomatskih met. postaj se shranjujejo v podatkovno bazo v realnem času • Vsi podatki (zgodovinski podatki iz arhivov, sveži podatki z operativnih postaj) se procesirajo, nato gredo v podatkovno bazo (z isto programsko opremo) • Do sedaj so bili digitalizirani skoraj vsi časovni nizi za obdobje 1961-2007

  17. Vizualizacija baze • Podatki z avtomatskih meteoroloških postaj ter data logger-jev se shranjujejo v relacijske podatkovne baze Oracle in Postgresql • Trije tipi tabel v podatkovni bazi: • Vhodni podatki z originalnimi vrednostmi • Kontrolirani ter interpolirani podatki za odjemalce • Izvedeni podatki (mesečni podatki, npr. povprečje, ekstremi, vsote, število dni z, ...) • Pomen meta baze

  18. Vizualizacija baze – vnos podatkov • Primer vnašanja podatkov iz dnevnika v bazo: • Opazuje se • vrsta pojava • intenziteta pojava[0-2] • 0 - šibko, 1 - zmerno, 2 – močno, sl - sled, pr - v presledkih • trajanje pojava [od – do] • 5.8 mm padavin (izmerjeno ob 7.00) • Dež in nevihta z zmerno jakostjo • (rano jutro do 10) • Od 15.00 do 16.30 je deževalo v • presledkih, slaba jakost Vnos v padavinsko bazo

  19. Vizualizacija baze – vnos podatkov Padavinska baza: Padavinska tabela: http://www2.arnes.si/~gljsentvid10/meteorologija/at_poj_p.html Klimatološka tabela: http://www2.arnes.si/~gljsentvid10/meteorologija/atm_pojavi_kli.htm • Padavinska baza: • vnos količine padavin • Šifriranje oblike padavin (1 – tekoče padavine) • Šifriranje pojavov: • Stolpec (dež, sneženje, dež s snegom): 1 • Stolpec (toča, slana, megla): 0 • Stolpec (ivje, sodra, babje pšeno): 0 • Stolpec (poledica, nevihta, viharni veter): 2 • Stolpec (snežna odeja, rosa): 0

  20. Vizualizacija baze – kontrola podatkov • Avtomatski, polurni podatki – dnevna kontrola • Klasični klimatološki podatki – mesečna kontrola • Preprosta kontrola sinoptičnih podatkov v realnem času • Avtomatska validacija podatkov je izvršena z določenimi programi, napisanimi v Fortran-u, Pascal-u, Perl-u, PHP-ju ter ostalimi odprtokodnimi orodji • Registrirni inštrumenti (termografi, pluviografi, ...) se v glavnem uporabljajo za kontrolo ročnih meritev • Kontrolne procedure: • Kontrola mejnih vrednosti (nemogoče vrednosti, npr. T > 50 °C) • Test notranje konsistence (npr. Tmin <= Tmax), test prostorske konsistence • Kontrola vrednosti v časovni vrsti, iskanje velikih skokov, test variabilnosti • Primerjava z ostalimi merilnimi napravami (npr. termograf)

  21. Vizualizacija baze – dostop do podatkov • Spletna orodja: PHP, Perl, JavaScript • Na ARSO so razvili spletno aplikacijo za dostop do meteoroloških podatkov direktno iz podatkovne baze

  22. Vizualizacija baze – primer klimatološke ter padavinske baze Črpanje iz klimatološke baze http://192.168.10.185/klima_padavine/klima_sta_var2.php http://192.168.10.185/klima_padavine/padavine_sta_var_md_novo.php Črpanje iz padavinske baze

  23. Osnovne opisne statistike • Opišejo karakteristike dane populacije; iščejo opisne (meta) podatke o populaciji in njenih sestavnih delih • Klimatski sistem je negotov: • Ni v celoti opazovan • Radi bi dostop do različnih parametrov (npr. meritev na populaciji, ki karakterizira eno izmed njenih lastnosti) • Računamo statistiko (npr. merilo karakteristike iz naključno izbranega vzorca) • Ni v celoti razumljiv • Kljub numeričnim modelom ne razumemo popolnoma dinamike klimatskega sistema • Nekaj pomembnih fizikalnih procesov se odvija na manjši skali, kar zahteva uporabo parametrizacij • Dinamični sistem je občutljiv na začetne pogoje – dinamični kaos • Deterministična klimatologija je omejena na kratke časovne skale • Klimatske napovedi so po naravi verjetnostne • Redukcija negotovosti je temelj klimatskega napovedovanja

  24. Osnovne opisne statistike – mere sredine • Povprečje: aritmetična sredina podatkov, pri čemer je N število vzorcev oz. število razpoložljivih podatkov • Mediana: srednja vrednost v nizu podatkov, če jih razvrstimo po velikosti. Polovica vrednosti v nizu je po velikosti večje od mediane, polovica pa manjše. Če smo podatke v nizu razvrstili po velikosti , potem mediano izračunamo kot

  25. Osnovne opisne statistike – mere sredine • Modus (F) je najbolj pogosta vrednost, ki se pojavlja v nizu. Odvisen je od natančnosti podatkov: • Natančnost na nekaj decimalnih mest -> majhna verjetnost za ponovitev • Pri zveznih (številskih) podatkih govorimo o modalnem razredu, ki v frekvenčni porazdelitvi pomeni razred z največjo frekvenco • Geometrijska sredina: predstavlja boljšo označbo centralne tendence (kot aritmetična sredina) za manjše podatkovne nize z ekstremnimi vrednostmi

  26. Osnovne opisne statistike – mere sredine

  27. Osnovne opisne statistike – mere variabilnosti • Maksimalna vrednost (max) – največja vrednost v obravnavanem nizu podatkov • Minimalna vrednost (min) – najmanjša vrednost v obravnavanem nizu podatkov • Variacijski razpon (R) – območje, v katerem se giblje obravnavana spremenljivka (med min. ter max. vrednostjo) • Poleg mediane (kjer podatke številsko razdelimo na polovico), lahko namesto dveh izberemo drugačno število razredov: • štirje razredi -> kvartili ( ), med posameznimi kvartili je četrtina podatkov • deset razredov -> decili • sto razredov -> percentili • V spolšnem ob razdelitvi na poljubno število razredov govorimo o kvantilih

  28. Osnovne opisne statistike – mere variabilnosti • Varianca ( ) – mera za razpršenost niza okrog njegove povprečne vrednosti • Standardni odklon (s) – ocenimo kot koren variance, zato ima enake enote kot spremenljivka, katere lastnosti nas zanimajo • Koeficient variacije (KV) – kazalec, ki prikazuje razpršitev statističnih enot okoli aritmetične sredine njihove populacije; v poštev pride pri razmernostnih spremenljivkah

  29. Letni hodi klimatoloških spremenljivk • Povprečni hodi, ki jih narišemo na podlagi povprečnih mesečnih vrednosti izbranih spremenljivk preko daljšega obdobja • Kdaj izbrane klimatološke spremenljivke dosežejo ekstremne vrednosti, se zadržujejo v ugodnem območju za določene aktivnosti (kmetijstvo, turizem) Povprečna (črna), minimalna (modra), ter maksimalna mesečna temp. (rdeča) za obdobje 1971-2000 Povprečna količina padavin po mesecih za obdobje 1971-2000

  30. Letni hodi klimatoloških spremenljivk

  31. Klimatski diagrami • Standardni način primerjave klimatskih razmer v različnih krajih • Klimatski diagrami – veliko informacije o klimi izbrane lokacije • Walter in Leith (1967) – dolgoletna povprečja mesečnih temperatur ter mesečne količine padavin • Razmerje skal (ponavadi) T : RR = 1 : 4 (1 °C ustreza 4 mm padavin)

  32. Klimatski diagrami • Naši kraji T : RR = 1 : 6 (obdobje zmerne suše) T : RR = 1 : 4 (obdobje suše)

  33. Programski jezik R • Objektno orientiran jezik (spremenljivke, podatki, funkcije, ... se shranijo v spomin v obliki objektov, ki jih označuje ime). Uporabnik lahko izvaja operacije nad temi podatki z različnimi operatorji in funkcijami. • Računalnik ukaze sproti prevaja v strojni jezik, jih izvaja in kontrolira • Objekt ustvarimo z operatorjem dodeljevanja: n<-5 • Pomoč za posamezne ukaze: ?ime_ukaza • Zastonjska programska oprema (http://www.r-project.org/) • R for beginners (Emmanuel Paradis): http://cran.r-project.org/doc/contrib/Paradis-rdebuts_en.pdf

  34. Programski jezik R • Primer: Letno trajanje sončnega obsevanja (ure) v Ljubljani (obdobje 1961 – 1990) • Priprava datoteke z vhodnimi podatki (leto, trajanje) • Datoteko uvozimo v R (ukaz read.table()) • Osnovne opisne statistike (ukaz summary()): Min. :1445 ur 1st Qu.:1642 ur Median :1700 ur Mean :1712 ur 3rd Qu.:1777 ur Max. :1987 ur • Varianca (ukaz var()): 14210 • Standardni odklon (ukaz sd()): 119 ur • Variacijski razpon: 542 ur • Koeficient variacije: 7 %

  35. Programski jezik R • Grafična predstavitev podatkov: časovna vrsta (ukaz plot()), histogram (ukaz hist())

  36. Programski jezik R Primer: Letni hod trajanja sončnega obsevanja v Ljubljani (1961 – 1990) Ukaz: barplot2()

  37. Programski jezik R Primer: Primerjava povprečnega trajanja v obdobjih 1961-1990 ter 1991-2007 Two Sample t-test data: data_61_90 and data_91_07 t = -5.97, df = 45, p-value = 3.46e-07 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: -317.5493 -157.3358 sample estimates: mean of x mean of y 1712.163 1949.606

  38. Relativna frekvenca makro-cirkulacijskih tipov Vir: Andras Horanyi (Clavier project), 3. december 2007

More Related