PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Zależność liczby niezwykle zimnych i niezwykle ciepłych miesięcy w Europie (1951-2010) od liczby uwzględnionych stacji meteorologicznych

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
How the Size of the Weather Station Sample Influences the Number of Exceptionally Cold and Exceptionally Warm Months Identified in Europe (1951-2010)
Języki publikacji
PL
Abstrakty
PL
W artykule przedstawiono dyskusję wyników badań uzyskanych na podstawie różnego zagęszczenia stacji meteorologicznych wykorzystanych do charakterystyki niezwykle zimnych (NZ) i niezwykle ciepłych (NC) miesięcy zimowych i letnich w Europie w 60-leciu 1951-2010. Podstawę analizy porównawczej stanowiła liczba miesięcy NZ i NC, jak i obszary, na których poszczególne anomalne miesiące wystąpiły wyłonionych na podstawie 210 i 60 stacji, wybranych spośród tych 210, tzn. w wariancie „210” i „60” . Kryterium wyłonienia miesięcy NZ i NC miesięcy była wartość średniej temperatury powietrza różniąca się od średniej wieloletniej na danej stacji przynajmniej o 2 odchylenia standardowe. Uzyskane wyniki pokazały, że zagęszczenie sieci stacji (wariant „210”) umożliwiło, zgodnie z przyjętą hipotezą badawczą, rozpoznanie większej liczby miesięcy anomalnych pod względem termicznym, zwłaszcza występujących na pojedynczych stacjach. Badania zasięgu terytorialnego występowania anomalii podczas miesięcy NZ i NC pokazały, że wyniki dotyczące miesięcy, które wystąpiły na przynajmniej 5% stacji w obydwu wariantach nie różnią się zasadniczo od tych opartych na gęstszej sieci stacji. Te drugie stanowią ich uszczegółowienie.
EN
This research topic arose following a long line of papers published by the authors on exceptionally cold and warm months (ECMs, EWMs) or seasons. The seasonal approach was covered earlier (e.g. Kossowska-Cezak, Twardosz, 2015; Kossowska-Cezak et al., 2016; Twardosz, Kossowska-Cezak, 2015, 2016; Twardosz et al., 2016) and included records from 60 stations selected out of a pool of 210 stations. This was followed by publication of a volume, which focused on months and took data from all of these 210 stations over the period 1951-2010 (Fig. 1). The different sample size has had the authors ask the question how it might have influenced the number of ECMs and EWMs and the areas affected with these phenomena. The months were defined to fall into the exceptional category if their average air temperature differed from the long-term average at a given station by two standard deviations or more. The comparative analysis covered the number of ECMs and EWMs identified in Europe during the 60-year study period (Tab. 1), the areas of occurrence of some of these months that were identified using weather station networks of different densities (Fig. 2-4), and those ECMs and EWMs that differed in the number of stations included in the two approaches by a large margin (Fig. 5). The results showed that by increasing the station network density (210) the number of anomalous months identified became higher, especially at single stations. In contrast, the sample size did not have much of an impact on the territorial reach of each ECM or EWM and the denser station network only increased the detail of each coverage.
Rocznik
Tom
Strony
225--237
Opis fizyczny
Bibliogr. 15 poz., mapy, tab.
Twórcy
  • Zakład Klimatologii, Wydział Geografii i Studiów Regionalnych, Uniwersytet Warszawski
autor
  • Zakład Klimatologii, Instytut Geografii i Gospodarki Przestrzennej, Uniwersytet Jagielloński
Bibliografia
  • [1] Hargrove W. W., Hoffman F. M., 2003, New Analysis Reveals Representativeness of the American Flux Network. EOS Trans. AGU 84 (48), 529-544.
  • [2] Hofstra N., New M., McSweeney C., 2010, The influence of interpolation and station network density on the distributions and trends of climate variables in gridded daily data. Climate Dynamics, 35 (5), 841-858.
  • [3] Jacobs J., 1989, Spatial representativeness of climatic data from Baffin Island, NWT, with implications for muskoxen and caribou distribution. Arctic, 42, 50-56.
  • [4] Janis M. J., Hubbard K. G., Redmond K. T., 2004, Station density strategy for monitoring long-term climatic change in the contiguous United States. J. Climate, 17, 151-162.
  • [5] Milewska E., Hogg W. D., 2001, Spatial representativeness of a long-term climate network in Canada. Atmos.-Ocean, 39, 145-161.
  • [6] Klein Tank A. M. G, Wijngaard J. B., Können G. P., Böhm R., Demarée D., Gocheva A., Mileta M., Pashiardis S., Hejkrlik L., Kern-Hansen C., Heino R., Bessemoulin P., Müller-Westermeier G., Tzanakou M., Szalai S., Pálsdóttir T., Fitzgerald D., Rubin S., Capaldo M., Maugeri M., Leitass A., Bukantis A., Aberfeld R., van Engelen A. F. V., Forland E., Mietus M., Coelho F., Mares C., Razuvaev V., Nieplova E., Cegnar T., Antonio López J., Dahlström B., Moberg A., Kirchhofer W., Ceylan A., Pachaliuk O., Alexander L. V., Petrovic P., 2002, Daily dataset of 20th-century surface air temperature and precipitation series for the European Climate Assessment. Int. J. Climatol., 22, 1441-1453.
  • [7] Kossowska-Cezak U., Twardosz R., 2015, Niezwykle mroźne zimy i niezwykle gorące lata w Europie (1951-2010). Prz. Geof., 60, 3-4, 161-182.
  • [8] Kossowska-Cezak, U., Pełech S., Twardosz R., 2016, Niezwykle zimne miesiące w Europie (1951-2010). Prz. Geof., 61, 1-2, 45-72.
  • [9] Orlowsky B., Seneviratne S. I., 2014, On the spatial representativeness of temporal dynamics at European weather stations. Int. J. Climatol., 34, 3154-3160.
  • [10] Pfahl S., Wernli H., 2012, Spatial coherency of extreme weather events in Germany and Switzerland. Int. J. Climatol., 32, 12, 1863-1874.
  • [11] Twardosz R., Kossowska-Cezak U., 2015, Exceptionally hot and cold summers in Europe (1951-2010). Acta Geophysica, 63, 1, 275-300.
  • [12] Twardosz R., Kossowska-Cezak U., 2016, Exceptionally cold and mild winters in Europe (1951-2010). Theor. and App. Climat., 125, 399- 411.
  • [13] Twardosz R., Kossowska-Cezak U., Pełech S., 2016, Extremely cold winter months in Europe (1951-2010). Acta Geophysica (przyjęty do druku).
  • [14] Vajda A., Venaäläinen A., 2003, The influence of natural conditions on the spatial variation of climate in Lapland, Northern Finland. Int. J. Climatol., 23, 1011-1022.
  • [15] Vose R. S., Menne M. J., 2004, A Method to Determine Station Density Requirements for Climate Observing Networks. Journal of Climate, 17, 2961-2971.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-e50060b1-01e6-44ef-ba01-469e9453250e
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.