Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: percentile

Sortuj według:

Ogranicz wyniki do:

Relationship between selected percentiles and return periods of extreme events

Camufo Dario, Becherini Francesca, della Valle Antonio

Acta Geophysica

2020

Vol. 68, no. 4

1201--1211

This paper investigates the relationship between selected percentiles, return periods and the concepts of rare and extreme events in climate and hydrological series, considering both regular and irregular datasets, and discusses the IPCC and WMO indications. IPCC (Annex II: Glossary. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC, Geneva, 2014) establishes that an extreme event should be rare and exceed selected upper and lower thresholds (10th and 90th percentiles); WMO (Guidelines on the defnition and monitoring of extreme weather and climate events-TT-DEWCE WMO 4/14/2016. World Meteorological Organization, Geneva, 2016) suggests thresholds near the ends of the range, but leaves them undetermined. The concept of “rare” relates the extreme events to the time domain and is typically expressed in terms of return period (RP). The key is to fnd the combination between “rare”, percentile and return period. In particular, two crucial items are analysed: (1) how the return period may vary in response to the choice of the threshold, in particular when it is expressed in terms of percentiles; (2) how the choice of producing a regular or irregular dataset may afect the yearly frequency and the related return periods. Some weather variables (e.g. temperature) are regular and recorded at fxed time intervals, while other phenomena (e.g. tornadoes) occur at times. Precipitation may be considered either regular, all-days being characterized by a precipitation amount from 0 (no precipitation) to the top of the range, or irregular (rainy-days only) considering a precipitation day over a selected instrumental or percentile threshold. These two modes of interpreting precipitation include a diferent number of events per year (365 or less) and generate diferent return periods. Every climatic information may be afected by this defnition. The 90th percentile applied to observations with daily frequency produces 10-day return period and the percentiles necessary to get 1 year, 10 years or other return periods are calculated. The general case of events with selected or variable frequencies, and selected percentiles, is also considered with an example of a precipitation series, two-century long.

Ocena zanieczyszczenia powietrza atmosferycznego na podstawie statystycznych rozkładów prawdopodobieństwa

Zwoździak J., Szalińska W.

Archiwum Ochrony Środowiska

2001

Vol. 27, no. 1

7-18

Prognozowanie wartości normatywnych wskaźników zanieczyszczenia powietrza przeprowadzono opierając się na funkcji rozkładu prawdopodobieństwa reprezentującej roczny rozkład stężeń dwutlenku siarki w wybranych punktach pomiarowych zlokalizowanych na terenie Worka Żytawskiego. Postać funkcji opracowano opierając się na danych zbieranych w ramach monitoringu powietrza, natomiast parametry rozkładu estymowano biorąc pod uwagę wartość średnioroczna stężeń. Znajomość postaci rozkładu i jego parametrów pozwoliła na szacowanie wartości, określającej maksymalne dopuszczalne stężenie 30-minutowe - percentyla 99,8. Zbadano błąd oszacowań względem rzeczywistych wartości percentyla. Następnie, w celu ulepszenia prognozy i zwiększenia dokładności oszacowania badanego wskaźnika, przeanalizowano wpływ stężeń SO(2) rejestrowanych w kolejnych miesiącach roku. Zgodnie z zastosowana procedurą weryfikacji wstępnie prognozowanego rozkładu wraz z napływem informacji o rejestrowanych poziomach stężeń, ocena percentyla 99,8 uzyskana na koniec września była zbliżona do wartości tradycyjnie obliczonej na koniec roku.

The probability density function were used to forecast the air quality in several monitoring sites located in Worek Żytawski region. Prediction of percentile 99,8 value (the maximum allowable 30-minute pollutant concentration) was made on the basis of the frequency function, which represented the annual distribution of SO(2). Analysing the historical SO(2) concentration data sets identified the form of distribution. The parameters of the distribution were estimated basing upon the annual average concentration prognosis. Then, the preliminary predicted distribution of SO(2) was verified every month by taking into account successively upcoming concentration values recorded during the analysed period. The results proved that the air quality estimation obtained with the presented method of verification at the end of September and the ones typically calculated at the and of the year were similarly accurate.