Wyniki wyszukiwania - BazTech

1

Typy pogody na Wyspie Kotelnyj (Wyspy Nowosyberyjskie)

Dobrowolska K.

Problemy Klimatologii Polarnej

|

2013

|

Nr 23

77--92

PL

Opracowanie przedstawia strukturę typów pogody na stacji Ostrov Kotelnyj znajdującej się w archipelagu Wysp Nowosyberyjskich. Analizę przeprowadzono dla okresu XII 1999 – XI 2011. Typy pogody wyznaczono w oparciu o zmodyfikowaną klasyfikację typów pogody J. Ferdynusa (1997, 2004, 2013). Na podstawie dobowych danych termicznych, średniego zachmurzenia, sumy opadów atmosferycznych i prędkości wiatru wydzielono 486 typów pogody. W tym celu wykorzystano dane z internetowej bazy depesz synoptycznych OGIMET. Opisano częstość występowania poszczególnych grup, podgrup, klas i typów pogody oraz ciągi dni z typami pogody. Wykonana analiza pozwala stwierdzić, że w badanym okresie struktura typów pogody na Wyspach Nowosyberyjskich charakteryzuje się dużą liczbą obserwowanych typów pogody, przy niewielkiej częstości występowania większości z nich. W skali roku dominowały pogody mroźne. Najczęściej notowano pogodę wyjątkowo mroźną, z zachmurzeniem umiarkowanym, bez opadu i ze słabym wiatrem (typ 2201 – 6,99%), nieco rzadziej występowały pogody przymrozkowo-odwilżowe z dużym zachmurzeniem i opadem oraz słabym wiatrem (typ 6311 – 5,34%) oraz bardzo mroźne z dużym zachmurzeniem i opadem oraz słabym wiatrem (typ 3311 – 5,03%).

EN

Feb the paper aims to determine the structure of the weather types in Kotelnyj Island (New Sibirian Islands) representing Siberian region of the Arctic adopting the method by J. Ferdynus (2004,2013). In order to define weather types 4 meteorological elements were used: air temperature, cloudiness, precipitation and wind. The data for the Ostrov Kotelnyj synoptic station covering the period of Dec 1999-Nov 2011 were taken from the OGIMET. The data collection is not complete. Gaps exist for 3.35% of the days of the period. For this reason there were classified groups, subgroups, classes and types of weather and their frequency. It was researched that structure of the weather types in Kotelnyj Island is characterized by a large number of types. However, most of the weather types had of low frequency. The 30% of observed types were recognized only once within the analyzed period. The core of structure of weather types is created by 19 weather types recorded a total of two thirds of the year. The type 2201 was the most frequently occurred. Number of types of weather in different decades was as equal. The period of more stable weather conditions observed in the autumn, when the number of types of weather was less than average. Number of classes of weather, characterized by equal cloudy, the amount of rain and wind (NRV) was also high. Dominated days without rain and with light breeze and strong breeze. The range of observed groups weather was very wide. Occurred 9 out of 10 possible groups of weather. Cold weather prevailed (1NRV, 2NRV, 3NRV). The sequences of the same weather type were also analyzed, which showed that the most common were the sequences of 2 or 3 days long. Series of day with the same weather conditions lasting longer than 7 days were observed mainly in the summer months, which indicates a stable atmospheric conditions present at the time. The results were compared with Hornsund (Spitsbergen) data (Ferdynus 2013) typical for the Atlantic sector of the Arctic.

2

Zastosowanie samoorganizujących się sztucznych sieci neuronowych do klasyfikacji wektorów pogodowych

Kamiński K., Kamiński W., Skrzypski J.

Chemia i Inżynieria Ekologiczna

|

2002

|

Vol. 9, nr 12

1583-1592

PL

Wiele przeprowadzonych dotychczas badań potwierdziło silny wpływ czynników meteorologicznych na rozprzestrzenianie się zanieczyszczeń w atmosferze. Prognozując stan aerosanitarny nad określonym obszarem, należy wziąć pod uwagę dane pogodowe z wielu meteorologicznych stacji pomiarowych. Alternatywą może być zastosowanie wektorów pogodowych charakterystycznych dla określonej pory roku i typu cyrkulacji atmosferycznej. Praca zawiera wyniki klasyfikacji wektorów pogodowych, przeprowadzonej za pomocą samoorganizujących się Sztucznych Sieci Neuronowych (SSN). Obliczenia wykonano na podstawie danych uzyskanych ze stacji meteorologicznej Łódż-Lublinek. Klasyfikowano wektory oryginalne oraz wektory o składowych ortogonalnych uzyskane metodą analizy składowych głównych PCA (Principal Component Analysis). Sieci neuronowe uczono zgodnie z zasadą współzawodnictwa przy zastosowaniu algorytmu Kohonena i gazu neuronowego. Stwierdzono, że najlepsze rezultaty daje uczenie SSN za pomocą metody Kohonena, przy wykorzystaniu danych wejściowych w postaci wektorów pogodowych o składowych oryginalnych. W wyniku badań uzyskano zestawy charakterystycznych wektorów pogodowych reprezentujące typy pogody możliwe do wystąpienia w Łodzi i pobliskich okolicach, przy określonej porze roku i danym typie cyrkulacji atmosfery. Uzyskane wyniki pozwalają na szybką prognozę pogody, umożliwiającą natychmiastowe podejmowanie decyzji i pominięcie skomplikowanych analiz map synoptycznych.

EN

Present investigations have proved a strong influence of meteorological components on the propagation of air pollutants. The prediction of atmospheric conditions over an urban area requires meteorological data measured in many meteorological stations. Another solution could be an application of characteristic weather vectors typical for season and atmospheric circulation. Results of the classification of weather vectors by means of self-organizing Artificial Neural Networks (ANNs) are presented in the paper. Calculations were based on data from the meteorological station Łódź-Lublinek. 80th original vectors and vectors with orthogonal coordinates, obtained from the Principal Component Analysis (PCA), were classified. ANNs were trained on the basis of competitive learning with Kohonen's and neural-gas algorithm applications. It was found that the big results were acquired while teaching ANNs using Kohonen's algorithm with a simultaneous application of input data as weather vectors with original coordinates. As a result of the research, characteristic weather vectors for each season and type of atmospheric circulation were found. They represent kinds of weather that tan occur in Łódź and the nearest surroundings. The results can be applied to perform a fast weather forecast which is very important in making instant decisions and help us to avoid complex analyses of weather maps.

3

Trwałe typy pogody na Stacji H. Arctowskiego

Ferdynus J.

Problemy Klimatologii Polarnej

|

1999

|

nr 9

165--172

EN

The climate surrounding Arctowski's Station is characterised by extremely large changeability of weather conditions appearing during the year and subsequent years. Changeability in the annual structure of weather types is manifested in a large number of observed weather types. On 197 different weather types were recorded in the analized period of 15 years. This number however; changes from 120 in 1981 to 174 in 1984 and 1988. No statistical dependence has been confirmed between the number of weather types in a given year and the average and extreme annual air temperatures and average annual data in air pressure. Extremely large number of weather types can by noted during winter period. The analysis of the drawing #1 demonstrates that at Arctowski's Station there are periods in which changeability decreases while the frequency of weather types increases. These types appear at the same time almost every year and their frequency states significance of “stable types of weather”. These "stable types of weather" can be observed from December until April (especially during the long day). The weather is characterised by a large or total cloudiness, rainfall and a slight wind speed, however; weather with strong winds can by recorded as well.