METEOROLOGICKÉ ZPRÁVY 2019-4

| Kategorie: Firemní tiskovina  | Tento dokument chci!

Vydal: Neurčeno

Strana 24 z 36

Jak získat tento dokument?






Poznámky redaktora
K jevům let 2010–2014 byly přiřazeny srážkové úhrny naměřené době výskytu (pozorování) jevu. VÝSLEDKY Kategorizace srážkových úhrnů poskytuje podrobný pře- hled procentuálním příspěvku jevů jejich intenzit celko- vému množství srážky. Výpočet příspěvků srážkových jevů měsíčnímu úhrnu pro období 2005–2009 jejich ověření Pro období 2005–2009 nejsou klimatické databázi dis- pozici srážkové úhrny rozlišením podrobnějším než jedna hodina. nebyla dalšího zpraco- vání zařazena. Data nesplňující podmínku shody reálně naměře- nými úhrny popsané části 2. 6). Fig. Pokud celkové úhrny liši- ly více než ±30 data byla dalšího zpracování vyřazena. 7). každé kategorii byl vypočítán procen- tuální příspěvek srážkových jevů jejich intenzit celkové- mu množství srážek. Poslední kategorie (80–100%) nebyla dostatečně repre- zentativní, byla proto výsledného hodnocení vyřazena. Výpočet množství srážek, kterým přispívají jevy měsíč- ním úhrnům, probíhal několika krocích.3. Nízké měsíční úhrny srážek jsou cha- rakteristické vyšším podílem jevů slabé intenzity (např. toho důvodu nelze přesně přiřadit jevům odpo- vídající srážkové množství rozdíl následujícího obdo- bí. Procentuální podíl druhu jevu celkových srážkách měřicí lokalitě Observatoře Košetice 2005–2014 (SN sněžení, smíšené srážky, dešťová přeháňka, déšť).1. Percentage share phenomena types total precipitation the Košetice Observatory measurement locality 2005–2014 (SN snow, SD – mixed precipitation, rain shower, rain). Dále byla modelo- vá reálná data porovnána výpočtem korelačního koeficien- tu 0,91) ověřena kalkulací parametrů Gamma funk- ce.118 Meteorologické Zprávy, 69, 2016 k dispozici roku 2010. nárůstem srážkového úhr- nu postupně klesá příspěvek jevů slabé intenzity (ze na 23 %), narůstá vliv srážek mírné silné intenzity (obr. podkorunových srážek byl vypočítán měsíční procentuální podíl celkovém úhrnu (7): = podíl TF TF GF 100 [%] (7) Procentuální podíly byly rozděleny také pěti katego- rií Měsíční úhrny společně jevy byly členěny do popsaných kategorií. Procentuální podíl intenzity jevů celkových srážkách měři- cí lokalitě Observatoře Košetice 2005–2014 velmi silná, silná, 1 mírná, slabá, velmi slabá intenzita). . Příspěvky jednotlivých jevů byly sečteny výsledný měsíční úhrn srážek porovnán s reálným měsíčním úhrnem. Pro každý jev byly vypočteny měsíční sumy srážek, tedy množství, kterým daný jev přispěl měsíčnímu úhrnu. 0 10 20 30 40 50 60 70 80 90 100 0-40 40-80 80-120 120-160 nad 160 % srážkový úhrn [mm] 3 2 1 0 00 0 10 20 30 40 50 60 70 80 90 100 0-40 40-80 80-120 120-160 nad 160 % srážkový úhrn [mm] SN SD DP DE Obr. V následujících výsledcích jsou zohledněny pouze jevy, které přispěly celkovému úhrnu více než jedním procentem. 3. Hodnoty koeficientů byly spočteny pro každé roční období zvlášť, aby lépe reflektovaly charakter srážek. Poslední kategorie zahrnuje všechny měsíční úhrny nad 160 mm. Zatímco kategoriích mm jsou srážky tvořeny všemi zpracovávanými jevy (déšť, dešťová přeháňka, sníh, smíšené srážky), kategorie nad 120 cha- rakterizují příspěvky pouze deště dešťových přeháněk (obr. S využitím hodnot spočtených koeficientů společně s počtem výskytu daného jevu (proměnná období 2005 až 2009 byly vypočteny měsíční srážkové úhrny pro jednot- livé jevy. Share differently intensive phenomena total precipitation at the Košetice Observatory measurement locality 2005–2014 very heavy, heavy, moderate, light, very light).3. y (3) Závislá proměnná úhrn srážek, nezávislá proměn- ná počet výskytů daného jevu (Wilks 2006). Obr. Úprava srážkových dat Celkové měsíční úhrny, měřené volné ploše, byly rozdě- leny pěti kategorií mm. Nejprve byla z dat druhého období (2010–2014) metodou lineární regre- se vypočtena dosazením vztahu (3) modelová data.3. Zvyšující množství srážek spojeno úbytkem počtu jevů podílejících srážce.2. 2. Parametry Gamma funkce jejíž distribuční funkce odpovídá rozdělení hodnot srážek, byly vypočteny dle vzor- ců (4), (5) (6), = + + a D D ˆ 1 1 4 3 4 , (4) G = x a ˆ ˆ , (5) ¨ ) ( ) = = D x n x ln 1 ln i i n 1 , (6) kde (6) vzorkovací statistika, průměrná hodnota xi hodnota proměnné (Wilks 2006). Výsledky parametrů G modelové řady jsou 0,48 18,3, hodnota parametrů reálné řady pro 0,53 pro 17,4. Shoda výsledků modelové a reálné řady potvrdila vhodnost použití lineární regrese pro výpočet množství srážek náležícího danému druhu jevu pro období 2005–2009. úhrny do tvoří téměř %). 2. těchto důvodů byl soubor roz- dělen dvě pětiletá období: 2005–2009 2010–2014.3. Fig