透過您的圖書館登入
IP:3.149.245.219
  • 期刊

Interpolative Mapping of Mean Precipitation in the Baltic Countries by Using Landscape Characteristics

Balti riikide pikaajalise keskmise sademete hulga kaardistamine maastiku tunnuste põhjal

摘要


Ilmajaamades mõõdetud sademete hulgad on iseloomulikud vaid suhteliselt väikesele alale jaama ümbruses, seda eriti suvel, kui hoovihma osakaal on suur. Töö eesmärkideks olid: a) maastiku tunnuseid kasutades luua detailsem Eesti, Läti ja Leedu sademete kaart, kui seda on võimalik teha lihtsa interpoleerimisega, b) võrrelda erinevate interpoleerimismeetodite tõhusust sademete kaardi koostamisel ja c) määrata Balti riikide jaoks pindalaliselt keskmine sademete hulk.Sademete ülepinnaliseks kaardistamiseks kasutati 245 meteoroloogiajaamas aastatel 1966-2005 mõõdetud keskmist sademete hulka ja igat kohta ning selle ümbruse maastikku iseloomustavat 51 kohatunnust. Seoseid kohatunnuste ja sademete hulga vahel modelleeriti 7 erineva andmekaevandamise meetodi (MARS, BRT, KNN, RF, SVM, ANN, Constud) abil. Võrreldes teiste meetoditega (välja arvatud kevadiste sademete hulga hinnangutes), andis sarnasusele tuginev hindamine Constud-i tarkvara abil enamasti usaldusväärsemaid tulemusi. Maastiku tunnustest olid sademete territoriaalse jaotuse kirjeldamisel olulised kõrgustikke, veekogusid ja ümbruse metsasust iseloomustavad tunnused.Kohatunnuseid arvestav sademete ülepinnaline hinnanguline kaardistamine näitas, et vaatlusjaamade andmete lihtsal riikide kaupa keskmistamisel saadud hinnang tõenäoliselt ülehindab sademete keskmist hulka Leedus ja alahindab seda Eestis. Ülepinnalisel hinnangulisel kaardistamisel saadud tulemused viitavad vaatlusjaamade keskmisest suuremale tihedusele Leedu sademeterikkas lääneosas ja keskmisest väiksemale tihedusele Eesti kõrgustikel ning metsastes piirkondades. Baltimaade sademete keskmise hulga usaldusväärset kaardistamist piiras ka vaatlusjaamade vähesus Ida-Lätis ja nende puudumine suurematel siseveekogudel.

關鍵字

無資料

並列摘要


Maps of the long-term mean precipitation involving local landscape variables were generated for the Baltic countries, and the effectiveness of seven modelling methods was compared. The precipitation data were recorded in 245 meteorological stations in 1966-2005, and 51 location-related explanatory variables were used. The similarity-based reasoning in the Constud software system outperformed other methods according to the validation fit, except for spring. The multivariate adaptive regression splines (MARS) was another effective method on average. The inclusion of landscape variables, compared to reverse distance-weighted interpolation, highlights the effect of uplands, larger water bodies and forested areas. The long-term mean amount of precipitation, calculated as the station average, probably underestimates the real value for Estonia and overestimates it for Lithuania due to the uneven distribution of observation stations.

延伸閱讀