AΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ

Transcript

1 AΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΙΔΙΚΕΥΣΗΣ ΠΡΟΣΤΑΣΙΑ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΚΑΙ ΒΙΩΣΙΜΗ ΑΝΑΠΤΥΞΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΛΕΓΧΟΣ, ΑΞΙΟΛΟΓΗΣΗ ΚΑΙ ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΗΜΕΡΗΣΙΩΝ ΔΕΔΟΜΕΝΩΝ ΑΠΟ ΤΗΝ ΗΛΕΚΤΡΟΝΙΚΗ ΒΑΣΗ ΤΟΥ NCDC ΓΙΑ ΤΟΝ ΠΡΟΣΔΙΟΡΙΣΜΟ ΑΛΛΑΓΩΝ ΣΕ ΚΥΡΙΕΣ ΚΛΙΜΑΤΙΚΕΣ ΠΑΡΑΜΕΤΡΟΥΣ ΔΕΜΕΡΤΖΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ Διπλ. Πολιτικός Μηχανικός Θεσσαλονίκη, Οκτώβριος 2013

2 Περίληψη Σε αυτή την εργασία γίνεται έλεγχος, αξιολόγηση και ανάλυση χρονοσειρών ημερησίων κλιματολογικών δεδομένων που αποκτήθηκαν από την ηλεκτρονική βάση του Εθνικού Κέντρου Μετεωρολογικών δεδομένων (NCDC). Τα δεδομένα αφορούν μετεωρολογικούς σταθμούς αποκλειστικά του Ελλαδικού χώρου και στόχος ήταν ο προσδιορισμός ενδεχόμενων αλλαγών σε κύριες κλιματικές παραμέτρους. Αρχικά γίνεται παρουσίαση του ρόλου και των στόχων του Παγκόσμιου Μετεωρολογικού Οργανισμού (WMO) και του NCDC από το οποίο προήλθαν τα δεδομένα. Δίνεται ο ορισμός των χρονοσειρών μετεωρολογικών δεδομένων και αναφέρονται τρόποι με τους οποίους μπορούν να συμπληρωθούν ελλείπουσες τιμές αυτών. Επιπλέον δίνονται τα βασικά στάδια που περιλαμβάνει μια ανάλυση χρονοσειρών μετεωρολογικών δεδομένων. Στο δεύτερο κεφάλαιο αναλύεται ο τρόπος με τον οποίο αποκτήθηκαν και ταξινομήθηκαν τα δεδομένα. Γίνεται έλεγχος και αξιολόγηση των διαθέσιμων δεδομένων, προσδιορίζεται εάν υπάρχει επαρκής ημερήσια διαθεσιμότητα και τυχόν ελλείψεις στις βασικές κλιματικές παραμέτρους. Από το σύνολο των διαθέσιμων σταθμών επιλέγονται αυτοί που πληρούν τα κριτήρια για τον σχεδιασμό αξιόπιστων χρονοσειρών. Τέλος στο τρίτο κεφάλαιο σχεδιάζονται οι χρονοσειρές θερμοκρασίας και κατακρημνίσεων των σταθμών που επιλέχθηκαν και προσδιορίζεται ενδεχόμενη μεταβολή τους κατά τη διάρκεια του χρόνου, μέσω της τάσης των χρονοσειρών. i

3 Abstract This study is about checking, evaluation and analysis of time series of daily weather data obtained from the electronic database of National Climatic Data Center (NCDC). The data relate to meteorological stations exclusively of Greece and the aim was to identify any changes in key climate parameters. Initially, there is a presentation of the role and objectives of the World Meteorological Organization (WMO) and NCDC from which the data originated. There is given the definition of the time series of meteorological data and figured out ways that can be filled in missing values. In addition, there are given the key stages that includes an analysis of time series of meteorological data. The second chapter discusses the way in which data were acquired and registered. There is checking and evaluation of the available data and determined if there is adequate availability and any deficiencies in key climate parameters. From the set of available stations there are chosen those that meet the criteria for the design of reliable time series. Finally in the third chapter, there are temperature and precipitation time series of channels selected and there is identified any possible variation over time, through the trend of time series. ii

4 Πρόλογος Η παρούσα διπλωματική εργασία εκπονήθηκε από τον Ιούλιο έως τον Οκτώβριο του 2013 στα πλαίσια των υποχρεώσεων του Προγράμματος Μεταπτυχιακών Σπουδών «Προστασία Περιβάλλοντος και Βιώσιμή ανάπτυξη» του Τμήματος Πολιτικών Μηχανικών του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης. Επιβλέπων καθηγητής ήταν ο κ. Βαφειάδης και μέλη της εξεταστικής επιτροπής ο κ. Θεοδοσίου και ο κ. Υφαντής. Το αντικείμενο της παρούσας εργασίας είναι ο έλεγχος, η αξιολόγηση και ανάλυση χρονοσειρών ημερησίων δεδομένων για τον προσδιορισμό αλλαγών σε κύριες κλιματικές παραμέτρους. Έχοντας αξιόπιστα δεδομένα μπορούν να προκύψουν συμπεράσματα σχετικά με την παγκόσμια κλιματική αλλαγή και με αυτό τον τρόπο να ληφθούν οι απαραίτητες αποφάσεις σε τοπικό και παγκόσμιο επίπεδο για την πρόληψη και τον περιορισμό των συνεπειών από ενδεχόμενες φυσικές καταστροφές. Εκφράζονται ευχαριστίες στον επιβλέποντα καθηγητή κ. Βαφειάδη Μάριο για τις πολύτιμες συμβουλές και παρατηρήσεις του καθώς και για τον πολύτιμο χρόνο που μου διέθεσε. Θεσσαλονίκη, Οκτώβριος 2013 iii

5 Περιεχόμενα Περίληψη Abstract Πρόλογος i ii iii 1. Εισαγωγή Βιβλιογραφική αναφορά Ο Παγκόσμιος Μετεωρολογικός Οργανισμός και το Εθνικό Κέντρο Κλιματολογικών Δεδομένων Χρονοσειρές μετεωρολογικών δεδομένων Συμπλήρωση ελλειπουσών τιμών Ανάλυση χρονοσειρών μετεωρολογικών δεδομένων Επεξεργασία σειρών δεδομένων Εισαγωγή Προετοιμασία και αξιολόγηση των σειρών δεδομένων Απόκτηση και ταξινόμηση των δεδομένων Εισαγωγή δεδομένων στο πρόγραμμα Excel Επεξεργασία και αξιολόγηση της ετήσιας διαθεσιμότητας Επεξεργασία και αξιολόγηση της ημερήσιας διαθεσιμότητας Έλεγχος περιεχομένων για ελλιπή δεδομένα Συμπεράσματα Σχεδίαση χρονοσειρών Διαδικασία σχεδιασμού των χρονοσειρών Χρονοσειρές θερμοκρασίας Χρονοσειρές μέσης ημερήσιας θερμοκρασίας Χρονοσειρές μέσης μηνιαίας θερμοκρασίας Χρονοσειρές μέγιστης ημερήσιας θερμοκρασίας Χρονοσειρές μέσης μηνιαίας μέγιστης θερμοκρασίας Χρονοσειρές ελάχιστης ημερήσιας θερμοκρασίας Χρονοσειρές μέσης μηνιαίας ελάχιστης θερμοκρασίας Χρονοσειρές κατακρημνίσεων Στατιστική ανάλυση δεδομένων Συμπεράσματα...68 Βιβλιογραφία 69 Παράρτημα 70 iv

6 Κεφάλαιο 1 Εισαγωγή 1.1 Βιβλιογραφική αναφορά Ο Παγκόσμιος Μετεωρολογικός Οργανισμός και το Εθνικό Κέντρο Κλιματολογικών Δεδομένων Ο Παγκόσμιος Μετεωρολογικός Οργανισμός (World Meteorological Organization WMO) είναι μια υπηρεσία των Ηνωμένων Εθνών. Επιβλέπει την κατάσταση και συμπεριφορά της ατμόσφαιρας της γης, της αλληλεπίδρασης με τους ωκεανούς, το κλίμα και την κατανομή των υδατικών πόρων. Αποτελείται από 191 κράτη μέλη και προέρχεται από τον Διεθνή Μετεωρολογικό Οργανισμό (IInternational Meteorological Organization IMO). Καθώς ο καιρός, το κλίμα και ο υδρολογικός κύκλος δεν διαθέτουν σύνορα απαιτείται διεθνής συνεργασία σε παγκόσμιο επίπεδο για την ανάπτυξη της μετεωρολογίας και την απόκτηση χρήσιμων δεδομένων από αυτή και ο WMO παρέχει τις βάσεις για κάτι τέτοιο. Ο WMO από την αρχή της δημιουργίας του έπαιξε καθοριστικό ρόλο στην ασφάλεια και ευημερία της ανθρωπότητας. Με τα προγράμματα του συνέβαλε στην προστασία της ανθρώπινης ζωής και περιουσίας από τις φυσικές καταστροφές, στην προστασία του περιβάλλοντος και στην οικονομική ανάπτυξη σε πολλούς τομείς. Ο WMO ενθαρρύνει την συνεργασία για την εγκατάσταση δικτύων μετεωρολογικών, κλιματολογικών, υδρολογικών και γεωφυσικών παρατηρήσεων καθώς και την ανταλλαγή, επεξεργασία και ομογενοποίηση των δεδομένων. Βοηθάει στην συνεργασία των μετεωρολογικών υπηρεσιών των μελών του και την εφαρμογή της μετεωρολογίας στην αεροπορία, ναυσιπλοΐα, γεωργία καθώς και σε ζητήματα διαχείρισης νερού και των περιορισμό των επιπτώσεων από φυσικές καταστροφές. Επιπλέον ο ρόλος του είναι καθοριστικός στις διεθνείς προσπάθειες για επίβλεψη και προστασία του περιβάλλοντος μέσω των προγραμμάτων του. Σε συνεργασία με άλλες υπηρεσίες των Ηνωμένων Εθνών και των Εθνικών Μετεωρολογικών και Υδρολογικών Υπηρεσιών, o WMO υποστηρίζει την εφαρμογή διάφορων περιβαλλοντικών συμβάσεων και παρέχει συμβουλές και αξιολογήσεις σε κυβερνήσεις για περιβαλλοντικά θέματα. Με αυτό τον τρόπο εξασφαλίζεται η βιώσιμη ανάπτυξη και η ευημερία των εθνών. Ένα από τα προγράμματα του WMO είναι το πρόγραμμα Παγκόσμιας Παρατήρησης Καιρού (World Weather Watch WWW). Το πρόγραμμα παγκόσμιας παρατήρησης καιρού 1

7 συνδυάζει συστήματα παρακολούθησης, τηλεπικοινωνιακές εγκαταστάσεις, επεξεργασία δεδομένων και κέντρα πρόβλεψης καιρού για να παράγει μετεωρολογικές και περιβαλλοντικές πληροφορίες προς παροχή υπηρεσιών σε όλο το κόσμο. Τα δεδομένα που χρησιμοποιήθηκαν για την διπλωματική εργασία βασίζονται σε δεδομένα που διακινήθηκαν και συγκεντρώθηκαν υπό την επίβλεψη του WWW, του WMO και σύμφωνα με την απόφαση WMO Resolution 40. Σύμφωνα με το WMO Resolution 40, τα συνεργαζόμενα με το WMO κράτη ορίζουν περιορισμούς στην χρήση ή στην περαιτέρω εξαγωγή για εμπορικούς σκοπούς των δεδομένων τους, έξω από τα σύνορα τους. Πιο συγκεκριμένα έγινε επεξεργασία δεδομένων για σταθμούς της Ελλάδας, τα οποία ήταν διαθέσιμα για δωρεάν και χωρίς περιορισμούς χρήση για ακαδημαϊκούς σκοπούς. Τα δεδομένα προέκυψαν από επεξεργασία που έγινε από το Εθνικό Κέντρο Κλιματολογικών Δεδομένων του Asheville των Ηνωμένων Πολιτειών Αμερικής (National Climatic Data Center NCDC). To NCDC διαθέτει την μεγαλύτερη βάση κλιματολογικών δεδομένων στον κόσμο και παρέχει κλιματολογικές υπηρεσίες σε παγκόσμιο επίπεδο. Διαθέτει καταγραφές από εκατοντάδες χρόνια πριν μέχρι δεδομένα μόλις μιας ώρας. Ο σκοπός του είναι να προστατεύει αυτά τα δεδομένα και να τα διαθέτει στο κοινό, επιχειρήσεις, βιομηχανίες, κυβερνήσεις αλλά και για ερευνητικούς σκοπούς. Το NCDC βοηθάει σε κυβερνητικό επίπεδο στην λήψη αποφάσεων και τον περιορισμό των καταστροφών από ακραία καιρικά φαινόμενα. Τα δεδομένα του προέρχονται από επίγειους σταθμούς παρακολούθησης, πλοία, μετεωρολογικά μπαλόνια, ραντάρ, δορυφόρους και εξελιγμένα καιρικά και κλιματικά μοντέλα καταλαμβάνοντας τεράστιο χώρο σε ψηφιακή μορφή. Στην περίπτωση μας τα δεδομένα που διέθετε το NCDC προήλθαν από την κλιματολογική υπηρεσία της πολεμικής αεροπορίας των Ηνωμένων Πολιτειών Αμερικής (USAF Climatology Center) και βρίσκονταν στο Ομοσπονδιακό Κλιματικό Συγκρότημα (Federal Climate Complex) στο Asheville. Η Ολοκληρωμένη Βάση Δεδομένων (Integrated Surface Database ISD) της USAF Climatology Center αποτελείται από παγκόσμιες ωριαίες κλιματολογικές καταγραφές σε κώδικα ASCII. Συνδυάζει δεδομένα από περισσότερες 100 αρχικές πηγές δεδομένων, πολλές από τις οποίες ψηφιοποιήθηκαν από καταγραφές σε βιβλία της περιόδου Η 1 η έκδοση της ISD διατέθηκε το 2001, η 2 η το 2003 και από τότε δέχεται συνεχώς βελτιώσεις από αυτοματοποιημένο λογισμικό ελέγχου ποιότητας των δεδομένων. Η ISD αποτελείται από περισσότερους σταθμούς σε παγκόσμιο επίπεδο μερικοί από τους οποίους διαθέτουν δεδομένα από το Από το 1940 παρατηρήθηκε σημαντική αύξηση στον όγκο των δεδομένων κάτι που εμφανίστηκε και από το 1970 και μετά. Σήμερα υπάρχουν περισσότεροι 2

8 από ενεργοί σταθμοί καταγραφής δεδομένων που ανανεώνουν τη βάση τους σε καθημερινό επίπεδο Χρονοσειρές μετεωρολογικών δεδομένων Τα φυσικά μεγέθη των μετεωρολογικών δεδομένων που επεξεργάσθηκαν μεταβάλλονται κατά την διάρκεια του χρόνου. Η καταγραφή τους μπορεί να είναι είτε συνεχής (καταγραφικά αυτογραφικά όργανα μετρήσεως θερμοκρασίας, υγρασίας και πίεσης) είτε να γίνεται σε συγκεκριμένες χρονικές στιγμές με όργανα άμεσης ανάγνωσης και προσδιορίσμο συγκεκριμένων παραμέτρων από τον παρατηρητή (διακριτός ή ασυνεχής χρόνος). Η κατηγορία δεδομένων διακριτού χρόνου μπορεί να χωριστεί σε σταθερής περιόδου δείγματος όταν γίνονται μετρήσεις σε σταθερά χρονικά διαστήματα και μη σταθερής περιόδου όταν γίνεται καταγραφή μόνο κατά την εκδήλωση κάποιου συμβάντος (αστραπή, τυφώνας κλπ.). Με τον όρο χρονοσειρά εννοούμε μια σειρά από παρατηρήσεις που λαμβάνονται σε ορισμένες χρονικές στιγμές. Μια χρονοσειρά μπορεί να προέρχεται από συνεχή καταγραφή δεδομένων (συνεχής χρονοσειρά) ή από διακριτή (διακριτή χρονοσειρά). Για να γίνει μαθηματική επεξεργασία μιας χρονοσειράς πρέπει να είναι διακριτή. Μια διακριτή χρονοσειρά μπορεί να προκύψει από μια συνεχή λαμβάνοντας τιμές από αυτή ανα ίσα ή τυχαία χρονικά διαστήματα. Άλλος τύπος διακριτής χρονοσειράς προκύπτει εάν μετρηθούν αθροιστικά οι στιγμιαίες τιμές μιας παραμέτρου σε ίσα χρονικά διαστήματα (πχ μετρήσεις ημερήσιου ύψους βροχής). Στις περισσότερες περιπτώσεις διακριτών χρονοσειρών οι μετρήσεις παίρνονται σε χρονικές στιγμές ή περιόδους που ισαπέχουν μεταξύ τους. Σε αυτή την περίπτωση έχουμε μια χρονοσειρά σταθερού βήματος. Όταν όμως ο χρόνος δειγματοληψίας δεν είναι σταθερός αλλά μεταβλητός ή τυχαίος χρειάζεται ειδικότερη επεξεργασία της χρονοσειράς για να γίνει η ανάλυση της ή η μετατροπή της σε σταθερού βήματος με παρεμβολή και συμπλήρωση τιμών. Προκειμένου οι αναλύσεις που θα προκύψουν από την επεξεργασία των μετεωρολογικών δεδομένων να έχουν κάποια στατιστική σημασία, πρέπει να υπάρχει ένα ελάχιστο πλήθος από τα εκάστοτε μετεωρολογικά χαρακτηριστικά. Η καθημερινή συλλογή δεδομένων από ένα χρονικό διάστημα διάρκειας 30 ετών θεωρείται αρκετή για αξιόπιστα αποτελέσματα και αξιοποίηση τους για πρόβλεψη μελλοντικών κλιματικών αλλαγών Συμπλήρωση ελλειπουσών τιμών Για να είναι αξιόπιστη η ανάλυση και μελέτη μιας χρονοσειράς είναι απαραίτητο να μην υπάρχουν κενά στις μετρήσεις των δεδομένων που χρησιμοποιήθηκαν. Γι αυτό το λόγο γίνεται η συμπλήρωση ελλειπουσών τιμών δηλαδή η προσθήκη ενδιάμεσων ή ακραίων δεδομένων στην χρονοσειρά και η αντικατάσταση τιμών που είναι αμφίβολες. Οι ελλείψεις σε μια χρονοσειρά μετεωρολογικών δεδομένων μπορεί να αφορούν: 3

9 Μια τιμή, όταν δεν έγινε δυνατή η καταγραφή της από τον παρατηρητή είτε από δική του αδυναμία είτε από σφάλμα του οργάνου καταγραφής Σειρά τιμών, συνήθως από σφάλμα του αυτόματου οργάνου καταγραφής Τιμές σε ολόκληρες περιόδους, σε περιόδους θερινής άδειας του προσωπικού παρακολούθησης των σταθμών καταγραφής ή όταν γίνεται καταγραφή σε συγκεκριμένες χρονικές περιόδους και δεν απαιτείται συνεχής καταγραφή δεδομένων Ελλείψεις ετών, οφείλονται στα ίδια αίτια με των ολόκληρων περιόδων ή σε απώλειες στα αρχεία των καταγραφών Επίσης μπορεί να είναι διαθέσιμες καταγραφές μια μεταβλητής για ένα μικρό χρονικό διάστημα και κατά την διάρκεια πολλών ετών. Σε αυτή την περίπτωση ο στόχος δεν ήταν η συνεχής καταγραφή του φαινομένου αλλά η συγκέντρωση στοιχείων για τον προγραμματισμό ή την συντήρηση έργων μικρής κλίμακας Για να συμπληρωθεί μια χρονοσειρά χρησιμοποιούνται τιμές από άλλους σταθμούς μέτρησης δεδομένων των οποίων οι μετρήσεις θεωρούνται αξιόπιστες. Για να αξιοποιηθούν τα δεδομένα κάποιου σταθμού προκειμένου να γίνει συμπλήρωση σε κάποιο άλλο πρέπει οι δυο αυτοί σταθμοί να βρίσκονται σε κάποια συσχέτιση. Πρέπει να είναι γειτονικοί δηλαδή να ανήκουν στο ίδιο μετεωρολογικό σύστημα και οι εμβέλεια του ενός να καλύπτει την εμβέλεια του άλλου. Τέτοιο σταθμοί μπορεί να έχουν την σχέση τοπικού-κεντρικού σταθμού κατά την οποία οι σταθμοί διαφέρουν ως προς την χρονική διάρκεια των διαθέσιμων δεδομένων. Σε αυτή την περίπτωση οι διαθέσιμες χρονοσειρές του κεντρικού σταθμού (διάρκειας πάνω από 100 χρόνων) μπορούν να αξιοποιηθούν για την συμπλήρωση χρονοσειράς του τοπικού σταθμού των οποίων τα δεδομένα δεν ξεπερνάν τα 30 χρόνια. Παρακάτω αναφέρονται οι βασικότεροι μέθοδοι ελλειπουσών τιμών. Μέθοδος των διαφορών Εφαρμόζεται κυρίως σε χρονοσειρές θερμοκρασιών και χρησιμοποιεί δεδομένα από δύο μετεωρολογικούς σταθμούς. ( bi ai) Η διαφορά μεταξύ των τιμών των δύο σταθμών είναι: d N Όπου b i και a i οι καταγραφές των δυο σταθμών και Ν το πλήθος τους Μέθοδος των λόγων Εφαρμόζεται κυρίως σε χρονοσειρές βροχής και ταχύτητας ανέμου 4

10 Ο λόγος q των τιμών των δυο σταθμών είναι: bi q a i Όπου b i και a i οι καταγραφές των δυο σταθμών Μέθοδος των αντιστρόφων αποστάσεων Αρχικά υπολογίζονται οι συντελεστές βάρους A j 2 (1/ D i ) n 2 1/ Di i 1 Όπου D i η απόσταση του σταθμού i από τον σταθμό που εμφανίζει ελλειμματικά δεδομένα και n το πλήθος των γειτονικών σταθμών Έτσι η τιμή Y t που λείπει από την χρονοσειρά υπολογίζεται από τον τύπο: Y n A X t j j, t j 1 Μέθοδος των ημερήσιων λόγων H τιμή Y t που λείπει από την χρονοσειρά υπολογίζεται από την σχέση: n Y (1/ n) ( Y / X ) X t j j, t j 1 Με Υ και Χ j τις ημερήσιες τιμές των μηνιαίων καταγράφων του ελλειμματικού σταθμού και j των γειτονικών σταθμών αντίστοιχα Καμπύλη συσχετίσεως χρονοσειρών με μέθοδο πολλαπλής γραμμικής παλινδρόμησης Για να αξιοποιηθούν οι καμπύλες συσχέτισης των χρονοσειρών πρέπει το σφάλμα προσαρμογής της καμπύλης να είναι μικρό. Οι κυριότεροι τύποι εξισώσεων είναι οι εξής: Πολυωνυμική Y n n i C j X i j 0 Εκθετική i με n τον βαθμό του πολυωνύμου (για n 3) και C j συντελεστές Y exp( BX ) ή Y exp( B / X ) Δύναμη i i με Α και Β συντελεστές i 5

11 Y i X B i με Α και Β συντελεστές Λογαριθμική Y A Bln( X ) με Α και Β συντελεστές i Υπερβολική i Y A B / X με Α και Β συντελεστές i i Σε όλες τις περιπτώσεις n είναι ο αριθμός των χρονοσειρών και οι συντελεστές C, A και B υπολογίζονται με την μέθοδο των ελαχίστων τετραγώνων Ανάλυση χρονοσειρών Σχεδίαση χρονοσειράς Αρχικά οι υπο εξέταση χρονοσειρές σχεδιάζονται υπο μορφή γραφικής παράστασης με την βοήθεια ηλεκτρονικού υπολογιστή. Χρονοσειρές που αφορούν την ίδια υδρολογική λεκάνη και αφορούν γειτονικούς σταθμούς καταγραφής δεδομένων μπορούν να εκτυπωθούν σε παράλληλη διάταξη για την άμεση σύγκριση των τιμών τους. Με τον σχεδιασμό της χρονοσειράς γίνεται κάποια πρώτη ανίχνευση σφαλμάτων. Εντοπίζονται ακραίες τιμές που δεν ανταποκρίνονται στην πραγματικότητα καθώς και μεμονωμένες ή και ολόκληρες περίοδοι με τιμές που λείπουν και θα χρειαστεί να συμπληρωθούν. Επίσης μπορεί να γίνει ένας χονδροειδής εντοπισμός περιοδικότητας και της τάσης της χρονοσειράς. Υπολογισμός στατιστικών παραμέτρων Υπολογίζονται η μέση τιμή, το τυπικό σφάλμα μέσης τιμής, η διάμεσος, η επικρατούσα τιμή, η μέση απόκλιση τετραγώνου, η διακύμανση, η κύρτωση, η ασυμμετρία, το εύρος τιμών, οι μέγιστες καθώς και οι ελάχιστες τιμές. Μέση τιμή x είναι το άθροισμα των μετρήσεων δια το πλήθος αυτών Το τυπικό σφάλμα μέσης τιμής είναι ένα μέτρο αβεβαιότητας της μέσης τιμής Διακύμανση 2 είναι ένα μέτρο απόστασης των μετρήσεων από την μέση τιμή Μέση απόκλιση τετραγώνου (τυπική απόκλιση) σ είναι η θετική τετραγωνική ρίζα της διακύμανσης. Μεγάλη τιμή της τυπικής απόκλισης είναι ένδειξη μεγάλης μεταβλητότητας των τιμών και συνεπώς δηλώνουν μεγάλη απόσταση των μετρήσεων από το μέσο. Διάμεσος είναι η κεντρική τιμή όταν διατάξουμε τις μετρήσεις σε αύξουσα διάταξη Επικρατούσα τιμή είναι η τιμή που έχει μεγαλύτερη συχνότητα εμφάνισης Εύρος είναι η διαφορά μεταξύ μεγαλύτερης και μικρότερης τιμής 6

12 Η κύρτωση β δίνει πληροφορίες για την αιχμηρότητα μιας κατανομής και δείχνει πόσο λεπτή ή πλατιά είναι η κατανομή των τιμών. Οι κατηγορίες που αναγνωρίζονται είναι η λεπτόκυρτη (Κύρτωση >3), πλατύκυρτη (Κύρτωση <3) και η μεσόκυρτη (Κύρτωση =3). Η ασσυμετρία S δείχνει πόσο αποκλίνει το διάγραμμα κατανομής των τιμών από το διάγραμμα της κανονικής κατανομής. Μια κατανομή μπορεί να είναι συμμετρική (S=0), θετική (κατανομή με ουρά προς τα δεξιά και δείκτης S<0) ή αρνητική (κατανομή με ουρά προς τα αριστερά και S>0) Επίσης μπορεί να υπολογιστεί το κατώτερο και ανώτερο όριο και ο αριθμός των δεδομένων που τα ξεπερνάνε. Ως ανώτερο και κατώτερο όριο συνήθως θεωρείται η μέση τιμή συν ή μείον δυο φορές την τυπική απόκλιση αντίστοιχα. Τα δεδομένα που βρίσκονται εντός του ανωτέρου και κατωτέρου ορίου θεωρούνται αποδεκτά ενώ αυτά που βρίσκονται εκτός των ορίων είναι μη αξιόπιστα και υπόκεινται σε περαιτέρω έλεγχο. Ανίχνευση τάσης Η χρονοσειρά μπορεί να παρουσιάζει ανοδική ή πτωτική τάση ανάλογα με την διακύμανση των τιμών της. Η τάση μπορεί να είναι παροδική όταν οφείλεται σε αλλαγές μικρού χρονικού διαστήματος ή και μόνιμη όταν υπάρχουν μεγάλες και μακροχρόνιες αλλαγές (αύξηση μέσης θερμοκρασίας λόγω υπερθέρμανσης του πλανήτη). Προτού ξεκινήσει η ανάλυση της χρονοσειράς πρέπει να γίνει έλεγχος για την ύπαρξη τιμών που βρίσκονται σε μεγάλη απόκλιση από τις υπόλοιπες επειδή αυτές οι τιμές προκαλούν προβλήματα στην μοντελοποίηση της χρονοσειράς και πρέπει να ελεγχθεί το αίτιο που τις προκάλεσε. Γι αυτό το λόγο προτιμάται να χρησιμοποιούνται τα ετήσια δείγματα των παρατηρήσεων που είναι απαλλαγμένα από τις ετήσιες διακυμάνσεις. Η απλούστερη γραφική έκφραση της τάσεως είναι ευθεία πρώτου βαθμού και προκύπτει από το διάγραμμα απλής γραμμικής παλινδρόμησης. Άλλες εξειδικευμένες μη γραμμικές μορφές της τάσης είναι λογαριθμική, εκθετική ή πολυωνυμική τάση. Περιοδικότητα Στις χρονοσειρές μετεωρολογικών δεδομένων η όποια περιοδικότητα είναι κατά βάση εποχιακή αναφέρεται δηλαδή σε συγκεκριμένες περιόδους που έχουν σχέση με φυσικές εποχές του έτους (μήνα, τρίμηνο, τετράμηνο) Μια μέθοδος μελέτης της περιοδικότητας μιας χρονοσειράς είναι με την ανάλυση του αυτοσυσχετογράμματος της. Για να γίνει αυτό υπολογίζεται ο εκάστοτε συντελεστής αυτοσυσχετίσεως r για διάφορα χρονικά βήματα ο οποίος δίνει πληροφορίες για την συσχέτιση των τιμών της ίδιας χρονοσειράς για τα αντίστοιχα χρονικά βήματα. 7

13 Ο συντελεστής αυτοσυσχετίσεως για δυο διαδοχικά βήματα X t και X t+1 δίνεται από την σχέση: N 1 ( xt x)( xt 1 x) t 1 r1 με N 2 ( N 1) ( x x) t 1 t N x x / N και Χ 1,Χ 2 Χ Ν οι τιμές της χρονοσειράς t 1 t Ομοίως για τις τιμές που έχουν χρονικό βήμα Κ ο συντελεστής r κ υπολογίζεται: r N t 1 ( x x)( x x) t N ( N 1) ( x x) t 1 t t 2 Σχεδιάζοντας έτσι το διάγραμμα του συντελεστή αυτοσυσχέτισης r συναρτήσει του χρονικού βήματος k μπορούμε να βγάλουμε συμπεράσματα. Χρονοσειρές με τάση έχουμε όταν οι παρατηρήσεις τείνουν να έχουν αυξανόμενη ή φθίνουσα πορεία. Αυτό σημαίνει ότι όταν έχουμε μια παρατήρηση μεγαλύτερη του μέσου όρου θα ακολουθήσουν πολλές επιπλέον παρατηρήσεις μεγαλύτερες αυτού επίσης. Υπάρχουν δηλαδή ισχυρές συσχετίσεις μεταξύ κοντινών χρονικά σημείων. Σε αυτή την περίπτωση οι συντελεστές αυτοσυσχέτισης δεν τείνουν προς το 0 Χρονοσειρές με περιοδικότητα εμφανίζουν αυτοσυσχετόγραμμα με περιοδικότητας της ίδιας συχνότητας Χρονοσειρές με τάση εναλλασσόμενη ως προς τον μέσο όρο έχουν αυτοσυσχετόγραμμα του οποίου το πρόσημο των συντελεστών εναλλάσσεται από αρνητικό σε θετικό 8

14 Κεφάλαιο 2 Επεξεργασία σειρών δεδομένων 2.1 Εισαγωγή Τα δεδομένα του NCDC είναι διαθέσιμα μέσω φυλλομετρητή (browser) ή πρόσβασης μέσω ftp. Κάθε αρχείο του ISD είναι της μορφής.οp και περιέχει ημερήσια δεδομένα ενός έτους και ενός μόνο σταθμού. Τα αρχεία που χρησιμοποιήθηκαν αφορούν σταθμούς της Ελλάδος και ξεκινάνε από τον κωδικό μέχρι (Πίνακας 2.1). Κάθε αρχείο δεδομένων περιλαμβάνει 18 μετεωρολογικά στοιχεία. Αναλυτικά τα στοιχεία αυτά παρουσιάζονται στον Πίνακα 2.2 Πίνακας 2.1: Κατάλογος ελληνικών σταθμών Τίτλος USAF STATION CTRY LAT LON ELEV BEGIN END Επεξήγηση Αριθμός σταθμού κατά USAF Όνομα σταθμού Κωδικός χώρας κατά WMO Το γεωγραφικό πλάτος του σταθμού σε μοίρες και λεπτά Το γεωγραφικό μήκος του σταθμού σε μοίρες και λεπτά Το υψόμετρο του σταθμού σε μέτρα Περίοδος έναρξης καταγραφών Περίοδος λήξης καταγραφών USAF STATION CTRY LAT LON ELEV BEGIN END SERRAI GR KOMOTINI GR FLORINA GR KASTORIA (AIRPORT) GR SEDES(GAFB) GR THESSALONIKI /AIRPO GR CHRYSOPOULI /AIRPOR GR KAVALA/AMIGDHALEON GR ALEXANDROUPOLI /AIR GR KOZANI (AIRPORT) GR KERKYRA (AIRPORT) GR IOANNINA (AIRPORT) GR PAROS GR

15 USAF STATION CTRY LAT LON ELEV BEGIN END AKTION (AIRPORT) GR LARISSA (AIRPORT) GR LIMNOS (AIRPORT) GR LIMNOS ISLAND ARPT GR ARTA (HALKIADES) GR ARTA GR VOLOS / AIRPORT GR SKOPELOS ISLAND GR ANCHIALOS (AIRPORT) GR NEA ANGHIALOS HAFB GR SKIATHOS GR MYTILINI (AIRPORT) GR LEFKAS GR AGRINION (AIRPORT) GR ALIARTOS GR LAMIA GR ANDRAVIDA (AIRPORT) GR KYMI-ON-EVVOIA GR SKYROS (AIRPORT) GR KEFALHNIA (AIRPORT) GR ARAXOS (AIRPORT) GR PATRAI GR PLATANOS GR TANAGRA (AIRPORT) GR ATHINAI /FILADELFIA GR CHIOS DODECANESE IS GR ZAKYNTHOS GR CHIOS (AIRPORT) GR TRIPOLIS (AIRPORT) GR CORINTH RUINS GR TATOI GR ATHINAI AP HELLINIKO GR ELEFTHERIOS VENIZEL GR PIRAEUS GR ELEFSIS (AIRPORT) GR ZAKINTHOS DIONYSIOS GR SAMOS ISLAND GR SAMOS (AIRPORT) GR KALAMATA GR KALAMATA (AIRPORT) GR MIKONOS GR SYROS GR

16 USAF STATION CTRY LAT LON ELEV BEGIN END SIROS ISLAND GR NAXOS GR METHONI GR CYCLADES ISLANDS GR MILOS GR KOS ISLAND GR EL VENIZELOS GR KOS (AIRPORT) GR KYTHIRA GR SANTORINI GR SOUDA (AIRPORT) GR SOUDA BAY CRETE GR KHANIA GR RHODES (AIRPORT) GR RHODES/PARADISSI & GR HERAKLION (AIRPORT) GR KARPATHOS GR IERAPETRA GR SITIA GR RETHYMNON GR TYMBAKION (AIRPORT) GR KASTELI (AIRPORT) GR KARPATHOS (AIRPORT) GR Πίνακας 2.2: Στοιχεία αρχείων δεδομένων Τίτλος STN YEAR MODA TEMP Count DEWP Count SLP Επεξήγηση Αριθμός σταθμού WMO Έτος Ημερομηνία (Ημέρα και μήνας) Μέση θερμοκρασία σε βαθμούς Fahrenheit, με ακρίβεια δεκάτου 9999,9 = Ελλιπές στοιχείο Αριθμός παρατηρήσεων από τις οποίες υπολογίστηκε η μέση τιμή της μέσης ημερήσιας θερμοκρασίας. Μέσο ημερήσιο σημείο δρόσου σε βαθμούς Fahrenheit, με ακρίβεια δεκάτου 9999,9 = ελλιπές στοιχείο Αριθμός παρατηρήσεων από τις οποίες υπολογίστηκε η μέση τιμή του μέσου ημερήσιου σημείου δρόσου Μέση ημερήσια πίεση επιπέδου θάλασσας σε millibars με ακρίβεια δέκατου. 9999,9 = Ελλιπές στοιχείο. 11

17 Τίτλος Count STP Count WDSP COUNT MXSPD GUST MAX Flag ΜΙΝ Flag PRCP Flag Επεξήγηση Αριθμός παρατηρήσεων από τις οποίες υπολογίστηκε η μέση τιμή της μέσης ημερήσιας πίεσης επιπέδου θάλασσας Μέση ημερήσια πίεση σταθμού σε millibars με ακρίβεια δέκατου. 9999,9 = Ελλιπές στοιχείο. Αριθμός παρατηρήσεων από τις οποίες υπολογίστηκε η μέση τιμή της μέσης ημερήσιας πίεσης σταθμού Μέση ταχύτητα ανέμου σε κόμβους με ακρίβεια δέκατου. 9999,9 = Ελλιπές στοιχείο. Αριθμός παρατηρήσεων από τις οποίες υπολογίστηκε η μέση ταχύτητα ανέμου Μέγιστη ημερήσια επιβεβαιωμένη ταχύτητα ανέμου σε κόμβους με ακρίβεια δέκατου. 9999,9 = Ελλιπές στοιχείο. Μέγιστη ημερήσια ριπή ανέμου σε κόμβους με ακρίβεια δέκατου. 9999,9 = Ελλιπές στοιχείο Μέγιστη ημερήσια θερμοκρασία σε βαθμούς Fahrenheit με ακρίβεια δέκατου. Η στιγμή της μέγιστης θερμοκρασίας ποικίλει ανάλογα με τη χώρα και την περιοχή, έτσι μερικές φορές, αυτή δεν θα είναι η μέγιστη για την ημερολογιακή ημέρα. 9999,9 = Ελλιπές στοιχείο Κενός χαρακτήρας υποδεικνύει ότι η μέγιστη θερμοκρασία υπολογίστηκε από την απόλυτα μέγιστη και όχι από τα ωριαία δεδομένα (*) υποδεικνύει ότι η μέγιστη θερμοκρασία υπολογίστηκε από τα ωριαία δεδομένα Ελάχιστη ημερήσια θερμοκρασία σε βαθμούς Fahrenheit με ακρίβεια δέκατου. Η στιγμή της ελάχιστης θερμοκρασίας ποικίλει ανάλογα με τη χώρα και την περιοχή, έτσι μερικές φορές, αυτή δεν θα είναι η ελάχιστη για την ημερολογιακή ημέρα. 9999,9 = Ελλιπές στοιχείο Κενός χαρακτήρας υποδεικνύει ότι η ελάχιστη θερμοκρασία υπολογίστηκε από την απόλυτα μέγιστη και όχι από τα ωριαία δεδομένα (*) υποδεικνύει ότι η ελάχιστη θερμοκρασία υπολογίστηκε από τα ωριαία δεδομένα Συνολική βροχόπτωση (βροχή και/ή λιωμένο χιόνι) Αναφορά κατά τη διάρκεια της μέρας σε ίντσες και εκατοστά της ίντσας. Συνήθως δεν ολοκληρώνεται με την μεσονύχτια παρατήρηση. (.00) υποδεικνύει μη μετρήσιμη βροχόπτωση (Συμπεριλαμβάνεται ένα ίχνος ). 9999,9 = Ελλιπές στοιχείο. Κάποιοι σταθμοί δεν αναφέρουν (0) σε μέρες χωρίς βροχόπτωση, οπότε η τιμή (99,9) εμφανίζεται σε αυτές Επίσης π.χ. ένας σταθμός μπορεί να εμφανίζει μόνο μια 6ωρη αναφορά για την περίοδο κατά την οποία έπεσε βροχή A = 1 αναφορά για εξάωρη ποσότητα βροχής. B = Άθροιση 2 αναφορών για εξάωρη ποσότητα βροχής. C = Άθροιση 3 αναφορών για εξάωρη ποσότητα βροχής. D = Άθροιση 4 αναφορών για εξάωρη ποσότητα βροχής. E = 1 αναφορά για δωδεκάωρη ποσότητα βροχής. F = Άθροιση 2 αναφορών για δωδεκάωρη ποσότητα βροχής. 12

18 Τίτλος Flag SNDP F R S H T T Επεξήγηση G = 1 αναφορά για εικοσιτετράωρη ποσότητα βροχής. H = Ο σταθμός ανέφερε (0) ως ποσότητα βροχής ημέρας (π.χ. από εξάωρες αναφορές), αλλά αναφέρθηκε τουλάχιστο ένα επεισόδιο βροχόπτωσης σε ωριαίες παρατηρήσεις. Αυτό μπορεί να δηλώνει κάποιο ίχνος βροχής, όμως θεωρούνται ελλιπή τα δεδομένα για τη συγκεκριμένη ημέρα I = σταθμός δεν ανέφερε οποιαδήποτε στοιχεία βροχόπτωσης για την ημέρα και δεν εξέθεσε οποιαδήποτε περιστατικά βροχόπτωσης στις ωριαίες παρατηρήσεις του. Είναι πιθανό να υπήρξε βροχόπτωση και να μην αναφέρθηκε. Βάθος χιονιού σε ίντσες με ακρίβεια δέκατου. Τελευταία ένδειξη για την ημέρα αν υπάρχουν περισσότερες αναφορές. Σημείωση: Κάποιοι σταθμοί δεν αναφέρουν (0) για ημέρες χωρίς χιόνι στο έδαφος. Έτσι, η τιμή (9999,9) αναφέρεται σε αυτές τις ημέρες. Ομίχλη Βροχή Χιόνι Χαλάζι Κεραυνός Ανεμοστρόβιλος Παρατηρήσεις Για πολλές περιόδους, πολλά δεδομένα δεν είναι διαθέσιμα εξαιτίας περιορισμών και προβλημάτων επικοινωνίας που δεν κατέστησαν δυνατή την καταγραφή τους. Για να προκύψουν ημερήσια δεδομένα, πρέπει να υπάρχουν τουλάχιστον 4 καταγραφές κατά την διάρκεια της ημέρας. Επίσης έγινε στρογγυλοποίηση των τιμών και έτσι μπορεί να υπάρξει μικρή απόκλιση από τις αρχικές. Οι μέσες ημερήσιες τιμές βασίζονται στις ώρες της ημέρας κατά τις οποίες ο σταθμός βρισκόταν σε λειτουργία. Σε πολλούς σταθμούς, η ορατότητα πολλές φορές κυμαίνεται γύρω από μια τιμή επειδή δεν καταγράφονται ορατότητες που ξεπερνούν συγκεκριμένες αποστάσεις. Τα ημερήσια μέγιστα, η μέγιστη ριπή ανέμου, κατακρημνίσεις και βάθος χιονιού εμφανίζονται μόνο όταν ο σταθμός εμφανίζει επαρκή δεδομένα για την καταγραφή έγκυρης τιμής και αυτός είναι ο λόγος που αυτά τα στοιχεία εμφανίζονται λιγότερο συχνά. Επίσης αυτά τα στοιχεία καταγράφονται κατά την διάρκεια της ημέρας και έτσι η 24ωρη καταγραφή τους μπορεί να περιλαμβάνει στοιχεία από την προηγούμενη ημέρα. Τα δεδομένα καταγράφονται και συγκεντρώνονται σε Μέσο Χρόνο Γκρίνουιτς. Όσο αφορά τον ποιοτικό έλεγχο, οι αρχικές καταγραφές υπόκεινται αυτοματοποιημένο ποιοτικό έλεγχο μέσω λογισμικού για να υποστούν διορθώσεις στο μέτρο που αυτό είναι εφικτό και να περιορίσουν τα τυχαία λάθη που μπορεί να έχουν τα πρωτογενή δεδομένα. Στην 13

19 συνέχεια τα ημερήσια δεδομένα που προκύπτουν υπόκεινται σε περαιτέρω ποιοτικό έλεγχο. Παρόλα αυτά τα τελικά δεδομένα είναι δυνατό να περιέχουν ένα πολύ μικρό ποσοστό λαθών 2.2 Προετοιμασία και αξιολόγηση των σειρών δεδομένων Απόκτηση και ταξινόμηση των δεδομένων Τα αρχεία που χρησιμοποιήθηκαν στην διπλωματική εργασία αποκτήθηκαν από την βάση δεδομένων του NCDC μέσω ftp πρόσβασης (ftp.ncdc.noaa.gov) με την βοήθεια του προγράμματος Filezilla (Εικόνα 2.1). Εικόνα 2.1: Filezilla ftp client Τα μετεωρολογικά δεδομένα βρίσκονται στην διαδρομή /pub/data/gsod. Εκεί βρίσκονται ταξινομημένα σε φακέλους ανα έτος (Εικόνα 2.2) και κάθε φάκελος περιέχει σειρές δεδομένων από τους σταθμούς όλου του κόσμου (Εικόνα 2.3). Για τα αρχεία που αφορούν σταθμούς της Ελλάδος με κωδικό από μέχρι , υπάρχουν διαθέσιμα δεδομένα από το 1964 μέχρι το 2012 και έτσι ήταν αυτά που αποθηκεύτηκαν για περεταίρω επεξεργασία. Τα αρχεία ήταν συμπιεσμένα σε μορφή.gz και μετά την αποθήκευση τους έγινε μαζική αποσυμπίεσή τους στην κανονική μορφή τους.op που είναι αρχεία κειμένου. 14

20 Εικόνα 2.2: Ετήσια ταξινόμηση δεδομένων Εικόνα 2.3: Κωδικοί σταθμών 15

21 Μετά την απόκτηση των σειρών δεδομένων από την βάση δεδομένων του NCDC ακολούθησε η ταξινόμηση και οργάνωση τους σε φακέλους στον ηλεκτρονικό υπολογιστή προκειμένου να είναι εύκολη και αποδοτική η επεξεργασία τους. Δημιουργήθηκαν 77 φάκελοι, ένας για κάθε μετεωρολογικό σταθμό, οι οποίοι ονοματίστηκαν σύμφωνα με τον σταθμό στον οποίο αναφέρονται και των κωδικό που αυτός αντιστοιχεί (Εικόνα 2.4). Εικόνα 2.4: Οργάνωση δεδομένων Σε κάθε φάκελο τοποθετήθηκαν τα αρχεία.op του αντίστοιχου σταθμού, για τα έτη που υπήρξε διαθεσιμότητα (Εικόνα 2.5) 16

22 Εικόνα 2.5: Συνολικά διαθέσιμα δεδομένα κάθε σταθμού Για τον σχεδιασμό χρονοσειρών και την εξαγωγή συμπερασμάτων, είναι απαραίτητο να επεξεργαστούν σειρές δεδομένων που αφορούν μια χρονική περίοδο πολλών ετών. Γι αυτό το λόγο έπρεπε να γίνει ένωση των επιμέρους ετησίων δεδομένων κάθε σταθμού σε ένα αρχείο το οποίο θα περιέχει όλες τις πληροφορίες. Αυτό έγινε για τα αρχεία κάθε σταθμού ξεχωριστά με την βοήθεια της γραμμής εντολών των windows και σύμφωνα με την διαδικασία που ακολουθεί. Κρατώντας πατημένο το shift και με δεξί κλικ στον φάκελο που βρίσκονται συγκεντρωμένα τα αρχεία.op κάθε σταθμού, επιλέγεται η εντολή Open command window here (Εικόνα 2.6) Εικόνα 2.6: Άνοιγμα γραμμής εντολής 17

23 Αφού ανοίξει η γραμμή εντολών πληκτρολογώντας την εντολή copy *.op NAME.op (Εικόνα 2.7) αντιγράφονται όλα τα αρχεία *.op σε ένα ενιαίο αρχείο με την ονομασία NAME. Με αυτό τον τρόπο δημιουργούνται τα συνολικά αρχεία για κάθε σταθμό, τα οποία είχαν το όνομα του για την αναγνώριση τους. Εικόνα 2.7: Ένωση αρχείων με γραμμή εντολών Με αυτό τον τρόπο δημιουργήθηκε από ένα αρχείο για κάθε μετεωρολογικό σταθμό, το οποίο περιείχε όλα τα διαθέσιμα δεδομένα για τον σταθμό αυτό Εισαγωγή δεδομένων στο πρόγραμμα Excel Η επεξεργασία των σειρών δεδομένων έγινε με την χρήση του λογισμικού υπολογιστικών φύλλων Microsoft Excel Αρχικά έγινε η εισαγωγή των αρχείων κειμένου.op για κάθε σταθμό ξεχωριστά. Η διαδικασία περιγράφεται παρακάτω. Από την καρτέλα «ΔΕΔΟΜΕΝΑ» επιλέγεται το κουμπί «Από κείμενο» και στο πλαίσιο που ανοίγει αναζητείται και επιλέγεται το αρχείο.op που δημιουργήθηκε κατά την προηγούμενη διαδικασία (Εικόνα 2.8) 18

24 Εικόνα 2.8: Εισαγωγή αρχείου.op στο excel Στην συνέχεια επιλέγονται δεδομένα Σταθερού μήκους, προέλευση αρχείου 737 Ελληνικά DOS και πατάω Επόμενο (Εικόνα 2.9). Εικόνα 2.9: Βήμα 1 από 3 19

25 Στο επόμενο παράθυρο ορίζονται τα πλάτη των πεδίων και τις στήλες που θέλω να δημιουργηθούν. Τοποθετούνται με κλικ στήλες για να γίνει ο διαχωρισμός της ημερομηνίας και των παραμέτρων ύπαρξης κεραυνού, ανεμοστρόβιλου κλπ. (Εικόνα 2.10). Εικόνα 2.10: Βήμα 2 από 3 Στο επόμενο παράθυρο επιλέγεται Τέλος και στο πλαίσιο που ανοίγει σαν θέση δεδομένων το υπάρχων φύλλο εργασίας (Εικόνες 2.11 και 2.12) Εικόνα 2.11: Βήμα 3 από 3 20

26 Εικόνα 2.12: Επιλογή θέσης εισαγωγής δεδομένων Κατά την ένωση των επιμέρους αρχείων σε ένα ενιαίο αρχείο.op, ενώθηκε και η πρώτη γραμμή από κάθε αρχείο, η οποία περιείχε της επικεφαλίδες των δεδομένων (STN--, WBAN, YEARMODA κλπ.). Για την επεξεργασία τους, έπρεπε να υπάρχει μόνο στην πρώτη γραμμή και έτσι σβήστηκαν οι υπόλοιπες γραμμές που περιείχαν επικεφαλίδες. Με ctrl+f ανοίγω το πλαίσιο της αναζήτησης, ψάχνω για δεδομένα με περιεχόμενο STN, τα επιλέγω όλα εκτός από την πρώτη γραμμή και στην συνέχεια τα αφαιρώ από την επιλογή Διαγραφή γραμμών φύλλου της καρτέλας «Κεντρική (Εικόνες 2.13 και 2.14) Εικόνα 2.13: Διαγραφή περιττών επικεφαλίδων 21

27 Εικόνα 2.14: Διαγραφή γραμμών Τέλος έγινε αντικατάσταση του χαρακτήρα. που χρησιμοποιούσαν τα αρχεία.op με, διότι με αυτόν γίνεται η επεξεργασία της υποδιαστολής από το πρόγραμμα Excel. Η αντικατάσταση έγινε και αυτή μέσω της εντολής ctrl+f (Εικόνα 2.15) Εικόνα 2.15: Αντικατάσταση χαρακτήρα υποδιαστολής 22

28 Με αυτό τον τρόπο δημιουργήθηκαν 77 αρχεία excel, ένα για κάθε μετεωρολογικό σταθμό, τα οποία περιείχαν το σύνολο των δεδομένων που υπήρχαν διαθέσιμα για κάθε έναν. Για ευκολότερη επεξεργασία και εποπτεία των δεδομένων, δημιουργήθηκε ένα κεντρικό αρχείο excel, στο οποίο αντιγράφηκαν όλα τα επιμέρους φύλλα των σταθμών, το κάθε ένα σε ξεχωριστή καρτέλα (Εικόνα 2.16) Εικόνα 2.16: Αρχείο με το σύνολο των σταθμών Επεξεργασία και αξιολόγηση της ετήσιας διαθεσιμότητας Οι 77 σταθμοί που υπήρχαν διαθέσιμοι, δεν παρείχαν την ίδια πληρότητα δεδομένων. Σε πολλούς από αυτούς δεν υπάρχουν διαθέσιμα δεδομένα για πολλά έτη και ολόκληρες χρονικές περιόδους. Γι αυτό το λόγο σχηματίσθηκε ο Πίνακας 2.3 στον οποίο φαίνεται η χρονική περίοδος κατά την οποία κάθε σταθμός διαθέτει δεδομένα, τα έτη τα οποία λείπουν σε κάθε περίπτωση και το συνολικό χρονικό διάστημα που καλύπτει ο καθένας. Στον Πίνακα 2.4 φαίνονται με μορφή ημερολογίου οι χρονολογίες διαθεσιμότητας κάθε σταθμού. 23

29 Πίνακας 2.3: Έτη διαθεσιμότητας κάθε σταθμού ΚΩΔΙΚΟΣ ΠΟΛΗ ΣΥΝΟΛΙΚΟ ΧΡΟΝΙΚΟ ΧΡΟΝΙΚΑ ΔΙΑΣΤΗΜΑ ΔΙΑΣΤΗΜΑΤΑ ΧΡΟΝΟΛΟΓΙΑ ΠΟΥ ΕΧΟΥΜΕ ΠΑΡΑΤΗΡΗΣΕΙΣ ΧΩΡΙΣ ΤΙΣ ΔΕΔΟΜΕΝΑ ΧΡΟΝΙΕΣ ΠΟΥ ΧΩΡΙΣ ΤΙΣ ΛΕΙΠΟΥΝ ΧΡΟΝΙΕΣ ΠΟΥ Από Εως ΛΕΙΠΟΥΝ SERES KOMOTINI ΛΕΙΠΟΥΝ FLORINA 1971, KASTORIA(AIRPORT) SEDES THESSALONIKI(AIRPORT ) ΛΕΙΠΟΥΝ CHRYSOUPOLI(AIRPORT ) KAVALA(AIRPORT) ALEXANDROUPOLI(AIRP ORT) ΛΕΙΠΟΥΝ ΛΕΙΠΟΥΝ KOZANI(AIRPORT) ΛΕΙΠΟΥΝ 1995, , 1997, KERKYRA(AIRPORT) ΛΕΙΠΟΥΝ IOANNINA(AIRPORT) ΛΕΙΠΟΥΝ PAROS AKTION(AIRPORT) LARISA(AIRPORT) ΛΕΙΠΟΥΝ LIMNOS(AIRPORT) LIMNOS ΛΕΙΠΟΥΝ ARTA VOLOS(AIRPORT) SKOPELOS ΛΕΙΠΟΥΝ ANCHIALOS(AIRPORT) ΛΕΙΠΟΥΝ 1993, , 1995, NEOS ACHIALOS SKIATHOS MYTILHNH ΛΕΙΠΟΥΝ LEFKAS AGRINIO(AIRPORT) ALIARTOS LAMIA(AIRPORT) ANDRAVIDA(AIRPORT) ΛΕΙΠΟΥΝ

30 ΚΩΔΙΚΟΣ ΠΟΛΗ ΣΥΝΟΛΙΚΟ ΧΡΟΝΙΚΟ ΧΡΟΝΙΚΑ ΔΙΑΣΤΗΜΑ ΔΙΑΣΤΗΜΑΤΑ ΧΡΟΝΟΛΟΓΙΑ ΠΟΥ ΕΧΟΥΜΕ ΠΑΡΑΤΗΡΗΣΕΙΣ ΧΩΡΙΣ ΤΙΣ ΔΕΔΟΜΕΝΑ ΧΡΟΝΙΕΣ ΠΟΥ ΧΩΡΙΣ ΤΙΣ ΛΕΙΠΟΥΝ ΧΡΟΝΙΕΣ ΠΟΥ Από Εως ΛΕΙΠΟΥΝ KYMH SKYROS ΛΕΙΠΟΥΝ KEFALONIA(AIRPORT) ΛΕΙΠΟΥΝ ΛΕΙΠΟΥΝ 1972, ARAXOS(AIRPORT) , 1976, 1978, ,1980, PATRA PLATANOS TANAGRA(AIRPORT) ΛΕΙΠΟΥΝ 1972, 1975, 1976, 1978, 1979,1980, 1993, 1994, 1995, ATHINA(FILADELFIA) CHIOS ZAKYNTHOS ΛΕΙΠΟΥΝ 1966, 1967, CHIOS(AIRPORT) ΛΕΙΠΟΥΝ 1994, 1995, TRIPOLI(AIRPORT) ΛΕΙΠΟΥΝ KORINTHOS TATOI ATHINA(ELLINIKO) ΛΕΙΠΟΥΝ ELEUTHERIOS VENIZELOS PIRAIAS ΛΕΙΠΟΥΝ 1971, ELEFSIS(AIRPORT) ZAKYNTHOS(DIONYSOS) SAMOS ΛΕΙΠΟΥΝ SAMOS(AIRPORT) KALAMATA KALAMATA(AIRPORT) ΛΕΙΠΟΥΝ MYKONOS ΛΕΙΠΟΥΝ 1996, SYROS SYROS(ISLAND) ΛΕΙΠΟΥΝ

31 ΚΩΔΙΚΟΣ ΠΟΛΗ ΧΡΟνΟΛΟΓΙΑ ΚΩΔΙΚΟΣ ΣΥΝΟΛΙΚΟ ΧΡΟΝΙΚΟ ΧΡΟΝΙΚΑ ΔΙΑΣΤΗΜΑ ΔΙΑΣΤΗΜΑΤΑ ΠΟΥ ΕΧΟΥΜΕ ΧΩΡΙΣ ΤΙΣ ΔΕΔΟΜΕΝΑ ΧΡΟΝΙΕΣ ΠΟΥ ΧΩΡΙΣ ΤΙΣ ΛΕΙΠΟΥΝ ΧΡΟΝΙΕΣ ΠΟΥ ΛΕΙΠΟΥΝ Από Εως NAXOS ΛΕΙΠΟΥΝ 1965, METHONI ΛΕΙΠΟΥΝ KYKLADES MILOS ΛΕΙΠΟΥΝ KOS EL. VENIZELOS KOS(AIRPORT) KYTHIRA ΛΕΙΠΟΥΝ SANTORINI SOUDA(AIRPORT) ΛΕΙΠΟΥΝ SOUDA(BAY CRETE_ CHANIA RODOS(AIRPORT) ΛΕΙΠΟΥΝ RODOS(PARADISI) IRAKLEION(AIRPORT) ΛΕΙΠΟΥΝ KARPATHOS IERAPETRA SITIA RETHYMNO TYMBAKIO KASTELI(AIRPORT) KARPATHOS(AIRPORT)

32 27 Πίνακας 2.4: Διαθέσιμα έτη για κάθε σταθμό SERES KOMOTINI FLORINA KASTORIA(AIRPORT) SEDES THESSALONIKI(AIRPORT) CHRYSOUPOLI(AIRPORT) KAVALA(AIRPORT) ALEXANDROUPOLI(AIRPORT) KOZANI(AIRPORT) KERKYRA(AIRPORT) IOANNINA(AIRPORT) PAROS AKTION(AIRPORT) LARISA(AIRPORT) LIMNOS(AIRPORT) LIMNOS ARTA VOLOS(AIRPORT) SKOPELOS ANCHIALOS(AIRPORT) NEOS ACHIALOS SKIATHOS MYTILHNH LEFKAS AGRINIO(AIRPORT) ALIARTOS LAMIA(AIRPORT) ANDRAVIDA(AIRPORT) KYMH SKYROS KEFALONIA(AIRPORT) ARAXOS(AIRPORT) PATRA PLATANOS TANAGRA(AIRPORT) ATHINA(FILADELFIA) CHIOS ZAKYNTHOS CHIOS(AIRPORT) TRIPOLI(AIRPORT) KORINTHOS TATOI ATHINA(ELLINIKO) ELEUTHERIOS VENIZELOS PIRAIAS ELEFSIS(AIRPORT) ZAKYNTHOS(DIONYSOS) SAMOS SAMOS(AIRPORT) KALAMATA KALAMATA(AIRPORT) MYKONOS SYROS SYROS(ISLAND) NAXOS METHONI KYKLADES MILOS KOS EL. VENIZELOS KOS(AIRPORT) KYTHIRA SANTORINI SOUDA(AIRPORT) SOUDA(BAY CRETE_ CHANIA RODOS(AIRPORT) RODOS(PARADISI) IRAKLEION(AIRPORT) KARPATHOS IERAPETRA SITIA RETHYMNO TYMBAKIO KASTELI(AIRPORT) KARPATHOS(AIRPORT)

33 Παρατηρώντας τους Πίνακες 2.3 και 2.4 μπορούμε να επισημάνουμε τα εξής: Yπάρει μεγάλη ανομοιογένεια ως προς την ετήσια διαθεσιμότητα δεδομένων. Για το έτος 1972 δεν υπάρχουν δεδομένα για κανένα σταθμό κάτι που οφείλεται σε πιθανή απώλεια τους από την υπηρεσία συγκέντρωσης και φύλαξης τους. Σε ορισμένους σταθμούς όπως στον ARTA, KASTELI(AIRPORT), KARPATHOS(AIRPORT), PIRAIAS, AGRINI(AIRPORT) υπάρχουν διαθέσιμα δεδομένα μόνο για ελάχιστα έτη από το 1964 μέχρι το 2012 Οι σταθμοί για τους οποίους υπάρχουν πλήρη δεδομένα σε βάθος 40ετίας από το 1973 μέχρι το 2012 είναι οι εξής: 1. THESSALONIKI(AIRPORT) 2. ALEXANDROUPOLI(AIRPORT) 3. KERKYRA(AIRPORT) 4. AKTINO(AIRPORT) 5. LARISA(AIRPORT) 6. MYTILHNH 7. LAMIA(AIRPORT) 8. ANDRAVIDA(AIRPORT) 9. SKYROS 10. TRIPOLI(AIRPORT) 11. ATHINA(ELLINIKO) 12. ELEFSIS(AIRPORT) 13. NAXOS 14. METHONI 15. MILOS 16. KYTHIRA 17. SOUDA(AIRPORT) 18. RODOS(AIRPORT) 19. IRAKLEION(AIRPORT) Αποφασίστηκε στην συνέχεια να γίνει επεξεργασία των δεδομένων των παραπάνω σταθμών που διαθέτουν δεδομένα σε επαρκή κλίμακα, ώστε να προκύψουν συμπεράσματα από την ανάλυση τους. 28

34 2.2.4 Επεξεργασία και αξιολόγηση της ημερήσιας διαθεσιμότητας Παρά το γεγονός ότι οι παραπάνω 19 σταθμοί φαίνεται να διαθέτουν σειρές δεδομένων διάρκειας 40 ετών, είναι δυνατό να λείπουν ημέρες ή και ολόκληρες περίοδοι κατά την διάρκεια των επιμέρους ετών. Γι αυτό το λόγο έγινε έλεγχος του περιεχομένου τους με την βοήθεια του Excel. Για κάθε ένα σταθμό έγινε μέτρηση των συνολικών ημερών που διαθέτει δεδομένα και στην συνέχεια έγινε σύγκριση με το αναμενόμενο πλήθος ημερών που αντιστοιχεί σε 40 έτη. Υπολογίστηκε το ποσοστό πληρότητας και ο αριθμός των ημερών που λείπουν. Έτσι σχηματίστηκε ο Πίνακας 2.5. Πίνακας 2.5: Έλεγχος διαθεσιμότητας για 40 χρόνια ETH ΔΙΑΘΕΣΙΜΕΣ ΜΕΡΕΣ ΠΟΥ ΔΙΑΘΕΣΙΜΌΤΗΤΑ ΗΜΕΡΕΣ ΛΕΙΠΟΥΝ KERKYRA(AIRPORT) ,94% RODOS(AIRPORT) ,93% IRAKLEION(AIRPORT) ,92% THESSALONIKI(AIRPORT) ,88% ALEXANDROUPOLI(AIRPORT) ,62% MYTILHNH ,50% ELEFSIS(AIRPORT) ,10% ANDRAVIDA(AIRPORT) ,69% SOUDA(AIRPORT) ,68% LARISA(AIRPORT) ,63% ATHINA(ELLINIKO) ,51% AKTION(AIRPORT) ,39% METHONI ,03% SKYROS ,00% TRIPOLI(AIRPORT) ,86% NAXOS ,10% KYTHIRA ,88% LAMIA(AIRPORT) ,34% MILOS ,93% 594 Αναμενόμενες ημέρες για 40 χρόνια Παρατηρούμε ότι τα δεδομένα δεν είναι επαρκή. Από τους περισσότερους σταθμούς λείπουν πάρα πολλά δεδομένα και σε αρκετούς ξεπερνάνε σε σύνολο το ένα έτος. Μόνο για τρείς από αυτούς μπορούμε να πούμε ότι η πληρότητα τους είναι επαρκής για την αξιοποίηση τους. 29

35 Για το λόγο αυτό έγινε αντίστοιχος έλεγχος σε βάθος δεδομένων διάρκειας 35 και 30 ετών και προέκυψαν οι Πίνακες 2.6 και 2.7 Πίνακας 2.6: Έλεγχος διαθεσιμότητας για 35 χρόνια ETH ΔΙΑΘΕΣΙΜΕΣ ΗΜΕΡΕΣ ΔΙΑΘΕΣΙΜΌΤΗΤΑ ΜΕΡΕΣ ΠΟΥ ΛΕΙΠΟΥΝ THESSALONIKI(AIRPORT) ,99% KERKYRA(AIRPORT) ,99% ANDRAVIDA(AIRPORT) ,99% RODOS(AIRPORT) ,99% IRAKLEION(AIRPORT) ,98% SOUDA(AIRPORT) ,96% ELEFSIS(AIRPORT) ,91% LARISA(AIRPORT) ,86% AKTION(AIRPORT) ,84% ALEXANDROUPOLI(AIRPORT) ,84% MYTILHNH ,73% ATHINA(ELLINIKO) ,36% METHONI ,28% SKYROS ,03% TRIPOLI(AIRPORT) ,75% KYTHIRA ,88% NAXOS ,87% LAMIA(AIRPORT) ,10% MILOS ,74% 544 Αναμενόμενες ημέρες για 35 χρόνια Πίνακας 2.7: Έλεγχος διαθεσιμότητας για 30 χρόνια ETH ΔΙΑΘΕΣΙΜΕΣ ΗΜΕΡΕΣ ΔΙΑΘΕΣΙΜΌΤΗΤΑ ΜΕΡΕΣ ΠΟΥ ΛΕΙΠΟΥΝ THESSALONIKI(AIRPORT) ,99% KERKYRA(AIRPORT) ,99% ANDRAVIDA(AIRPORT) ,99% RODOS(AIRPORT) ,99% IRAKLEION(AIRPORT) ,98% 2 30

36 ETH ΔΙΑΘΕΣΙΜΕΣ ΗΜΕΡΕΣ ΔΙΑΘΕΣΙΜΌΤΗΤΑ ΜΕΡΕΣ ΠΟΥ ΛΕΙΠΟΥΝ SOUDA(AIRPORT) ,97% ELEFSIS(AIRPORT) ,92% LARISA(AIRPORT) ,84% AKTION(AIRPORT) ,84% ALEXANDROUPOLI(AIRPORT) ,85% MYTILHNH ,84% ATHINA(ELLINIKO) ,08% METHONI ,11% SKYROS ,12% TRIPOLI(AIRPORT) ,39% KYTHIRA ,61% NAXOS ,37% LAMIA(AIRPORT) ,48% MILOS ,16% 530 Αναμενόμενες ημέρες για 30 χρόνια Στον έλεγχο για 35 και 30 χρόνια η διαθεσιμότητα είναι σαφώς βελτιωμένη. Από τους σταθμούς THESSALONIKI(AIRPORT), KERKYRA(AIRPORT), ANDRAVIDA(AIRPORT) και RODOS(AIRPORT) λείπει μόνο μια ημέρα, ενώ και από τους σταθμούς IRAKLEION(AIRPORT) και SOUDA(AIRPORT) παρατηρείται έλλειψη στα δεδομένα, της τάξεως των 2 και 5 ημερών αντίστοιχα. Όλοι οι υπόλοιποι σταθμοί εξακολουθούν να εμφανίζουν σημαντικές ελλείψεις και για το λόγο αυτό δεν γίνεται περαιτέρω επεξεργασία των δεδομένων τους. Ο σταθμός SOUDA(AIRPORT) σε δεδομένα 30 ετών, εμφανίζει ελάχιστη βελτίωση της τάξης των 2 ημερών και γι αυτό το λόγο επιλέγεται να χρησιμοποιηθούν τα δεδομένα διάρκειας 35 ετών Έλεγχος περιεχομένων για ελλιπή δεδομένα Οι σταθμοί που διέθεταν επαρκή δεδομένα είναι οι παρακάτω: THESSALONIKI(AIRPORT) KERKYRA(AIRPORT) ANDRAVIDA(AIRPORT) RODOS(AIRPORT) IRAKLEION(AIRPORT) 31

37 SOUDA(AIRPORT) Στην Εικόνα 2.16 φαίνεται η θέση των σταθμών στον Ελλαδικό χώρο, όπως αυτή προέκυψε από τις συντεταγμένες τους. Εικόνα 2.16: Χάρτης με τους σταθμούς 1.THESSALONIKI(AIRPORT) 2.KERKYRA(AIRPORT) 3.ANDRAVIDA(AIRPORT) 4.RODOS(AIRPORT) 5.IRAKLEION(AIRPORT) 6. SOUDA(AIRPORT) (Bing Maps) Στην συνέχεα έγινε έλεγχος για την ύπαρξη καταγραφών μέσης ημερήσιας θερμοκρασίας(temp), ταχύτητας ανέμου (WDSP), μέγιστης ημερησίας θερμοκρασίας(μαχ), ελάχιστης ημερήσιας θερμοκρασίας(μιν) και κατακρημνίσεων (PRCP). Σε πολλούς σταθμούς και όταν για οποιοδήποτε λόγο δεν ήταν δυνατή η καταγραφή κάποιας τιμής, υπάρχει η 32

38 ένδειξη 9999,9 ή 999,9 ανάλογα με το μέγεθος που καταγράφεται. Ο έλεγχος έγινε με την εφαρμογή φίλτρων στην καρτέλα κάθε σταθμού ξεχωριστά και η διαδικασία περιγράφεται παρακάτω. Αρχικά ανοίγουμε την καρτέλα του σταθμού που μας ενδιαφέρει, επιλέγουμε όλα τα δεδομένα και από την καρτέλα ΔΕΔΟΜΕΝΑ πατάμε το κουμπί Φίλτρο (Εικόνα 2.17). Εικόνα 2.17: Επιλογή φίλτρου Στην συνέχεια επιλέγουμε το μέγεθος που θέλουμε να φιλτράρουμε (πχ μέγιστη ημερήσια θερμοκρασία) και εισάγουμε την τιμή που ο σταθμός θεωρεί ότι τα δεδομένα είναι ελλιπή (9999,9) στο πεδίο Φίλτρα αριθμών (Εικόνα 2.18) 33

39 Εικόνα 2.18: Εισαγωγή φίλτρου Με αυτό τον τρόπο εμφανίζεται από το σύνολο των δεδομένων μόνο οι ημερομηνίες με το χαρακτηριστικό που μας ενδιαφέρουν (Εικόνα 2.19) Εικόνα 2.19: Επιλογή δεδομένων με συγκεκριμένη τιμή 34

40 Η παραπάνω διαδικασία επαναλήφθηκε για τα μεγέθη που μας ενδιαφέρουν και για τους 6 σταθμούς. Στην συνέχεια έγινε η καταγραφή των ημερομηνιών που έχουν ελλείψεις σε συγκεκριμένες καταγραφές υπο μορφή πινάκων. Παρακάτω φαίνονται οι Πίνακες που προέκυψαν. Πίνακας 2.8: Ημερομηνίες με ελλιπή δεδομένα THESSALONIKI_AIRPORT THESSALONIKI(AIRPORT) TEMP(9999,9) WDSP(999,9) MAX(TEMP)(9999,9) MIN(TEMP)(9999,9) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ PRCP (τιμές 99,99) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ

41 Πίνακας 2.9: Ημερομηνίες με ελλιπή δεδομένα KERKYRA_AIRPORT KERKYRA(AIRPORT) TEMP(9999,9) WDSP(999,9) MAX(TEMP)(9999,9) MIN(TEMP)(9999,9) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ PRCP (τιμές 99,99) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ Πίνακας 2.10: Ημερομηνίες με ελλιπή δεδομένα ANDRAVIDA_AIRPORT ANDRAVIDA(AIRPORT) TEMP(9999,9) MAX(TEMP)(9999,9) MIN(TEMP)(9999,9) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ WDSP(999,9) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ

42 ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ PRCP (τιμές 99,99) Πίνακας 2.11: Ημερομηνίες με ελλιπή δεδομένα RODOS_AIRPORT RODOS(AIRPORT) TEMP(9999,9) WDSP(999,9) MAX(TEMP)(9999,9) MIN(TEMP)(9999,9) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ PRCP (τιμές 99,99) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ

43 Πίνακας 2.12: Ημερομηνίες με ελλιπή δεδομένα IRAKLEIO_AIRPORT IRAKLEIO(AIRPORT) TEMP(9999,9) WDSP(999,9) MAX(TEMP)(9999,9) MIN(TEMP)(9999,9) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ PRCP (τιμές 99,99) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ Πίνακας 2.13: Ημερομηνίες με ελλιπή δεδομένα SOUDA_AIRPORT SOUDA(AIRPORT) TEMP(9999,9) WDSP(999,9) MAX(TEMP)(9999,9) MIN(TEMP)(9999,9) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ ΠΛΗΡΗ ΔΕΔΟΜΕΝΑ PRCP (τιμές 99,99) ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ ΕΤΟΣ ΜΗΝΑΣ ΗΜΕΡΑ

44 2.2.6 Συμπεράσματα Από τους παραπάνω πίνακες συμπεραίνουμε ότι τα διαθέσιμα δεδομένα που αφορούν την μέση ημερήσια ταχύτητα ανέμου(wdsp) και τις κατακρημνίσεις(prcp) συμπεριλαμβάνουν πολλά ελλιπή στοιχεία και έτσι η σχεδίαση των αντίστοιχων χρονοδιαγραμμάτων μπορεί να δώσει αναξιόπιστα αποτελέσματα. Μέσα στους αρχικούς στόχους της διπλωματικής εργασίας ήταν να γίνει και συμπλήρωση ελλειπουσών τιμών αλλά δεν υπήρχαν γειτονικοί σταθμοί με επαρκή δεδομένα και η συμπλήρωσή τους με προχωρημένες μαθηματικές μεθόδους απαιτούσε μεγάλο χρονικό διάστημα που δεν ήταν διαθέσιμο στα χρονικά πλαίσια που πραγματοποιήθηκε η παρούσα διπλωματική εργασία. Όσον αφορά την μέση(temp) και ελάχιστη(min) ημερήσια θερμοκρασία όλοι οι σταθμοί διαθέτουν πλήρεις καταγραφές. Για την μέγιστη ημερήσια θερμοκρασία(μαχ) οι σταθμοί THESSALONIKI(AIRPORT) και SOUDA(AIRPORT) έχουν 1 έλλειψη, ενώ ο σταθμός IRAKLEIO(AIRPORT) 2 ελλείψεις. 39

45 Κεφάλαιο Σχεδίαση χρονοσειρών 3.1 Διαδικασία σχεδιασμού των χρονοσειρών Η σχεδίαση των χρονοσειρών έγινε με το πρόγραμμα Excel Αρχικά έγινε μετατροπή των δεδομένων θερμοκρασίας από βαθμούς Fahrenheit σε βαθμούς κελσίου και των κατακρημνίσεων από ίντσες σε χιλιοστά. Η αναλογία μετατροπής τους φαίνεται παρακάτω: 1 inch (in) = 25,4 millimeters (mm) (Fahrenheit (ºF) 32) / 1,8 = 1 Celsius ºC Η μετατροπή όλων τον σειρών δεδομένων έγινε αυτόματα με την κατασκευή φύλου εργασίας στο οποίο εισήχθησαν οι αναλογίες μετατροπής (Εικόνα 3.1). Εικόνα 3.1: Μετατροπή συστήματος μονάδων των σειρών δεδομένων Στην συνέχεια σε ένα ξεχωριστό φύλο εργασίας υπολογίστηκαν οι μέσες μηνιαίες τιμές των δεδομένων και για τους 6 σταθμούς (Εικόνα 3.2). Το σύνολο των μετατροπών και υπολογισμών φαίνεται στον Πίνακα Χ στο παράρτημα. 40

46 Εικόνα 3.2: Υπολογισμός μέσων μηνιαίων καταγραφών Έχοντας διαθέσιμες της ημερήσιες και μέσες μηνιαίες καταγραφές έγινε η σχεδίαση των χρονοσειρών και της γραμμής τάσης αυτών. Τα διαγράμματα που σχεδιάστηκαν ήταν της μέσης ημερήσιας θερμοκρασίας, της μέσης μηνιαίας θερμοκρασίας, της ημερήσιας μέγιστης και ελάχιστης θερμοκρασίας, της μέσης μηνιαίας μέγιστης και ελάχιστης θερμοκρασίας και της μέσης μηνιαίας βροχόπτωσης. Για τον σχεδιασμό των χρονοσειρών μέσης μηνιαίας βροχόπτωσης, όταν δεν υπήρχαν διαθέσιμα δεδομένα, χρησιμοποιήθηκε μηδενική καταγραφή. Αρχικά στόχος της διπλωματικής εργασίας ήταν να γίνουν και βαθύτερες αναλύσεις των χρονοσειρών, όμως εξαιτίας του περιορισμένου διαθέσιμο χρονικού διαστήματος και σε συνδυασμό με τις πολλές ελλείψεις τιμών, κάτι τέτοιο δεν κατέστη δυνατό. 41

47 Χρονοσειρές θερμοκρασίας Χρονοσειρές μέσης ημερήσιας θερμοκρασίας Διάγραμμα 3.1: Μέση ημερήσια θερμοκρασία THESSALONIKI_AIRPORT Διάγραμμα 3.2: Μέση ημερήσια θερμοκρασία KERKYRA_AIRPORT

48 43 Διάγραμμα 3.3: Μέση ημερήσια θερμοκρασία ANDRAVIDA_AIRPORT Διάγραμμα 3.4: Μέση ημερήσια θερμοκρασία RODOS_AIRPORT

49 44 Διάγραμμα 3.5: Μέση ημερήσια θερμοκρασία IRAKLEIO_AIRPORT Διάγραμμα 3.6: Μέση ημερήσια θερμοκρασία SOUDA_AIRPORT

50 Χρονοσειρές μέσης μηνιαίας θερμοκρασίας Διάγραμμα 3.7: Μέση μηνιαία θερμοκρασία THESSALONIKI_AIRPORT Διάγραμμα 3.8: Μέση μηνιαία θερμοκρασία KERKYRA_AIRPORT

51 46 Διάγραμμα 3.9: Μέση μηνιαία θερμοκρασία ANDRAVIDA_AIRPORT Διάγραμμα 3.10: Μέση μηνιαία θερμοκρασία RODOS_AIRPORT

52 47 Διάγραμμα 3.11: Μέση μηνιαία θερμοκρασία IRAKLEION_AIRPORT Διάγραμμα 3.12: Μέση μηνιαία θερμοκρασία SOUDA_AIRPORT

53 Χρονοσειρές ημερήσιας μέγιστης θερμοκρασίας Διάγραμμα 3.13: Ημερήσια μέγιστη θερμοκρασία THESSALONIKI_AIRPORT Διάγραμμα 3.14: Ημερήσια μέγιστη θερμοκρασία KERKURA_AIRPORT

54 49 Διάγραμμα 3.15: Ημερήσια μέγιστη θερμοκρασία ANDRAVIDA_AIRPORT Διάγραμμα 3.16: Ημερήσια μέγιστη θερμοκρασία RODOS_AIRPORT

55 50 Διάγραμμα 3.17: Ημερήσια μέγιστη θερμοκρασία IRAKLEION_AIRPORT Διάγραμμα 3.18: Ημερήσια μέγιστη θερμοκρασία IRAKLEION_AIRPORT

56 Χρονοσειρές μέσης μηνιαίας μέγιστης θερμοκρασίας Διάγραμμα 3.19: Μέση μηνιαία μέγιστη θερμοκρασία THESSALONIKI_AIRPORT Διάγραμμα 3.20: Μέση μηνιαία μέγιστη θερμοκρασία KERKYRA_AIRPORT

57 52 Διάγραμμα 3.21: Μέση μηνιαία μέγιστη θερμοκρασία ANDRAVIDA_AIRPORT Διάγραμμα 3.22: Μέση μηνιαία μέγιστη θερμοκρασία RODOS_AIRPORT

58 53 Διάγραμμα 3.23: Μέση μηνιαία μέγιστη θερμοκρασία IRAKLEION_AIPORT Διάγραμμα 3.24: Μέση μηνιαία μέγιστη θερμοκρασία SOUDA_AIRPORT

59 Χρονοσειρές ημερήσιας ελάχιστης θερμοκρασίας Διάγραμμα 3.25: Ημερήσια ελάχιστη θερμοκρασία THESSALONIKI_AIRPORT Διάγραμμα 3.26: Ημερήσια ελάχιστη θερμοκρασία KERKYRA_AIRPORT

60 55 Διάγραμμα 3.27: Ημερήσια ελάχιστη θερμοκρασία ANDRAVIDA_AIRPORT Διάγραμμα 3.28: Ημερήσια ελάχιστη θερμοκρασία RODOS_AIRPORT