ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΦΥΣΙΚΗΣ

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΦΥΣΙΚΗΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΤΜΗΜΑΤΟΣ ΦΥΣΙΚΗΣ ΕΙΔΙΚΕΥΣΗ : ΕΦΑΡΜΟΣΜΕΝΗ ΜΕΤΕΩΡΟΛΟΓΙΑ & ΦΥΣΙΚΗ ΠΕΡΙΒΑΛΛΟΝΤΟΣ ΤΙΤΛΟΣ Ανάπτυξη γεωστατιστικού προτύπου υπολογισμού της μέσης κλιματικής θερμοκρασίας της Ελλάδος Μεταπτυχιακή ερευνητική εργασία του φοιτητή ΜΑΡΚΑΝΤΩΝΗ ΙΑΣΟΝΑ Α.Μ ΠΑΤΡΑ, 2018

2 2

3 ΠΡΟΛΟΓΟΣ Η ανάγκη μελέτης της κλιματικής αλλαγής, οδήγησε διεθνώς στη δημιουργία σύγχρονων Κλιματικών Ατλάντων. Οι δυνατότητες τις οποίες παρέχει η σύγχρονη πληροφορική, οδηγεί παραλλήλως στην έκδοση αυτών των Ατλάντων και σε ψηφιακή μορφή. Η Εθνική Μετεωρολογική Υπηρεσία, εναρμονιζόμενη στις διεθνείς απαιτήσεις, αποφάσισε την αντικατάσταση του υφιστάμενου Κλιματικού Άτλαντα της Ελλάδος, ο οποίος είχε εκδοθεί το 1932, με σύγχρονο, βασιζόμενη στα μετεωρολογικά στοιχεία της περιόδου , προερχόμενα από το δίκτυο των μετεωρολογικών σταθμών της. Κύριος κορμός του έργου αυτού ήταν η διδακτορική διατριβή με τίτλο Ομογενοποίηση κλιματικών χρονοσειρών της Ελλάδας και χωρική ανάλυση ομογενοποιημένων δεδομένων θερμοκρασίας. της Δρος κας Άννας Μαμάρα, στελέχους της ΕΜΥ, η οποία εκπονήθηκε στο Εργαστήριο Φυσικής της Ατμόσφαιρας Τμήματος Φυσικής του Πανεπιστημίου Πατρών. Στα πλαίσια της διδακτορικής αυτής διατριβής ελέγχθηκε ως προς την ποιότητα και ομογενοποιήθηκε το σύνολο των δεδομένων που χρησιμοποιήθηκαν για τη δημιουργία του Άτλαντα και δημιουργήθηκε γεωστατιστικό πρότυπο για την εκτίμηση των κλιματικών παραμέτρων στο σύνολο της επικράτειας, δηλαδή και εκτός των σημείων στα οποία υπάρχουν οι μετεωρολογικοί σταθμοί. Μία από τις ανεξάρτητες μεταβλητές οι οποίες χρησιμοποιήθηκαν για την ανάπτυξη του προαναφερθέντος γεωστατιστικού προτύπου, είναι η ένταση της ηλιακής ακτινοβολίας στο όριο της ατμόσφαιρας, η εκτίμηση της οποίας έγινε με τη χρήση του προτύπου libradtran. Οι στόχοι της παρούσης μεταπτυχιακής διπλωματικής εργασίας, η οποία εκπονήθηκε στο Εργαστήριο Φυσικής της Ατμόσφαιρας, στα πλαίσια της ειδίκευσης στην Εφαρμοσμένη Μετεωρολογία και Φυσική Περιβάλλοντος του Προγράμματος Μεταπτυχιακών Σπουδών του Τμήματος Φυσικής, είναι (α) να διερευνήσει το κατά πόσον η λεπτομερέστερη εκτίμηση της ηλιακής ακτινοβολίας βελτιώνει την απόδοση του προταθέντος γεωστατιστικού προτύπου και (β) η ανάπτυξη μιας μεθοδολογίας εκτίμησης των αβεβαιοτήτων του προταθέντος γεωστατιστικού προτύπου. Δεδομένου ότι η προβλεπόμενης διάρκεια εκπόνησης της μεταπτυχιακής διπλωματικής εργασίας είναι ένα εξάμηνο, τόσο η δυνατότητα βελτίωσης του γεωστατιστικού προτύπου, όσο και η εκτίμηση των αβεβαιοτήτων, περιορίστηκε στη μέση μηνιαία θερμοκρασία. Ασφαλώς η ίδια μελέτη μπορεί να επεκταθεί και στις λοιπές μετεωρολογικές παραμέτρους, όχι μόνο αυτές οι οποίες περιλαμβάνονται στο νέο Κλιματικό Άτλαντα, αλλά και σε όσες δεν έχουν ακόμη συμπεριληφθεί Για την επεξεργασία των δεδομένων, τη στατιστική ανάλυση αυτών και την παραγωγή των χαρτών και διαγραμμάτων της εργασίας χρησιμοποιήθηκαν οι γλώσσες προγραμματισμού Matlab και R. Θα ήθελα να εκφράσω τις ευχαριστίες μου στους καθηγητές του Εργαστηρίου Φυσικής της Ατμόσφαιρας του Τμήματος Φυσικής του Πανεπιστημίου Πατρών, κ. Ιωάννη Κιουτσιούκη 3

4 και κ. Ανδρέα Καζαντζίδη και φυσικά στον επιβλέποντα της διπλωματικής εργασίας κ. Αθανάσιο Αργυρίου. Όλοι τους με ενέπνευσαν και με βοήθησαν στη απόκτηση γνώσεων απαραιτήτων για την ολοκλήρωση του Προγράμματος Μεταπτυχιακών Σπουδών και στη συγγραφή αυτής της εργασίας. Επίσης, θα ήθελα να ευχαριστήσω και την κα. Άννα Μαμάρα για τη συνεργασία της, το αμέριστο ενδιαφέρον και για τη χορήγηση των απαραίτητων για την εργασία αυτή ομογενοποιημένων μετεωρολογικών παραμέτρων και άλλων δεδομένων, τα οποία προέκυψαν από τη διατριβή της. 4

5 ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ.3 ΠΕΡΙΕΧΟΜΕΝΑ..5 ΚΑΤΑΛΟΓΟΣ ΠΙΝΑΚΩΝ...7 ΚΑΤΑΛΟΓΟΣ ΣΧΗΜΑΤΩΝ ΠΕΡΙΛΗΨΗ. 12 ABSTRACΤ ΚΛΙΜΑ ΚΑΙ ΚΛΙΜΑΤΙΚΑ ΔΕΔΟΜΕΝΑ Η έννοια του κλίματος Το κλίμα της Ελλάδας Δεδομένα ΘΕΩΡΙΑ MISH Εισαγωγή στη μέθοδο Μαθηματικό υπόβαθρο MISH Χωρική παρεμβολή με τις βέλτιστες παραμέτρους Δομή των βέλτιστων παραμέτρων παρεμβολής Χωρική απεικόνιση των κλιματικών παραμέτρων Γνωστές κλιματικές στατιστικές παράμετροι προς απεικόνιση Απεικόνιση των κλιματικών παραμέτρων σε γειτονικά σημεία Παράμετροι παρεμβολής θερμοκρασίας Υψόμετρο Υπόλοιπες συνιστώσες Μέθοδος AURELHY ΤΟ ΕΡΓΟ ΤΗΣ ΕΜΥ ΚΑΙ Η ΚΑΙΝΟΥΡΙΑ ΤΡΟΠΟΠΟΙΗΣΗ Το έργο της ΕΜΥ Ο νέος υπολογισμός της ακτινοβολίας και η διαφορά με τον προηγούμενο Γραμμική παλινδρόμηση ηλιακής ακτινοβολίαςθερμοκρασίας..36 5

6 4. ΣΥΓΚΡΙΤΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΤΩΝ ΔΥΟ ΜΕΘΟΔΩΝ Μαθηματική προτυποποίηση του έργου της ΕΜΥ Συντελεστές συσχέτισης Αντιπροσωπευτικότητα Εκτιμητές παρεμβολής Μαθηματική προτυποποίηση των αποτελεσμάτων με τον νέο τρόπο υπολογισμού Συντελεστής συσχέτισης Αντιπροσωπευτικότητα Εκτιμητές παρεμβολής ΑΠΟΤΕΛΕΣΜΑΤΑ-ΧΑΡΤΕΣ ΜΕΣΗΣ ΘΕΡΜΟΚΡΑΣΙΑΣ ΑΞΙΟΛΟΓΗΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ-ΑΒΕΒΑΙΟΤΗΤΕΣ..60 ΕΠΙΛΟΓΟΣ-ΣΥΜΠΕΡΑΣΜΑΤΑ..64 ΒΙΒΛΙΟΓΡΑΦΙΑ..65 6

7 ΚΑΤΑΛΟΓΟΣ ΠΙΝΑΚΩΝ ΠΙΝΑΚΑΣ 1.1 : Πίνακας με τα στοιχεία των 52 σταθμών. Από αριστερά προς τα δεξιά είναι η ταυτότητα, το γεωγραφικό μήκος, το γεωγραφικό πλάτος, το υψόμετρο και η Ευκλείδεια απόσταση από τη θάλασσα...20 ΠΙΝΑΚΑΣ 3.1 : Παρουσιάζονται ανά μήνα οι τιμές των συντελεστών (α και β αντίστοιχα) καθώς και τα συστηματικά σφάλματα αυτών (εα και εβ αντίστοιχα) 42 ΠΙΝΑΚΑΣ 3.2 : Παρουσιάζονται ανά μήνα ο συντελεστής προσδιορισμού R 2 (R2), η p-value της σταθεράς της σχέσης (p-value) καθώς και το επίπεδο σημαντικότητας αυτής (α) και τέλος ο συντελεστής συσχέτισης Pearson (P).42 ΠΙΝΑΚΑΣ 4.1 : Οι μεταβλητές που χρησιμοποιούνται κάθε μήνα από το MISH για τη χωρική παρεμβολή της θερμοκρασίας στο έργο της ΕΜΥ ΠΙΝΑΚΑΣ 4.2Α : Πίνακας που δείχνει αν και σε ποιο μήνα χρησιμοποιούνται οι μεταβλητές ως παράμετροι παρεμβολής της θερμοκρασίας. 51 ΠΙΝΑΚΑΣ 4.2Β : Πίνακας που δείχνει αν και σε ποιο μήνα χρησιμοποιούνται οι υπόλοιπες μεταβλητές ως παράμετροι παρεμβολής της θερμοκρασίας

8 ΚΑΤΑΛΟΓΟΣ ΣΧΗΜΑΤΩΝ ΣΧΗΜΑ 1.1 : Χάρτης της Ελλάδας με το διαχωρισμό της σε κλιματικές ζώνες κατά Köppen ΣΧΗΜΑ 1.2 : Χάρτης της Ελλάδας με την ετήσια εκτιμώμενη ποσότητα ολικής ηλιακής ενέργειας που προσπίπτει στο έδαφος..17 ΣΧΗΜΑ 1.3 : Οι θέσεις των σταθμών της ΕΜΥ που μας παρέχουν τις παρατηρήσεις της μέσης θερμοκρασίας για την περίοδο ΣΧΗΜΑ 2.1 : Χάρτης του υψομέτρου για κάθε σημείο του πλέγματος ΣΧΗΜΑ 2.2 : (a) PCA1, (b) PCA2, (c) PCA3, (d) PCA4, (e) PCA5..27 ΣΧΗΜΑ 3.1 : Γραμμικό μοντέλο παλινδρόμησης μεταξύ των παρατηρήσεων της μέσης θερμοκρασίας (για τους 52 σταθμούς) και της ηλιακής ακτινοβολίας. Τα εξωτερικά όρια υποδεικνύουν τα διαστήματα πρόβλεψης 95,0% για τις νέες παρατηρήσεις και τα εσωτερικά το διάστημα εμπιστοσύνης 95,0% για τη μέση τιμή όλων των σταθμών ΣΧΗΜΑ 3.2 : Η ένταση της ηλιακής ακτινοβολίας όπως αυτή χρησιμοποιήθηκε στο έργο της ΕΜΥ ΣΧΗΜΑ 3.3 : Χρονοσειρά του μέσου όρου οπτικού βάθους των αιρούμενων σωματιδίων στα 0,55 μικρά (Ιούλιος 2002 Μάρτιος 2017) για τον Ελλαδικό χώρο ΣΧΗΜΑ 3.4 : Μέση συνολική ημερήσια ηλιακή ενέργεια Ιανουαρίου.. 32 ΣΧΗΜΑ 3.5 : Μέση συνολική ημερήσια ηλιακή ενέργεια Φεβρουαρίου.. 33 ΣΧΗΜΑ 3.6 : Μέση συνολική ημερήσια ηλιακή ενέργεια Μαρτίου...33 ΣΧΗΜΑ 3.7 : Μέση συνολική ημερήσια ηλιακή ενέργεια Απρίλιου. 33 ΣΧΗΜΑ 3.8 : Μέση συνολική ημερήσια ηλιακή ενέργεια Μαΐου. 34 ΣΧΗΜΑ 3.9 : Μέση συνολική ημερήσια ηλιακή ενέργεια Ιουνίου ΣΧΗΜΑ 3.10 : Μέση συνολική ημερήσια ηλιακή ενέργεια Ιουλίου..34 ΣΧΗΜΑ 3.11 : Μέση συνολική ημερήσια ηλιακή ενέργεια Αυγούστου

9 ΣΧΗΜΑ 3.12 : Μέση συνολική ημερήσια ηλιακή ενέργεια Σεπτεμβρίου. 35 ΣΧΗΜΑ 3.13 : Μέση συνολική ημερήσια ηλιακή ενέργεια Οκτωβρίου ΣΧΗΜΑ 3.14 : Μέση συνολική ημερήσια ηλιακή ενέργεια Νοεμβρίου ΣΧΗΜΑ 3.15 : Μέση συνολική ημερήσια ηλιακή ενέργεια Δεκεμβρίου...36 ΣΧΗΜΑ 3.16 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Ιανουαρίου ΣΧΗΜΑ 3.17 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Φεβρουαρίου ΣΧΗΜΑ 3.18 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Μαρτίου...38 ΣΧΗΜΑ 3.19 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Απριλίου ΣΧΗΜΑ 3.20 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Μαΐου ΣΧΗΜΑ 3.21 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Ιουνίου ΣΧΗΜΑ 3.22 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Ιουλίου ΣΧΗΜΑ 3.23 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Αυγούστου ΣΧΗΜΑ 3.24 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Σεπτεμβρίου ΣΧΗΜΑ 3.25 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Οκτωβρίου ΣΧΗΜΑ 3.26 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Νοεμβρίου ΣΧΗΜΑ 3.27 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Δεκεμβρίου

10 ΣΧΗΜΑ 4.1 : Μηνιαία μεταβολή των συντελεστών συσχέτισης (r) και προσδιορισμού (r2) για χωρική παρεμβολή της θερμοκρασίας με βέλτιστες παραμέτρους ΣΧΗΜΑ 4.2 : Η μέση αντιπροσωπευτικότητα ανά μήνα για τους 52 σταθμούς. Με τη μαύρη γραμμή απεικονίζεται η αντιπροσωπευτικότητα για τους σταθμούς με τις βέλτιστες παραμέτρους και με γκρι για αυτές του μοντέλου ΣΧΗΜΑ 4.3 : Αριθμός των μεταβλητών που χρησιμοποιήθηκαν ως εκτιμητές παρεμβολής της θερμοκρασίας ανά μήνα ΣΧΗΜΑ 4.4 : Σύγκριση των συντελεστών συσχέτισης (r) και προσδιορισμού (r2) για την παλιό και νέο υπολογισμό της ακτινοβολίας ΣΧΗΜΑ 4.5 : Διακύμανση του συντελεστή αντιπροσωπευτικότητας των 52 σταθμών με το νέο υπολογισμό ακτινοβολίας..50 ΣΧΗΜΑ 4.6 : Αριθμός εκτιμητών παρεμβολής θερμοκρασίας ανά μήνα...50 ΣΧΗΜΑ 5.1 : Μέση θερμοκρασία Ιανουαρίου ( ).. 53 ΣΧΗΜΑ 5.2 : Μέση θερμοκρασία Φεβρουαρίου ( ) ΣΧΗΜΑ 5.3 : Μέση θερμοκρασία Μαρτίου ( )...54 ΣΧΗΜΑ 5.4 : Μέση θερμοκρασία Απριλίου ( ).. 55 ΣΧΗΜΑ 5.5 : Μέση θερμοκρασία Μαΐου ( )..55 ΣΧΗΜΑ 5.6 : Μέση θερμοκρασία Ιουνίου ( ). 56 ΣΧΗΜΑ 5.7 : Μέση θερμοκρασία Ιουλίου ( ) ΣΧΗΜΑ 5.8 : Μέση θερμοκρασία Αυγούστου ( )...57 ΣΧΗΜΑ 5.9 : Μέση θερμοκρασία Σεπτεμβρίου ( ) ΣΧΗΜΑ 5.10 : Μέση θερμοκρασία Οκτωβρίου ( ). 58 ΣΧΗΜΑ 5.11 : Μέση θερμοκρασία Νοεμβρίου ( ) ΣΧΗΜΑ 5.12 : Μέση θερμοκρασία Δεκεμβρίου ( ) ΣΧΗΜΑ 6.1 : Τυπική απόκλιση της μέσης θερμοκρασίας Ιανουαρίου ( ) ΣΧΗΜΑ 6.2 : Τυπική απόκλιση της μέσης θερμοκρασίας Απριλίου ( )

11 ΣΧΗΜΑ 6.3 : Τυπική απόκλιση της μέσης θερμοκρασίας Ιουνίου ( ) ΣΧΗΜΑ 6.4 : Τυπική απόκλιση της μέσης θερμοκρασίας Οκτωβρίου ( )

12 ΠΕΡΙΛΗΨΗ Στην εργασία αυτή γίνεται μια ανασκόπηση του γεωστατιστικού προτύπου που χρησιμοποιήθηκε για την ανάπτυξη του σύγχρονου ψηφιακού Κλιματικού Άτλαντα της Εθνικής Μετεωρολογικής Υπηρεσίας. Σκοπός μας είναι να διαπιστώσουμε αν ο ακριβέστερος υπολογισμός της ηλιακής ακτινοβολίας στο έδαφος, δίνει ακριβέστερα αποτελέσματα της χωρικής παρεμβολής της μέσης μηνιαίας θερμοκρασίας στην Ελλάδα. Η ακτινοβολία αποτελεί μια από τις 20 παραμέτρους του προτύπου MISH που χρησιμοποιούνται στο γεωστατιστικό πρότυπο στο οποίο εφαρμόζονται ομογενοποιημένα δεδομένα θερμοκρασίας 52 σταθμών της ΕΜΥ της κλιματικής περιόδου Παρουσιάζουμε επίσης μια μεθοδολογία υπολογισμού των αβεβαιοτήτων του γεωστατιστικού προτύπου που χρησιμοποιήθηκε για τη δημιουργία του Κλιματικού Άτλαντα. Αρχικά παρουσιάζουμε το κλίμα της Ελλάδας και τα κλιματικά δεδομένα που χρησιμοποιήσαμε. Ύστερα αναλύουμε τη μεθοδολογία MISH και τα αποτελέσματα του έργου της ΕΜΥ. Γίνεται στατιστική ανάλυση αυτών των αποτελεσμάτων καθώς και των δικών μας αποτελεσμάτων που παρουσιάζονται με μορφή χάρτη. Για την τελική αξιολόγηση των αποτελεσμάτων μας χρησιμοποιούμε τη μέθοδο Jackknife και παρουσιάζουμε την τυπική απόκλιση της μέσης θερμοκρασίας. 12

13 ABSTRACT In this thesis, the geostatistical model that was used for the development of the modern digital Climate Atlas from the Hellenic National Meteorological Service (HNMS) is being reviewed. Our aim is to asses whether the new and more precise solar radiation calculations on the ground level leads to more precise results of the spatial interpolation of the mean monthly temperature of Greece. Solar radiation is one of 20 parameters of the MISH model used at the geostatistical model applied to the homogenized temperature data from 52 HNMS stations for the period Initially we make a presentation of the climate of Greece and the data we used. Furthermore, we present the MISH method and the results performed by the HNMS in order to develop the Climate Atlas. Our results are statistically analyzed and presented graphically into a map form. We also evaluate a Jackknife method in order to estimate the uncertainties of the results of the geostatistical model used. 13

14 ΚΕΦΑΛΑΙΟ 1 ΚΛΙΜΑ ΚΑΙ ΚΛΙΜΑΤΙΚΑ ΔΕΔΟΜΕΝΑ 1.1 Η έννοια του κλίματος Το κλίμα σε μια περιοχή ορίζεται ως ο μέσος καιρός και προκύπτει από τη στατιστική ανάλυση του μέσου όρου παρατηρήσεων μετεωρολογικών δεικτών όπως η θερμοκρασία, ο άνεμος, ο υετός, ο χρόνος ηλιοφάνεια κ.α.. Ο απαιτούμενος χρόνος παρατηρήσεων για να μελετηθεί το κλίμα μιας περιοχής είναι τα 30 έτη. Οι κυριότερες συνιστώσες που διαμορφώνουν το κλίμα μιας περιοχής είναι: 1) Το γεωγραφικό πλάτος 2) Το υψόμετρο 3) Το ενεργειακό ισοζύγιο ακτινοβολίας (άμεση προσπίπτουσα ηλιακή ακτινοβολία ανακλώμενη προς το διάστημα ακτινοβολία) 4) Η επικρατούσα στην περιοχή γενική κυκλοφορία της ατμόσφαιρας (μόνιμα κέντρα υψηλής ή χαμηλής πίεσης) 5) Η απόσταση από τη θάλασσα και η αναλογία ξηράς θάλασσας 6) Ο τύπος εδάφους, το είδος χρήσης και το ανάγλυφό του 7) Τα θαλάσσια ρεύματα που επηρεάζουν την περιοχή Η κλιματική κατάταξη που χρησιμοποιείται σήμερα από την επιστημονική κοινότητα είναι αυτή που επινόησε ο Ρωσσογερμανός κλιματολόγος Wladimir Peter Köppen το Ύστερα ενημερώθηκε το 1954 και το 1961 από το Γερμανό Rudolf Geiger και αναθεωρήθηκε αρκετές φορές με πιο πρόσφατες αυτές των Kottek et al. (2006) και Peel et al. (2007). O Köppen χρησιμοποίησε ως βασικό κριτήριο για την κλιματική κατάταξη ενός τόπου το είδος και την εποχική μεταβολή της βλάστησης. Οι πέντε βασικές κατηγορίες στις οποίες διαχώρισε το κλίμα της Γης χαρακτηρίζονται από τα πέντε πρώτα γράμματα του αγγλικού αλφαβήτου και είναι οι εξής: Class A : Tropical rainforest (Af) - Tropical monsoon (Am) - Tropical savanna (Aw, As) Class B : Desert (BWh, BWk, BWn) - Semi-arid (BSh, BSk, BSn) Class C : Humid subtropical (Cfa, Cwa) - Oceanic (Cfb, Cwb, Cfc, Cwc) - Mediterranean (Csa, Csb, Csc) Class D : Humid continental (Dfa, Dwa, Dfb, Dwb, Dsa, Dsb) - Subarctic (Dfc, Dwc, Dfd, Dwd, Dsc, Dsd) Class E : Tundra (ET) - Ice cap (EF) - Alpine (ET, EF) 14

15 Στην παραπάνω κατάταξη το γράμμα Α εκφράζει τα τροπικά (θερμά και υγρά) κλίματα, το Β τα ξηρά κλίματα (ερημικά-ημιερημικά), το C τα θερμά εύκρατα κλίματα (ήπιοι χειμώνεςδροσερά καλοκαίρια), το D ψυχρά ηπειρωτικά κλίματα με δριμείς χειμώνες και το E τα πολικά ξηρά κλίματα. Ο επόμενος διαχωρισμός γίνεται με βάση την ποσότητα, την ένταση και τη συχνότητα του υετού που κατακρημνίζεται σε έναν τόπο στη διάρκεια του έτους. Η ύπαρξη ή όχι ξηρής περιόδου εξαρτάται από την ποσότητα του υετού κατά τη διάρκεια του θερμότερου μήνα του έτους. Προκειμένου να γίνει αυτή η κλιματική κατάταξη χρησιμοποιούνται τα γράμματα f, m, w, s, W, S, F και T. Τα f, m, w, s, W, S αναφέρονται σε βροχομετρικά χαρακτηριστικά με τα W και S να αφορούν μόνο την κατηγορία Β. Τέλος, τα F και T αφορούν θερμοκρασιακά χαρακτηριστικά και ανήκουν στην κατηγορία Ε. Η τρίτη κατάταξη του κλίματος γίνεται με βάση τη θερμοκρασία του θερμότερου μήνα του έτους. Στην Ελλάδα αυτός είναι ο Ιούλιος και μετά ο Αύγουστος. Με την τιμή του μήνα αυτού χαρακτηρίζεται το καλοκαίρι και κατατάσσεται ανάλογα με τα γράμματα a, b, c, d, h και k 1.2 Το κλίμα της Ελλάδας Λόγω της γεωγραφικής θέσης της Ελλάδας στο βόρειο και ανατολικό τμήμα της λεκάνης της Μεσογείου το κλίμα της χαρακτηρίζεται γενικά ως εύκρατο μεσογειακού τύπου. Ωστόσο, παράμετροι όπως η παρουσία πολλών και μεγάλων ορεινών όγκων, που πολλοί εκ των οποίων πλησιάζουν ή ξεπερνούν τα 2000 μέτρα σε υψόμετρο, με κυριότερη την οροσειρά της Πίνδου, τα 2 κύρια πελάγη (Αιγαίο, Ιόνιο) που περιβάλλουν τον ηπειρωτικό κορμό της Ελλάδας, η πλούσια ακτογραμμή της και τα εκατοντάδες νησιά της διαμορφώνουν μια μεγάλη ποικιλία στο κλίμα της που παρουσιάζει εντυπωσιακές διαφορές ακόμα και σε λίγα χιλιόμετρα απόσταση. 15

16 Σχήμα 1.1 : Χάρτης της Ελλάδας με το διαχωρισμό της σε κλιματικές ζώνες κατά Köppen. Πηγή : Επίσης, ρόλο παίζει και η διαφορά στην ποσότητα ηλιακής ακτινοβολίας που προσπίπτει σε κάθε περιοχή αφού το γεωγραφικό πλάτος της Ελλάδας ποικίλει από τις 34 ο και 48 στο πιο νότιο σημείο (νήσος Γαύδος) μέχρι τις 41 ο και 45 στο βορειότερο σημείο (Ορμένιο Έβρος). Η έντονη επιρροή της θάλασσας στο κλίμα της Ελλάδας φαίνεται στο γεγονός ότι παρόλο που το μεγαλύτερο ποσοστό της έκτασής της είναι ηπειρωτικό με km 2 έναντι km 2 του νησιωτικού, η ακτογραμμή της είναι km και η μεγαλύτερη απόσταση σημείου σε ευθεία από οποιαδήποτε ακτή είναι 137 km. Περιοχές που βρίσκονται σε κοντινή απόσταση από τη θάλασσα διατηρούν πιο δροσερές θερμοκρασίες το καλοκαίρι και πιο ήπιες το χειμώνα κάνοντας το κλίμα πιο εύκρατο. Παράλληλα όμως το 80% του εδάφους είναι ορεινό ή λοφώδες με μεγάλες οροσειρές να δημιουργούν πολύ ιδιαίτερα τοπικά κλιματικά χαρακτηριστικά. Δημιουργούνται χαράδρες, λεκανοπέδια και οροπέδια στα οποία οι τοπικοί επικρατούντες άνεμοι και η έλλειψη γειτνίασης με τη θάλασσα που διαμορφώνουν οι ορεινοί όγκοι επηρεάζουν σε μεγάλο βαθμό το τοπικό κλίμα. 16

17 Επίσης, η οροσειρά της Πίνδου που επιδρά σημαντικά στο κλίμα της Ελλάδας μειώνει σημαντικά την πρόσπτωση της ηλιακής ακτινοβολίας στη Δυτική Ελλάδα σε σχέση με την Ανατολική. Αυτό συμβαίνει διότι λόγω της Πίνδου το Δυτικό τμήμα της Ελλάδας δέχεται πολύ περισσότερες βροχές σε σχέση με το Ανατολικό και αντίστοιχα έχει περισσότερες ημέρες συννεφιάς. Στον παρακάτω χάρτη φαίνεται και η σημασία του ορεινού ανάγλυφου στην πρόσπτωση της ηλιακής ακτινοβολίας καθώς και του προσανατολισμού των πλαγιών των ορεινών όγκων στη διαμόρφωση της τιμής του ηλιακού δυναμικού της κάθε περιοχής. Η συνεισφορά αυτή γίνεται εμφανής στα επόμενα κεφάλαια που παρουσιάζονται τα αποτελέσματα από την ανάλυση των παραμέτρων στο πρόγραμμα MISH και θα γίνει η παρουσίαση της μηνιαίας μεταβολής της ποσότητας της ηλιακής ακτινοβολίας που προσπίπτει στην Ελλάδα. Σχήμα 1.2 : Χάρτης της Ελλάδας με την ετήσια εκτιμώμενη ποσότητα ολικής ηλιακής ενέργειας που προσπίπτει στο έδαφος. Πηγή : Ελληνικό Δίκτυο Ηλιακής Ενέργειας,

18 Η αποτύπωση των κλιματικών τιμών της θερμοκρασίας ανά μήνα με μεγάλη χωρική ανάλυση που έγινε με τον πρώτο ψηφιακό κλιματικό άτλαντα της Ελλάδας στο πλαίσιο του επιχειρησιακού έργου της ΕΜΥ, είναι πολύ σημαντική καθώς επιτρέπει τον ευκολότερο διαχωρισμό σε κλιματικές ζώνες σε τοπικό επίπεδο. Αυτός ο διαχωρισμός είναι πολύ σημαντικός ιδιαίτερα στη γεωργία καθώς επιτρέπει στους γεωργούς να γνωρίζουν καλύτερα τι φυτά μπορούν να καλλιεργήσουν και πως μπορούν να εργαστούν ανάλογα με το μήνα του έτους. Επίσης, μπορεί να αποτελέσει οδηγό για τη σωστή κατασκευή των κτιρίων ώστε να έχουν τις μικρότερες θερμικές απώλειες ανάλογα με την περιοχή που χτίζονται. 1.3 Δεδομένα Στην Ελλάδα η καταγραφή των πρώτων συστηματικών παρατηρήσεων θερμοκρασίας ξεκίνησε το 1858 από το Μετεωρολογικό Ινστιτούτο του Εθνικού Αστεροσκοπείου Αθηνών, λειτουργώντας από το 1890 ένα δίκτυο 7 μετεωρολογικών σταθμών σε όλη τη χώρα. Το 1931 ιδρύθηκε η Εθνική Μετεωρολογική Υπηρεσία (ΕΜΥ) λειτουργώντας 31 μετεωρολογικούς σταθμούς χωρίς ωστόσο οι παρατηρήσεις της θερμοκρασίας να είναι πλήρεις ή συνεχείς. Δεδομένα σε ηλεκτρονική μορφή υπάρχουν από το 1951 και το σταθμό της Αλεξανδρούπολης και από το 1955 σε 18 ακόμα σταθμούς. Το δίκτυο των σταθμών της ΕΜΥ εμπλουτίστηκε από τότε με 140 συμβατικούς μετεωρολογικούς σταθμούς. Πλέον λειτουργούν 117 ( 34 συμβατικοί, 37 ημιαυτόματοι και 46 αυτόματοι). Τα δεδομένα που χρησιμοποιήσαμε για την παραγωγή των χαρτών των μηνιαίων θερμοκρασιών προέρχονται από 52 μετεωρολογικούς σταθμούς της ΕΜΥ με τις πιο πλήρεις και παλαιότερες χρονοσειρές θερμοκρασίας. Πρόκειται για ομογενοποιημένες χρονοσειρές μηνιαίων τιμών θερμοκρασίας για το διάστημα Τα δεδομένα ομογενοποιήθηκαν (Mamara et al., 2017) με τη χρήση του λογισμικού HOMER (Venema et al., 2012) καθώς το 85% των δεδομένων περιείχε ασυνέχειες που διορθώθηκαν καταλλήλως. Στον παρακάτω χάρτη φαίνονται οι θέσεις των σταθμών του δικτύου της ΕΜΥ που χρησιμοποιήθηκαν τα δεδομένα τους. 18

19 Σχήμα 1.3 : Οι θέσεις των σταθμών της ΕΜΥ που μας παρέχουν τις παρατηρήσεις της μέσης θερμοκρασίας για την περίοδο (Πηγή : Mamara et al., 2017). Για τον κάθε σταθμό εκτός από τα δεδομένα θερμοκρασίας δίνονται και τα στοιχεία όπως η ταυτότητά του (station ID), το γεωγραφικό μήκος του (longitude) ( o ), το γεωγραφικό πλάτος του (latitude) ( ο ), το υψόμετρο του (elevation) (m) και την απόσταση του από τη θάλασσα (distance from the sea) (km). Στον επόμενο πίνακα παρατίθενται τα στοιχεία όλων των σταθμών. 19

20 ΠΙΝΑΚΑΣ 1.1 Πίνακας 1.1 : Πίνακας με τα στοιχεία των 52 σταθμών. Από αριστερά προς τα δεξιά είναι η ταυτότητα, το γεωγραφικό μήκος, το γεωγραφικό πλάτος, το υψόμετρο και η Ευκλείδεια απόσταση από τη θάλασσα. (Πηγή : Mamara et al., 2017). 20

21 ΚΕΦΑΛΑΙΟ 2 ΘΕΩΡΙΑ MISH 2.1 Εισαγωγή στη μέθοδο MISH Για την παραγωγή των αποτελεσμάτων αυτής της διπλωματικής εργασίας χρησιμοποιήθηκε η αναθεωρημένη έκδοση της μεθόδου MISH (Meteorological Interpolation based on Surface Homogenized data), η MISHv1.03 που αναπτύχθηκε από τους επιστήμονες Tamas Szentimrey και Zita Bihari της Ουγγρικής Μετεωρολογικής Υπηρεσίας (OMSZ). Η μέθοδος MISH αναπτύχθηκε για τη χωρική παρεμβολή των μετεωρολογικών παραμέτρων στο έδαφος. Εδώ θα περιγράψουμε τη διαδικασία που απαιτείται για την παραγωγή των χαρτών της μέσης μηνιαίας τιμής της θερμοκρασίας που είναι και αντικείμενο της εργασίας αυτής. Η διαδικασία γίνεται με τα ακόλουθα βήματα. Χρησιμοποιούνται πληροφορίες οι οποίες προκύπτουν από ομογενοποιημένες μακροχρόνιες (τουλάχιστον 20 έτη) μέσες μηνιαίες κλιματικές τιμές. Από συναρτήσεις των στατιστικών παραμέτρων που προκύπτουν, υπολογίζονται οι βέλτιστες παράμετροι παρεμβολής. Τέλος χρησιμοποιούνται οι βέλτιστες παράμετροι για τη χωρική παρεμβολή της θερμοκρασίας. Ουσιαστικά προκειμένου να παραχθεί το τελικό αποτέλεσμα που είναι η απεικόνιση των κλιματικών μηνιαίων τιμών θερμοκρασίας χρειάζεται: 1) Η μαθηματική περιγραφή των στατιστικών παραμέτρων (βέλτιστων) με βάση τα γεωγραφικά και τοπογραφικά χαρακτηριστικά και ύστερα η στατιστική αξιολόγηση της μαθηματικής προτυποποίησης. 2) Για τη χωρική παρεμβολή της θερμοκρασίας χρησιμοποιούνται τα αποτελέσματα της ανωτέρω μαθηματικής προτυποποίησης. Συγκεκριμένα η διαδικασία που ακολουθείται για τη χωρική παρεμβολή της θερμοκρασίας είναι η εξής: o o o o Για τη θερμοκρασία χρησιμοποιείται προσθετικό μαθηματικό μοντέλο. Γίνεται παρεμβολή σε μηνιαίες τιμές μέσης θερμοκρασίας 45 ετών (υπάρχει δυνατότητα και για ημερήσιες). Δεν απαιτείται μεγάλος αριθμός εκτιμητών για τη χωρική παρεμβολή (διαφέρει ανάλογα με το μήνα). Περιγράφονται μαθηματικά και τα αναμενόμενα σφάλματα της παρεμβολής. 21

22 o Υπάρχει δυνατότητα χρησιμοποίησης επιπλέον δεδομένων από ραντάρ η δορυφόρους για μεγαλύτερη ακρίβεια στη χωρική παρεμβολή. Στη συγκεκριμένη εργασία δεν χρησιμοποιήσαμε αυτή την επιλογή. 2.2 Μαθηματικό υπόβαθρο MISH Για να λυθεί το πρόβλημα της χωρικής παρεμβολής των μετεωρολογικών παραμέτρων θεωρούμε γνωστούς ανεξάρτητους εκτιμητές Ζ(s 1, t)..z(s Μ, t), όπου t ο χρόνος και s 1 s Μ τα διανύσματα θέσης του ορισμένου χώρου. Από αυτούς τους ανεξάρτητους εκτιμητές προκύπτει ο άγνωστος εκτιμητής Ζ(s 0, t), που είναι και η εξαρτημένη μεταβλητή που θέλουμε να υπολογίσουμε. Για την κατανομή πιθανότητας της παραμέτρου της θερμοκρασίας η κανονική κατανομή θεωρείται κατάλληλη για την παρεμβολή και όπως αναφέραμε χρησιμοποιείται το προσθετικό πρότυπο, που περιγράφεται από την ακόλουθη σχέση: (2.1),όπου οι παράμετροι παρεμβολής. και w 0, w i (i = 1,, M) είναι Το μέσο τετραγωνικό σφάλμα παρεμβολής δίνεται από τον τύπο: (2.2),όπου Ε είναι η αναμενόμενη τιμή της θερμοκρασίας. Η αντιπροσωπευτικότητα των σταθμών δίνεται από τον τύπο: (2.3), όπου D(s 0) η τυπική απόκλιση. Οι βέλτιστες παράμετροι παρεμβολής που χρησιμοποιεί το MISH παράγονται από μαθηματικές σχέσεις των βασικών στατιστικών παραμέτρων και ελαχιστοποιούν το σφάλμα της χωρικής παρεμβολής. 22

23 Οι βασικές στατιστικές παράμετροι είναι ουσιαστικά τοπικές ή ντετερμινιστικές παράμετροι (αναμενόμενες τιμές και τυπικές αποκλίσεις) και στοχαστικές παράμετροι (προτιμώνται στη μετεωρολογία και στη γεωστατιστική). Σε ένα ιδανικό σενάριο που θα γνωρίζαμε το κλίμα με πολύ μεγάλη ακρίβεια, θα επιτυγχάναμε τη βέλτιστη παρεμβολή, αφού οι στατιστικές παράμετροι αποτελούνται από κλιματικές παραμέτρους. 2.3 Χωρική παρεμβολή με τις βέλτιστες παραμέτρους Οι βέλτιστες παράμετροι χωρικής παρεμβολής μπορούν να περιγραφούν με συναρτήσεις των κλιματικών μεταβλητών. Έτσι το βέλτιστο σφάλμα παρεμβολής και η βέλτιστη αντιπροσωπευτικότητα των σταθμών γράφονται αντίστοιχα: και Δομή των βέλτιστων παραμέτρων παρεμβολής Για να επιτύχουμε το ελάχιστο σφάλμα είναι απαραίτητη η χρήση των βέλτιστων παραμέτρων παρεμβολής. Η βέλτιστη σταθερά w 0 εξαρτάται από τις διαφορές των E(s 0) E(s i) με (i=1 M). Επίσης, ο βέλτιστος συντελεστής βαρύτητας w i με (i=1 M) όπως και η βέλτιστη αντιπροσωπευτικότητα REP OP(s 0) εξαρτώνται από τους λόγους των D(s 0)/D(s i) με (i=1 M) και από τους συσχετισμούς r( s i, s j ) με (i, j =1 M). Επομένως, καταλήγουμε στο συμπέρασμα ότι οι βέλτιστες παράμετροι χωρικής παρεμβολής και συνεπώς η βέλτιστη αντιπροσωπευτικότητα εξαρτώνται μόνο από τη συσχέτιση της δομής και της χωρικής κατανομής των τοπικών στατιστικών παραμέτρων. Αν και σε αυτή την εργασία δουλεύουμε με μηνιαίες τιμές θερμοκρασίας, από τα παραπάνω γίνεται σαφές ότι μπορούμε να εργαστούμε και με ημερήσιες τιμές. Αξίζει να σημειώσουμε πως αποδεικνύεται ότι το w 0 στην εξίσωση (2.1) δίνεται από τη σχέση: (2.4) Επίσης, το διάνυσμα των μη μηδενικών συντελεστών βαρύτητας είναι: 23

24 (2.5),όπου c 0,pr και C pr είναι το διάνυσμα της κατάλληλης συσχέτισης εκτιμητών και προβλεπόμενης μετεωρολογικών παραμέτρων και ο πίνακας συσχέτισης των εκτιμητών αντίστοιχα. Το διάνυσμα 1 είναι το μοναδιαίο διάνυσμα. 2.4 Χωρική απεικόνιση των κλιματικών παραμέτρων Γνωστές κλιματικές στατιστικές παράμετροι προς απεικόνιση Στο MISH χρησιμοποιούνται μακροχρόνιες ομογενοποιημένες σειρές δεδομένων για την απεικόνιση των παραμέτρων. Αν οι σταθμοί S j ( j = 1 N ) έχουν μακροχρόνιες ομογενοποιημένες τιμές θερμοκρασίας, τότε οι τοπικές παράμετροι E(S j), D(S j) με ( j = 1 N ) και οι συσχετισμοί r(s j1,s j2) με ( j 1, j 2 = 1 N ) δύνανται να εκτιμηθούν στατιστικά. Με τη μέθοδο MISH δε χάνεται πολύτιμη πληροφορία από τις μακροχρόνιες σειρές δεδομένων όπως συμβαίνει με τις γεωστατιστικές μεθόδους του GIS Απεικόνιση των κλιματικών παραμέτρων σε γειτονικά σημεία Για να γίνει η σωστή απεικόνιση των κλιματικών στατιστικών παραμέτρων σε γειτονικά σημεία ακολουθάται η παρακάτω βασική αρχή. Αν υποθέσουμε ότι P(s), Q(s), ř s0 (s 1,s 2) με (s, s 0, s 1, s 2 ϵ D) είναι συγκεκριμένες συναρτήσεις του μοντέλου που εξαρτώνται από διαφορετικές τιμές του μοντέλου, τότε έχουν τις ακόλουθες ιδιότητες: αν αν αν και (2.6) 2.5 Παράμετροι παρεμβολής θερμοκρασίας Έχουμε δει ότι η μέθοδος MISH μέσω κατάλληλων μαθηματικών σχέσεων και επιλέγοντας τις τοπογραφικές και γεωφυσικές παραμέτρους που ταιριάζουν σε κάθε περίπτωση. Αυτό συμβαίνει γιατί ανάλογα με την μετεωρολογική παράμετρο που θέλουμε να γίνει 24

25 χωρικοποίηση και ανάλογα με το μήνα που εξετάζουμε. Στην εργασία αυτή χρησιμοποιούνται 19 παράμετροι οι οποίες ανάλογα με τον τόπο που γίνεται η παραμετροποίηση επηρεάζουν διαφορετικά το αποτέλεσμα της χαρτογράφησης της θερμοκρασίας. Η γεωγραφική θέση των σταθμών και οι κλιματικές τιμές θερμοκρασίας που δίνουν, συνδέονται με τις μαθηματικές σχέσεις που έχουμε αναφέρει με τις τοπογραφικές και γεωφυσικές παραμέτρους και παίρνουμε το τελικό αποτέλεσμα Υψόμετρο Για να γίνει χαρτογράφηση του υψομέτρου, που θεωρείται βασικός εκτιμητής της θερμοκρασίας, χρησιμοποιήσαμε το μοντέλο ψηφιακής απεικόνισης υψομέτρου (digital elevation model DEM) της NASA ( που παράχθηκε από το πρόγραμμα SRTM (Shuttle Radar Topography Mission). H χωρική ανάλυση της απεικόνισης είναι 90m x 90m. Το κατακόρυφο σφάλμα του DEM είναι 16m. Τα υψομετρικά δεδομένα εκφράζονται σε μέτρα και υπολογίζονται μέσω του γεωδαιτικού συστήματος αναφοράς WGS84 (World Geodetic System 1984) και το γεωειδές από το παγκόσμιο μοντέλο βαρύτητας EGM96 (Earth Gravity Model 1996). Οι υψομετρικές διαφορές για την περιοχή της Ελλάδας παρουσιάζονται σε ένα πλέγμα με επιμέρους τμήματα 5 ο x 5 o. Για την Ελλάδα χρησιμοποιήθηκαν από το DEM τα τμήματα srtm_40_04, srtm_40_05, srtm_41_04, srtm_41_05, srtm_41_06, srtm_42_04, srtm_42_05, srtm_42_06. Σχήμα 2.1 : Χάρτης του υψομέτρου για κάθε σημείο του πλέγματος 25

26 2.5.2 Υπόλοιπες συνιστώσες Εφόσον οι πληροφορίες για το υψόμετρο δίνονται με τη μορφή πλέγματος, έτσι και οι υπόλοιπες συνιστώσες εκφράζονται με αυτή τη μορφή. Τα τμήματα του πλέγματος (pixels) απεικονίζουν τη μέση τιμή μιας παραμέτρου εντός κυκλικής περιοχής ακτίνας 800m με χωρική ανάλυση 0,5 λεπτά της μοίρας ή 0, δεκαδικές μοίρες. Για την Ελλάδα οι 0, δεκαδικές μοίρες διαφέρουν από 689m στο νοτιότερο σημείο (γεωγραφικό πλάτος 34 ο Β) έως 769m (γεωγραφικό πλάτος 42 ο Β). Οι κύριες συνιστώσες εκτός του υψομέτρου λοιπόν είναι: Το γεωγραφικό πλάτος (φ) Η αναλογία ξηράς-θάλασσας εντός κυκλικής περιοχής ακτίνας 10km, με 0 να είναι η τιμή για ποσοστό 0% και 1 για ποσοστό 100% Η μέση ημερήσια ενέργεια της προσπίπτουσα ηλιακή ακτινοβολία ανά μήνα (kwh. m -2 ) Η Ευκλείδεια απόσταση από τη θάλασσα (km) 15 κύριες συνιστώσες AURELHY Μέθοδος AURELHY Η μέθοδος AURELHY (Analyse Utilisant le Relief pour les Besoins de l Hydrometeorologie) ( Benichou, Le Breton; 1987) αναπτύχθηκε από τη Γαλλική Μετεωρολογική Υπηρεσία (Meteo France) και ακολουθεί τη μέθοδο residual kriging. Στην αρχική μέθοδο AURELHY προτείνεται η χρησιμοποίηση 11 x 11 (121) γειτονικών σημείων για την περιγραφή του κάθε σημείου. Σε αυτή τη εργασία κάθε σημείο του πλέγματος περιγράφεται από 1550 γειτονικά σημεία εκ των οποίων 2 x 16 σε γεωγραφικό πλάτος και 2 x 23 σε γεωγραφικό μήκος. Αυτός ο αριθμός σημείων εξασφαλίζει σχεδόν ίσες αποστάσεις από το σημείο σε όλες τις κατευθύνσεις και δίνεται από τον τύπο (1550=(2 16+1) (2 23+1) 1). Ο μεγάλος όγκος δεδομένων συμπιέζεται και εκφράζεται μέσω των 15 κύριων συνιστωσών (Principal Component Analysis-PCA). Οι πέντε πρώτες είναι οι (PCA1) κορυφές και κοιλάδες, (PCA2) πλαγιές ανατολής-δύσης, (PCA3) πλαγιές βορρά-νότου, (PCA4) σέλλες βορρά-νότου και (PCA5) σέλλες βορειοανατολικά-νοτιοδυτικά. Στην επόμενη εικόνα παρουσιάζονται οι 5 πρώτες συνιστώσες γραφικά. 26

27 Εικόνα 2.2 : (a) PCA1, (b) PCA2, (c) PCA3, (d) PCA4, (e) PCA5. (Πηγή : Mamara et al., 2017). 27

28 ΚΕΦΑΛΑΙΟ 3 ΤΟ ΕΡΓΟ ΤΗΣ ΕΜΥ ΚΑΙ Η ΚΑΙΝΟΥΡΙΑ ΤΡΟΠΟΠΟΙΗΣΗ 3.1 Το έργο της ΕΜΥ Όπως έχουμε αναφέρει η διδακτορική διατριβή της κας.μαμάρα αποτέλεσε οδηγό της ανάπτυξης του ψηφιακού κλιματικού Άτλαντα της ΕΜΥ και κατά συνέπεια αυτής της διπλωματικής εργασίας. Σε γενικές γραμμές εργαζόμαστε με τη βοήθεια του έργου της ΕΜΥ, για το οποίο συγκεντρώθηκαν σε ομογενοποιημένες μακροχρόνιες σειρές οι μέσες μηνιαίες τιμές της θερμοκρασίας από τους 52 σταθμούς της ΕΜΥ. Το έργο αυτό της ΕΜΥ προσφέρει για πρώτη φορά πληροφορίες για τη μέση θερμοκρασία του αέρα επιφανείας με μεγάλη χωρική ανάλυση με πολύτιμες πληροφορίες για το κλίμα σε τοπικό επίπεδο κάθε μήνα. Σε παλιότερες εργασίες όπως των Feidas et al. (2013) δεν έχει υπολογιστεί η θεωρητική προσπίπτουσα ηλιακή ακτινοβολία ως εκτιμητής της μέσης θερμοκρασίας. Όμως, η Ελλάδα είναι μια χώρα με πολλές μέρες ηλιοφάνειας (250 κατά μέσον όρο) κι έτσι συμπεριλήφθηκε στη μέθοδο MISH ως ανεξάρτητη μεταβλητή και εκτιμητής της μέσης θερμοκρασίας. Επίσης, το περίπλοκο ανάγλυφο και ο διαφορετικός προσανατολισμός κάθε τόπου επηρεάζουν την ποσότητα της προσπίπτουσας ακτινοβολίας και συνεπώς την τιμή της θερμοκρασίας. Στο έργο της ΕΜΥ υπολογίστηκε ανά μήνα η θεωρητική προσπίπτουσα στο έδαφος ηλιακή ακτινοβολία μέσω της μεθόδου libradtran (Mayer and Kylling, 2005) και ύστερα έγινε συσχέτιση των τιμών ακτινοβολίας με τις τιμές θερμοκρασίας από τους 52 σταθμούς της ΕΜΥ. Εξετάζοντας τις τιμές για το μήνα Σεπτέμβριο έδειξε μια συσχέτιση της ανόδου της μέσης θερμοκρασίας κατά 0,78 ο C ανά 10 μονάδες ηλιακής ενέργειας (W. m -2 ). Επιπλέον, υπολογίζοντας το συντελεστή προσδιορισμού απέδειξε ότι το μοντέλο της γραμμικής παλινδρόμησης εξηγεί το 41,7 % της διακύμανσης της θερμοκρασίας. Η σχέση μεταξύ των δύο παραμέτρων είναι μέτρια ισχυρή αφού ο συντελεστής συσχέτισης είναι 0,65 και αφού η τιμή p είναι μικρότερη του 0,05, αποδεικνύεται ότι υπάρχει στατιστικά σημαντική σχέση μεταξύ της μεταβολής της μέσης θερμοκρασίας και της ποσότητας της προσπίπτουσας ηλιακής ακτινοβολίας σε επίπεδο εμπιστοσύνης 95,0%. 28

29 Σχήμα 3.1 : Γραμμικό μοντέλο παλινδρόμησης μεταξύ των παρατηρήσεων της μέσης θερμοκρασίας (για τους 52 σταθμούς) και της ηλιακής ακτινοβολίας. Τα εξωτερικά όρια υποδεικνύουν τα διαστήματα πρόβλεψης 95,0% για τις νέες παρατηρήσεις και τα εσωτερικά το διάστημα εμπιστοσύνης 95,0% για τη μέση τιμή όλων των σταθμών. ( Πηγή : Mamara et al., 2017). Ακολουθούν οι χάρτες της μέσης μηνιαίας έντασης ηλιακής ακτινοβολίας (ισχύς) για κάθε μήνα (solar irradiance Wm -2 ) όπως υπολογίστηκε και χρησιμοποιήθηκε ως μεταβλητή στο MISH για την παραγωγή του Κλιματικού Άτλαντα της ΕΜΥ. Οι χάρτες αυτοί παρήχθησαν στα πλαίσια αυτής της διπλωματικής με τα δεδομένα ακτινοβολίας της ΕΜΥ. 29

30 30

31 Σχήμα 3.2 : Η ένταση της ηλιακής ακτινοβολίας όπως αυτή χρησιμοποιήθηκε στο έργο της ΕΜΥ. Παρατηρούμε ότι δεν υπάρχουν διαφορές ανά μήνα στον τρόπο υπολογισμού της ακτινοβολίας και μόνο κριτήριο είναι το γεωγραφικό πλάτος δημιουργώντας ζώνες με ίδια ισχύ ηλιακής ακτινοβολίας. 3.2 Η νέα μέθοδος υπολογισμού της ακτινοβολίας και η διαφορά με αυτή του Κλιματικού Άτλαντα Όπως έχουμε αναφέρει και ο καινούριος υπολογισμός της θεωρητικής τιμής της προσπίπτουσας ακτινοβολίας έχει γίνει με το μοντέλο libradtran, ωστόσο το τελικό αποτέλεσμα των θεωρητικών τιμών διαφέρει αρκετά. Η κυριότερη διαφορά μεταξύ των δύο υπολογισμών είναι ότι ο πρώτος έγινε για τη 15 η μέρα κάθε μήνα, η οποία θεωρήθηκε αντιπροσωπευτική του κάθε μήνα, δίνοντας τη μέση ισχύ της ακτινοβολίας, ενώ με ο καινούριος έγινε για κάθε μέρα του κάθε μήνα δίνοντας τη μέση τιμή της συνολικής ενέργειας της ηλιακής ακτινοβολίας από την ανατολή μέχρι τη δύση του ήλιου σε kwh/m 2. Επίσης, στο νέο υπολογισμό κύριος παράγοντας είναι οι μετρήσεις του οπτικού βάθους των αιωρούμενων σωματιδίων τα οποία επηρεάζουν τη διάδοση της ηλιακής ακτινοβολίας στην ατμόσφαιρα. 31

32 Σχήμα 3.3 : Χρονοσειρά του μέσου όρου οπτικού βάθους των αιρούμενων σωματιδίων στα 0,55 μικρά (Ιούλιος 2002 Μάρτιος 2017) για τον Ελλαδικό χώρο. Για την παραγωγή καλύτερων αποτελεσμάτων η ακτινοβολία σε κάθε σημείο του πλέγματος έχει υπολογιστεί με βάση το υψόμετρο, την κλίση και τον προσανατολισμό του. Έτσι, στα αποτελέσματα της καινούριας εργασίας φαίνεται καθαρά ο παράγοντας της ορεογραφίας στη διαμόρφωση της μεταβλητής της ακτινοβολίας που χρησιμοποιείται στη χωρική παρεμβολή της θερμοκρασίας. Παρατίθενται ακολούθως οι χάρτες της μέσης ημερήσιας συνολικής ενέργειας της ηλιακής ακτινοβολίας σε kwh/m 2. Σχήμα 3.4 : Μέση συνολική ημερήσια ηλιακή ενέργεια Ιανουαρίου. 32

33 Σχήμα 3.5 : Μέση συνολική ημερήσια ηλιακή ενέργεια Φεβρουαρίου. Σχήμα 3.6 : Μέση συνολική ημερήσια ηλιακή ενέργεια Μαρτίου. Σχήμα 3.7 : Μέση συνολική ημερήσια ηλιακή ενέργεια Απριλίου. 33

34 Σχήμα 3.8 : Μέση συνολική ημερήσια ηλιακή ενέργεια Μαΐου. Σχήμα 3.9 : Μέση συνολική ημερήσια ηλιακή ενέργεια Ιουνίου. Σχήμα 3.10 : Μέση συνολική ημερήσια ηλιακή ενέργεια Ιουλίου. 34

35 Σχήμα 3.11 : Μέση συνολική ημερήσια ηλιακή ενέργεια Αυγούστου. Σχήμα 3.12 : Μέση συνολική ημερήσια ηλιακή ενέργεια Σεπτεμβρίου. Σχήμα 3.13 : Μέση συνολική ημερήσια ηλιακή ενέργεια Οκτωβρίου. 35

36 Σχήμα 3.14 : Μέση συνολική ημερήσια ηλιακή ενέργεια Νοεμβρίου. Σχήμα 3.15 : Μέση συνολική ημερήσια ηλιακή ενέργεια Δεκεμβρίου. Επειδή ο υπολογισμός της ακτινοβολίας έγινε στο επίπεδο του εδάφους γίνεται εμφανής ο ρόλος του υψομέτρου συγκριτικά με τον πρώτο υπολογισμό που έγινε για την εισερχόμενη στην ατμόσφαιρα ακτινοβολία. Έτσι, ιδιαίτερα κατά τους θερινούς μήνες φαίνεται η μεγαλύτερη ενέργεια ακτινοβολίας που παρατηρείται σε μεγαλύτερα υψόμετρα. Όσο πλησιάζουμε στο χειμερινό ηλιοστάσιο γίνεται πιο έντονη η επίδραση του γεωγραφικού πλάτους. 3.3 Γραμμική παλινδρόμηση ηλιακής ακτινοβολίας-θερμοκρασίας Ένας τρόπος να δούμε την επίδραση του νέου τρόπου υπολογισμού της ακτινοβολίας στη διαμόρφωση των χαρτών της μέσης θερμοκρασίας είναι να δούμε τη σχέση της αντίστοιχης ημερήσιας ηλιακής ενέργειας με τη μέση θερμοκρασία. Αυτό το κάνουμε συσχετίζοντας τις παρατηρήσεις θερμοκρασίας των σταθμών με τον υπολογισμό της ακτινοβολίας στο εγγύτερο 36

37 σημείο του πλέγματος για κάθε μήνα. Ως αντιπροσωπευτική θεωρήσαμε τη 15 η μέρα κάθε μήνα. Εκτός από τα διαγράμματα της γραμμικής παλινδρόμησης, εξίσου σημαντικοί είναι και οι στατιστικοί δείκτες που χρειάζονται για να εξάγουμε χρήσιμα συμπεράσματα. Ο πρώτος δείκτης είναι ο συντελεστής προσδιορισμού (coefficient of determination) γνωστός και ως R 2. Ο συντελεστής σε αυτή την περίπτωση αποτελεί το ποσοστό διακύμανσης της μεταβλητής απόκρισης (θερμοκρασία) που ερμηνεύεται από το παλινδρομικό μοντέλο με συμμεταβλητή τη συνολική ηλιακή ενέργεια. Σύμφωνα με εμπειρικούς κανόνες για να θεωρηθεί το μοντέλο της γραμμικής παλινδρόμησης αρκετά ικανοποιητικό χρειάζεται τιμή της R 2 μεγαλύτερη από 70%. Στα αποτελέσματα μας δε παρουσιάζονται τόσο μεγάλα ποσοστά στους περισσότερους μήνες, ωστόσο γνωρίζουμε ότι η θερμοκρασία δεν είναι μόνο συνάρτηση της ακτινοβολίας. Πολλοί από τους σταθμούς βρίσκονται σε μεγαλύτερα υψόμετρα και παρότι δέχονται περισσότερη ακτινοβολία, λόγω της ατμοσφαιρικής θερμοβαθμίδας έχουν χαμηλότερες θερμοκρασίες. Ακολούθως παρουσιάζονται τα διαγράμματα ανά μήνα. Σχήμα 3.16 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Ιανουαρίου. 37

38 Σχήμα 3.17 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Φεβρουαρίου. Σχήμα 3.18 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Μαρτίου. Σχήμα 3.19 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Απριλίου. 38

39 Σχήμα 3.20 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Μαΐου. Σχήμα 3.21 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Ιουνίου. Σχήμα 3.22 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Ιουλίου. 39

40 Σχήμα 3.23 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Αυγούστου. Σχήμα 3.24 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Σεπτεμβρίου. Σχήμα 3.25 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Οκτωβρίου. 40

41 Σχήμα 3.26 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Νοεμβρίου. Σχήμα 3.27 : Γραμμική παλινδρόμηση μέσης θερμοκρασίας-ακτινοβολίας Δεκεμβρίου. Ακολούθως παρουσιάζεται η σχέση της γραμμικής παλινδρόμησης. = α + β x H + ε i (3.1) Όπου με συμβολίζεται η μέση θερμοκρασία, με H η μέση ημερήσια ηλιακή ενέργεια και με ε i οι τιμές των σφαλμάτων. Οι τιμές των συντελεστών της γραμμικής παλινδρόμησης και των σφαλμάτων τους παρουσιάζονται στον επόμενο πίνακα. 41

42 ΠΙΝΑΚΑΣ 3.1 Πίνακας 3.1 : Παρουσιάζονται ανά μήνα οι τιμές των συντελεστών (α και β αντίστοιχα) καθώς και τα συστηματικά σφάλματα αυτών (ε α και ε β αντίστοιχα) ΜΗΝΑΣ α εα β εβ ΙΑΝΟΥΑΡΙΟΣ ,4 0,9 ΦΕΒΡΟΥΑΡΙΟΣ ,8 0,9 ΜΑΡΤΙΟΣ ,7 0,9 ΑΠΡΙΛΙΟΣ ΜΑΙΟΣ 0, ΙΟΥΝΙΟΣ ΙΟΥΛΙΟΣ ΑΥΓΟΥΣΤΟΣ ΣΕΠΤΕΜΒΡΙΟΣ ΟΚΤΩΒΡΙΟΣ ,9 0,9 ΝΟΕΜΒΡΙΟΣ ,5 0,9 ΔΕΚΕΜΒΡΙΟΣ Στον επόμενο πίνακα παρουσιάζονται οι υπόλοιποι στατιστικοί δείκτες. Αυτοί είναι ο συντελεστής προσδιορισμού των δύο μεταβλητών, η p-value για τη σταθερά (intercept) της σχέσης και για την ηλιακή ενέργεια καθώς και το επίπεδο σημαντικότητας αυτής (α). Τέλος, δίνεται και ο συντελεστής συσχέτισης Pearson των δύο παραμέτρων. ΠΙΝΑΚΑΣ 3.2 Πίνακας 3.2 : Παρουσιάζονται ανά μήνα ο συντελεστής προσδιορισμού R 2 (R2), η p- value της σταθεράς της σχέσης (p-value) καθώς και το επίπεδο σημαντικότητας αυτής (α) και τέλος ο συντελεστής συσχέτισης Pearson (P) ΜΗΝΑΣ R2 p-value a P ΙΑΝΟΥΑΡΙΟΣ 0,6669 1,58e-13 0,001 0,8166 ΦΕΒΡΟΥΑΡΙΟΣ 0,6105 8,22e-12 0,001 0,7813 ΜΑΡΤΙΟΣ 0,5211 1,55e-09 0,001 0,7219 ΑΠΡΙΛΙΟΣ 0,2760 6,36e-05 0,001 0,

43 ΜΑΙΟΣ 0,0033 0, ΙΟΥΝΙΟΣ 0,1287 0, ,01-0,3587 ΙΟΥΛΙΟΣ 0,1189 0, ,05-0,3448 ΑΥΓΟΥΣΤΟΣ 0,0483 0,1175-0,2197 ΣΕΠΤΕΜΒΡΙΟΣ 0,3661 2,02e-06 0,001 0,6051 ΟΚΤΩΒΡΙΟΣ 0,5629 1,526e-10 0,001 0,7503 ΝΟΕΜΒΡΙΟΣ 0,6423 9,525e-13 0,001 0,8015 ΔΕΚΕΜΒΡΙΟΣ 0,6626 2,187e-13 0,001 0,8140 Με την παρουσίαση αυτών των αποτελεσμάτων γίνεται σαφές ότι αν και η ακτινοβολία αποτελεί μια από τις παραμέτρους του μοντέλου, εκφράζει κατά τους χειμερινούς μήνες σε ένα ποσοστό 60% τη διακύμανση της μέσης θερμοκρασίας. Κατά τους θερινούς μήνες επειδή δεν υπάρχει μεγάλη διαφορά στο χρόνο ηλιοφάνειας με το γεωγραφικό πλάτος δε μπορεί να εξηγηθεί η διακύμανση της θερμοκρασίας από την ακτινοβολία για τα σημεία των σταθμών. Επίσης, στους ηπειρωτικούς σταθμούς η θερμοκρασία τις νύχτες μειώνεται πολύ περισσότερο από ότι στους παραθαλάσσιους και πεδινούς σταθμούς λόγω του υψομέτρου και της απόστασης από τη θάλασσα. Είναι ξεκάθαρο πως στο νέο τρόπο υπολογισμού της ακτινοβολίας έχουν συμπεριληφθεί περισσότερες παράμετροι και ότι τα αποτελέσματα δίνονται με πολύ μεγαλύτερη χωρική ακρίβεια. Αυτό το γεγονός εμπλουτίζει και με πιο ακριβείς πληροφορίες και το μοντέλο για την καλύτερη χωρική παρεμβολή της μέσης θερμοκρασίας. 43

44 ΚΕΦΑΛΑΙΟ 4 ΣΥΓΚΡΙΤΙΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΤΩΝ ΔΥΟ ΜΕΘΟΔΩΝ Το παρόν κεφάλαιο ασχολείται με τη στατιστική ανάλυση των δύο μεθόδων, αλλά και την τελική διαφορά μεταξύ τους στην παραγωγή της χωρικής παρεμβολής των τιμών της μέσης θερμοκρασίας ανά μήνα. Πρώτα θα παρουσιάσουμε τα αποτελέσματα της μαθηματικής προτυποποίησης που έγινε για την παραγωγή του έργου της ΕΜΥ, ύστερα αυτά της δικής μας εργασίας και τέλος θα τα συγκρίνουμε. 4.1 Μαθηματική προτυποποίηση του έργου της ΕΜΥ Συντελεστές συσχέτισης Πριν παρουσιάσουμε τη στατιστική αξιολόγηση της αποτελεσμάτων του έργου της ΕΜΥ, αξίζει να αναφέρουμε τη διαφοροποίηση που έγινε σε σχέση με την εργασία των Bihari et al για το πρόγραμμα CARPATCLIM (Climate of the Carpathian Region). Στο πρόγραμμα αυτό χρησιμοποιήθηκαν στο MISH ως ανεξάρτητοι εκτιμητές της θερμοκρασίας μόνο το υψόμετρο και οι 15 κύριες συνιστώσες AURELHY για να γίνει η χωρική παρεμβολή των παρατηρήσεων της θερμοκρασίας των σταθμών της περιοχής των Καρπαθίων. Χρησιμοποιώντας τις ίδιες παραμέτρους για την Ελλάδα οι τιμές του συντελεστή συσχέτισης κυμάνθηκαν από 0,52 έως 0,75 γεγονός που υποδεικνύει μέτρια συσχέτιση μεταξύ της μέσης θερμοκρασίας και των ανεξάρτητων εκτιμητών. Έτσι, φάνηκε ότι για τη χωρική παρεμβολή της μέσης θερμοκρασίας χρειάζονται οι 19 ανεξάρτητοι εκτιμητές (οι 15 κύριες συνιστώσες AURELHY, το γεωγραφικό πλάτος, το ποσοστό ξηράς-θάλασσας και η ηλιακή ενέργεια) και το υψόμετρο. Με τη χρήση των περισσότερων ανεξάρτητων εκτιμητών οι τιμές του συντελεστή συσχέτισης κυμάνθηκαν από 0,759 έως 0,946 δίνοντας σαφώς καλύτερα αποτελέσματα για το κλίμα της Ελλάδας που επηρεάζεται σε μεγάλο βαθμό από τη θάλασσα και την ηλιακή ακτινοβολία. Στο επόμενο γράφημα φαίνεται η διακύμανση του συντελεστή συσχέτισης (r) και του συντελεστή προσδιορισμού (r 2 ) ανά μήνα για την παρεμβολή με τις βέλτιστες παραμέτρους. Είναι προφανής η πολύ καλύτερη απόδοση των εκτιμητών κατά τους χειμερινούς μήνες και η μείωση αυτής κατά τους θερινούς. Αυτό οφείλεται κυρίως στη μικρότερη χωρική μεταβλητότητα της θερμοκρασίας κατά τους θερινούς μήνες καθώς δεν παρουσιάζονται οι μεγάλες διαφορές θερμοκρασίας ανάμεσα σε σταθμούς της Βόρειας και Νότιας Ελλάδας που εμφανίζονται το χειμώνα. 44

45 Σχήμα 4.1 : Μηνιαία μεταβολή των συντελεστών συσχέτισης (r) και προσδιορισμού (r 2 ) για χωρική παρεμβολή της θερμοκρασίας με βέλτιστες παραμέτρους. (Πηγή : Mamara et al., 2017) Αντιπροσωπευτικότητα Επόμενο βήμα ήταν ο υπολογισμός του μέσου τετραγωνικού σφάλματος από το οποίο προκύπτει κι ο υπολογισμός της αντιπροσωπευτικότητας του κάθε σταθμού με τη σχέση REP = 1 RMSE/(Standard Deviation). Στη συνέχεια παρουσιάζεται η σύγκριση της μέσης αντιπροσωπευτικότητας των 52 σταθμών ανά μήνα για την παρεμβολή με τις βέλτιστες παραμέτρους και χωρίς αυτές. 45

46 Σχήμα 4.2 : Η μέση αντιπροσωπευτικότητα ανά μήνα για τους 52 σταθμούς. Με τη μαύρη γραμμή απεικονίζεται η αντιπροσωπευτικότητα για τους σταθμούς με τις βέλτιστες παραμέτρους και με γκρι για αυτές του μοντέλου. (Πηγή : Mamara et al., 2017) Παρατηρούμε ότι οι τιμές της μέσης αντιπροσωπευτικότητας στην περίπτωση των βέλτιστων παραμέτρων κινείται για όλους τους μήνες μεταξύ 0,7 και 0,8. Από την άλλη, για την παρεμβολή με τις παραμέτρους του μοντέλου έχουμε τιμές μεταξύ 0,5 και 0,6 για τους χειμερινούς μήνες, κάτω από 0,3 για τους θερινούς αι κοντά στο 0,4 κατά τους ενδιάμεσους. Έτσι, συμπεραίνουμε ότι οι βέλτιστοι παράμετροι παρεμβολής έχουν μεγάλη επιτυχία στη μαθηματική προτυποποίηση των παρατηρήσεων θερμοκρασίας των σταθμών Εκτιμητές παρεμβολής Μια περαιτέρω ανάλυση που έγινε είναι για τον αριθμό των παραμέτρων που χρησιμοποιούνταν για τη χωρική παρεμβολή της μέσης θερμοκρασίας ανά μήνα. Επίσης, από την ανάλυση προκύπτει και ποιοι από τους εκτιμητές χρησιμοποιήθηκαν για κάθε μήνα από το MISH. Ο αριθμός των εκτιμητών που χρησιμοποιούνται κυμαίνεται από 3 έως 6. Κατά τους χειμερινούς μήνες χρησιμοποιούνται 6 μεταβλητές εκτιμητές ενώ κατά τους θερινούς μήνες μειώνονται όπως φαίνεται και από το επόμενο γράφημα. 46

47 Σχήμα 4.3 : Αριθμός των μεταβλητών που χρησιμοποιήθηκαν ως εκτιμητές παρεμβολής της θερμοκρασίας ανά μήνα. (Πηγή : Mamara et al., 2017) Από τις μεταβλητές αυτή που χρησιμοποιήθηκε σε όλους τους μήνες είναι το υψόμετρο. Οι επόμενοι σημαντικότεροι εκτιμητές είναι η ηλιακή ακτινοβολία και το ποσοστό ξηράς θάλασσας που δε συμβάλουν στην παρεμβολή της θερμοκρασίας σε ένα και δύο μήνες αντίστοιχα. Σημαντικό ρόλο επίσης, παίζει το γεωγραφικό πλάτος, ενώ η απόσταση από τη θάλασσα συμβάλλει ως εκτιμητής μόνο το Μάρτιο. Από τις 15 πρώτες κύριες συνιστώσες AURELHY πιο σημαντική είναι η PC-2 που χρησιμοποιείται σε 7 μήνες, σε 3 μήνες συμμετέχουν οι PC-14, PC-3 και PC-4 και σε 2 μήνες οι PC-1 και PC-8. Στον παρακάτω πίνακα φαίνεται αναλυτικά το πότε χρησιμοποιείται κάθε μεταβλητή. 47

48 Πίνακας 4.1 : Οι μεταβλητές που χρησιμοποιούνται κάθε μήνα από το MISH για τη χωρική παρεμβολή της θερμοκρασίας στην εργασία της ΕΜΥ. (Πηγή : Mamara et al., 2017). 4.2 Μαθηματική προτυποποίηση των αποτελεσμάτων με τον νέο τρόπο υπολογισμού Προκειμένου να μπορέσουμε να συγκρίνουμε τους 2 τρόπους υπολογισμού της ακτινοβολίας θα αναλύσουμε με τον ίδιο τρόπο τα στατιστικά αποτελέσματα και για τη δεύτερη μέθοδο Συντελεστής συσχέτισης Προηγουμένως είδαμε ότι ο συντελεστής συσχέτισης και ο συντελεστής προσδιορισμού παρουσιάζουν καλύτερη απόδοση το χειμώνα και χειρότερη το καλοκαίρι. Όπως φαίνεται και στο επόμενο γράφημα με το νέο υπολογισμό της ακτινοβολίας δεν έχουμε μεγάλες διαφορές στις τιμές των συντελεστών εκτός από τους μήνες Ιούνιο και Ιούλιο, που ο πρώτος τρόπος φαίνεται να δίνει καλύτερα αποτελέσματα. 48

49 Σχήμα 4.4 : Σύγκριση των συντελεστών συσχέτισης (r) και προσδιορισμού (r 2 ) για την παλιό και νέο υπολογισμό της ακτινοβολίας. Όπως αναφέραμε στο Κεφάλαιο 3, κατά τη δημιουργία του ψηφιακού Κλιματικού Άτλαντα ο υπολογίστηκε η ακτινοβολία ως συνάρτηση μόνο του γεωγραφικού πλάτους. Στην εργασία αυτή δείξαμε ότι κατά τους θερινούς μήνες το υψόμετρο και το ανάγλυφο καθορίζουν την ένταση ακτινοβολίας που προσπίπτει στο έδαφος. Φυσικά και πάλι το γεωγραφικό πλάτος είναι ο πιο σημαντικός παράγοντας διαμόρφωσης της έντασης της ηλιακής ακτινοβολίας άρα και στην τιμή της ημερήσιας ηλιακής ενέργειας Αντιπροσωπευτικότητα Όσον αφορά την αντιπροσωπευτικότητα των 52 σταθμών, βλέπουμε πως δεν έχει επηρεαστεί ουσιαστικά από την αλλαγή του υπολογισμού της ακτινοβολίας. Οι τιμές του συντελεστή αντιπροσωπευτικότητας για την παρεμβολή της θερμοκρασίας με τις βέλτιστες παραμέτρους είναι πάλι μεταξύ 0,7 και 0,8 και για την παρεμβολή με τις παραμέτρους του μοντέλου μεταξύ 0,2 και 0,6. 49

50 Σχήμα 4.5 : Διακύμανση του συντελεστή αντιπροσωπευτικότητας των 52 σταθμών με το νέο υπολογισμό ακτινοβολίας Εκτιμητές παρεμβολής Σε αυτή την ενότητα θα δούμε αν ο καινούριος υπολογισμός της ακτινοβολίας επηρέασε τον αριθμό και το είδος των εκτιμητών που χρησιμοποιήθηκαν κάθε μήνα για τη χωρική παρεμβολή της θερμοκρασίας. Πρώτα παρουσιάζουμε τον αριθμό των εκτιμητών στο επόμενο γράφημα. Εικόνα 4.6 : Αριθμός εκτιμητών παρεμβολής θερμοκρασίας ανά μήνα. 50

51 Παρατηρούμε ότι συγκριτικά με την προηγούμενη μέθοδο έχουμε τον ίδιο ελάχιστο και μέγιστο αριθμό μεταβλητών που χρησιμοποιούνται ως παράμετροι παρεμβολής της θερμοκρασίας, ωστόσο υπάρχουν κάποιες διαφοροποιήσεις σε ορισμένους μήνες. Αυτές φαίνονται εμφανέστερα στον επόμενο πίνακα που δείχνει ποιες μεταβλητές χρησιμοποιούνται κάθε μήνα. ΠΙΝΑΚΑΣ 4.2Α Πίνακας 4.2Α : Πίνακας που δείχνει αν και σε ποιο μήνα χρησιμοποιούνται οι μεταβλητές ως παράμετροι παρεμβολής της θερμοκρασίας. Μήνας Υψόμετρο φ Ποσοστό Ηλιακή Απόσταση PC -1 PC 2 (m) ( ) γηςθάλασσας ενέργεια από την (%) (kwh m -2 ) ακτή (km) Ιανουάριος X X X X Φεβρουάριος X X X X Μάρτιος X X X X X Απρίλιος X X X Μάιος X X X Ιούνιος X X X Ιούλιος X X X X Αύγουστος X X X X Σεπτέμβριος X X X Οκτώβριος X X X Νοέμβριος X X X X Δεκέμβριος X X X X 51

52 ΠΙΝΑΚΑΣ 4.2Β Πίνακας 4.2Β : Πίνακας που δείχνει αν και σε ποιο μήνα χρησιμοποιούνται οι υπόλοιπες μεταβλητές ως παράμετροι παρεμβολής της θερμοκρασίας. Ιανουάριος X X Μήνας PC- PC- PC- PC- PC- PC- PC- PC- PC- PC- PC- PC PC- 15 Φεβρουάριος X X Μάρτιος Απρίλιος Μάιος Ιούνιος Ιούλιος X Αύγουστος X X Σεπτέμβριος X X X X Οκτώβριος Νοέμβριος X X Δεκέμβριος X X 52

53 ΚΕΦΑΛΑΙΟ 5 ΑΠΟΤΕΛΕΣΜΑΤΑ-ΧΑΡΤΕΣ ΜΕΣΗΣ ΘΕΡΜΟΚΡΑΣΙΑΣ Σε αυτό το κεφάλαιο θα παρουσιάσουμε τα αποτελέσματα της χωρικής παρεμβολής της μέσης θερμοκρασίας για κάθε μήνα με τη μορφή χαρτών. Οι εκτιμήσεις του μοντέλου που προκύπτουν και παρουσιάζονται στους χάρτες αφορούν την περίοδο , όσο μια τριακονταετία δηλαδή ο απαραίτητος χρόνος για το χαρακτηρισμό του κλίματος. Ας δούμε τα αποτελέσματα ανά μήνα Σχήμα 5.1 : Μέση θερμοκρασία Ιανουαρίου ( ). 53

54 Σχήμα 5.2 : Μέση θερμοκρασία Φεβρουαρίου ( ). Σχήμα 5.3 : Μέση θερμοκρασία Μαρτίου ( ). 54

55 Σχήμα 5.4 : Μέση θερμοκρασία Απριλίου ( ). Σχήμα 5.5 : Μέση θερμοκρασία Μαΐου ( ). 55

56 Σχήμα 5.6 : Μέση θερμοκρασία Ιουνίου ( ). Σχήμα 5.7 : Μέση θερμοκρασία Ιουλίου ( ). 56