Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "annual temperature" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Characteristics and inter-annual changes in temperature, salinity and density distribution in the Gulf of Riga
    Autorzy:
    Skudra, M.
    Lips, U.
    Powiązania:
    https://bibliotekanauki.pl/articles/48540.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Instytut Oceanologii PAN
    Tematy:
    Riga Gulf
    interannual variability
    long-term change
    temperature
    salinity
    density
    Baltic Sea
    vertical stratification
    internal Rossby radius
    Opis:
    Available CTD profiles from the Gulf of Riga (May—August, 1993—2012) were analyzed to study inter-annual and long-term changes in temperature, salinity and density in relation to river runoff and atmospheric forcing (e.g. Baltic Sea Index). To describe temporal changes in vertical stratification, the upper mixed layer (UML) and deep layer (DL) parameters were estimated. On average the UML depth increases from 8.7 m in May to 9.0, 11.5 and 13.7 m in June, July and August, respectively, and the UML temperature increases from 8.08C to 12.5, 18.7 and 18.68C (May, June, July and August) while the UML salinity increases from 4.90 g kg1 to 5.14, 5.28 and 5.38 g kg1, respectively. High correlation (r = 0.82) was found between the inter-annual changes in river runoff (spring) and mean salinity in the UML in August as well as between DL mean salinity (r = 0.88) and density (r = 0.84) in the Irbe Strait and DL mean salinity and density in the Gulf of Riga. Inter-annual changes in the UML depth as well as in DL salinity and density had a significant correlation with the changes in Baltic Sea Index. The strongest stratification (August) can be observed in the years with the highest UML temperature and the highest river run-off in spring. We suggest that the predicted increase in water temperature and changes in river run-off due to the climate change would result in faster development of the seasonal thermocline in spring and stronger vertical stratification in summer.
    Źródło:
    Oceanologia; 2017, 59, 1
    0078-3234
    Pojawia się w:
    Oceanologia
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Change-point detection and trend analysis in monthly, seasonal and annual air temperature and precipitation series in Bartın province in the western Black Sea region of Turkey
    Autorzy:
    Yaman, Barbaros
    Ertuğrul, Mertol
    Powiązania:
    https://bibliotekanauki.pl/articles/1841778.pdf
    Data publikacji:
    2020
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    climate change
    homogeneity
    precipitation
    temperature
    trend analysis
    Opis:
    Studies associated with climate change and variability are of great importance at both the global and local scale in the global climate crisis. In this study, change-point detection and trend analysis were carried out on mean, maximum, minimum air temperatures and total precipitation based on monthly, seasonal and annual scale in Bartın province located in the western Black Sea Region of Turkey. For this aim, 4-different homogeneity tests (von Neumann test, Pettitt test, Buishand range test and standard normal homogeneity test) for changepoint detection, Modified Mann–Kendall test and Şen’s innovative trend test for trend analysis, and Sen’s slope test for the magnitude estimation of trends were used. According to the test results, the summer temperatures in particular show increasing trends at the 0.001 significance level. Mean maximum temperature in August, mean minimum temperature in June and August, and mean temperature in July and August are in increasing trend at the 0.001 significance level. Over a 51 year period (1965–2015) in Bartın province, the highest rate of change per decade in air temperatures is in August (0.55°C for Tmax, 0.46°C for Tmin and 0.43°C for Tmean) based on Sen’s slope. However, the study showed that apart from October precipitation, there is no significant trend in monthly, seasonal and annual precipitation in Bartın. Increasing trends in mentioned climate variables are also visually very clear and strong in Şen’s innovative trend method, and they comply with the statistical results. As a result, the study revealed some evidence that temperatures will increase in the future in Bartın and its environs.
    Źródło:
    Geology, Geophysics and Environment; 2020, 46, 3; 223-237
    2299-8004
    2353-0790
    Pojawia się w:
    Geology, Geophysics and Environment
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Stochastic ARIMA model for annual rainfall and maximum temperature forecasting over Tordzie watershed in Ghana
    Stochastyczny model ARIMA do prognozowania rocznego opadu i maksymalnej temperatury w zlewni Tordzie w Ghanie
    Autorzy:
    Nyatuame, M.
    Agodzo, S. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/292306.pdf
    Data publikacji:
    2018
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    ARIMA
    forecasting
    rainfall model
    temperature
    Tordzie watershed
    modele opadu
    prognozowanie
    temperatura
    zlewnia Tordzie
    Opis:
    The forecast of rainfall and temperature is a difficult task due to their variability in time and space and also the inability to access all the parameters influencing rainfall of a region or locality. Their forecast is of relevance to agriculture and watershed management, which significantly contribute to the economy. Rainfall prediction requires mathematical modelling and simulation because of its extremely irregular and complex nature. Autoregressive integrated moving average (ARIMA) model was used to analyse annual rainfall and maximum temperature over Tordzie watershed and the forecast. Autocorrelation function (ACF) and partial autocorrelation function (PACF) were used to identify the models by aid of visual inspection. Stationarity tests were conducted using the augmented Dickey–Fuller (ADF), Mann–Kendall (MK) and Kwiatkowski–Phillips–Schmidt–Shin (KPSS) tests respectively. The chosen models were evaluated and validated using the Akaike information criterion corrected (AICC) and also Schwartz Bayesian criteria (SBC). The diagnostic analysis of the models comprised of the independence, normality, homoscedascity, P–P and Q–Q plots of the residuals respectively. The best ARIMA model for rainfall for Kpetoe and Tordzinu were (3, 0, 3) and (3, 1, 3) with AICC values of 190.07 and 178.23. That of maximum temperature for Kpetoe and Tordzinu were (3, 1, 3) and (3, 1, 3) and the corresponding AICC values of 23.81 and 36.10. The models efficiency was checked using sum of square error (SSE), mean square error (MSE), mean absolute percent error (MAPE) and root mean square error (RMSE) respectively. The results of the various analysis indicated that the models were adequate and can aid future water planning projections.
    Prognozowanie opadu i temperatury jest trudnym zadaniem z powodu zmienności tych parametrów w czasie i przestrzeni, a także nieznajomości wszystkich czynników wpływających na opady w regionie czy w danej miejscowości. Prognozowanie opadów jest ważne dla rolnictwa i gospodarki zlewniowej, mających znaczący wkład w gospodarkę regionu. Przewidywanie opadu wymaga modelowania matematycznego i symulacji z powodu jego skrajnie nieregularnego i złożonego charakteru. Do analizy i prognozowania rocznych opadów i maksymalnej temperatury w zlewni Tordzie wykorzystano autoregresyjny zintegrowany model średniej ruchomej (ARIMA). Do zidentyfikowania modeli metodą oglądu wizualnego użyto funkcji autokorelacji (ACF) i cząstkowej autokorelacji (PACF). Testy stacjonarności przeprowadzono za pomocą testów Dickeya–Fullera (ADF), Manna–Kendalla (MK) i Kwiatkowskiego–Phillipsa–Schmidta–Shina (KPSS). Wybrane modele poddano ocenie i walidacji z użyciem skorygowanego kryterium Akaike (AICC) i Bayesowskiego kryterium Schwartza (SBC). Diagnostyczna analiza modeli obejmowała niezależność, normalność, homoscedastyczność, wykresy P–P i Q–Q dla reszt. Najlepsze modele ARIMA dla opadu w Kpetoe i Tordzinu miały postać (3, 0, 3) i (3, 1, 3), gdy wartości AICC równe odpowiednio 190,07 i 178,23. Modele dla maksymalnej temperatury w Kpetoe i Tordzinu miały postać (3, 1, 3) i (3, 1, 3), a ich odpowiednie wartości AICC wynosiły 23,81 i 36,10. Wydajność modelu sprawdzano, wykorzystując sumę błędu kwadratowego (SSE), średni błąd kwadratowy (MSE), średni bezwzględny błąd procentowy (MAPE) i pierwiastek ze średniego błędu kwadratowego (RMSE). Wyniki różnych analiz wykazały, że modele są odpowiednie i mogą stanowić pomoc w przyszłej gospodarce wodnej.
    Źródło:
    Journal of Water and Land Development; 2018, 37; 127-140
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies