Statistiskās metodes vēja klimata izpētē

Abstract

Zināšanas par vēja klimatu ir svarīgas daudzās jomās, piemēram, enerģētikā, transporta nozarē, celtniecībā. Tomēr vējš ir vektoriāls lielums – tam ir gan ātrums, gan virziens. Līdz ar to ne visas standarta statistiskās metodes ir piemērotas vēja virziena klimata izpētei. Bakalaura darbā, tika analizēti ECMWF (European Center for Medium-range Weather Forecasts) izstrādātās klimata reanalīzes UERRA dati. Izmantojot buldozera attālumu, tika apskatīts, cik labi reanalīze ir spējīga reproducēt novēroto vēja virziena klimatu. Gan novērojumu datiem, gan reanalīzes datiem tika veikta galveno komponenšu analīze. Izmantojot galveno komponenšu analīzi, tika identificētas galvenās vēja virziena klimata īpatnības Baltijas valstīs. Papildus tam, darbā tika modificēta jau zināmā pieeja ģeostrofiskā vēja ātruma aprēķināšanai no spiediena novērojuma datiem. Darbā gaitā tika iegūtas ģeostrofiskā vēja ātruma laikrindas, kuras iespējams izmantot kā neatkarīgu avotu, lai veiktu novērotā vēja ātruma laikrindu kvalitātes kontroli.

Knowledge about wind climate is important in many fields of human activities, such as energetics, transport industry and building construction. However, wind is a vectorial variable – it has both speed and direction. Therefore, many standard statictical methods are not suitable for wind direction climate research. In the bachelor's thesis data from UERRA reanalysis supplied by the ECMWF (European Center for Medium-range Weather Forecasts) was analyzed. Earth mover's distance was used to verify how well the reanalysis is able to reproduce observed wind direction climate. Using principal component analysis typical wind direction patterns in the Baltic states were detected. In addition, a new approach in calculating geostrophic wind speed using pressure observations was introduced. Geostrophic wind speed series that were acquired in this work can be further used to perform quality control of the observed wind speed series.