WYZNACZANIE WSKAŹNIKA WZGLĘDNEGO OPADU NA PODSTAWIE WSKAŹNIKA STANDARYZOWANEGO OPADU DLA MIESIĘCZNYCH SUM OPADÓW

Transkrypt

1 INFRASTRUKTURA I EKOLOGIA TERENÓW WIEJSKICH INFRASTRUCTURE AND ECOLOGY OF RURAL AREAS Nr /III/2012, OLSKA AKADEMIA NAUK, Oddział w Krakowie, s Komisja Technicznej Infrastruktury Wsi Wyznaczanie wskaźnika... Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek WYZNACZANIE WSKAŹNIKA WZGLĘDNEGO OADU NA ODSTAWIE WSKAŹNIKA STANDARYZOWANEGO OADU DLA MIESIĘCZNYCH SUM OADÓW DETERMINATION OF RELATIVE RECIITATION INDEX BASED ON STANDARDIZED RECIITATION INDEX FOR MONTHLY RECIITATION SUMS Streszczenie Dwa wskaźniki: wskaźnik standaryzowanego opadu (SI) i wskaźnik względnego opadu (RI) analizują tę samą cechę opadu jaką jest jego nadmiar lub niedobór. Wykorzystując ten fakt autorzy pracy porównali ze sobą SI i RI używając do tego miesięcznych sum opadów. Dobór kroku czasowego był zamierzony, ponieważ w literaturze brakuje klasyfikacji warunków opadowych dla miesięcznych sum opadów za pomocą wskaźnika względnego opadu (RI). W pracy podjęto próbę wyznaczenia wskaźnika względnego opadu dla miesięcznych sum opadów na podstawie wskaźnika standaryzowanego opadu. okazany sposób przejścia od wskaźnika SI do RI jest nowatorski, w literaturze jak dotąd nie spotykany. Używając danych pochodzących z Obserwatorium Agro i Hydrometeorologii we Wrocławiu-Swojcu autorzy zaproponowali metodę identyfikacji warunków opadowych dla miesięcznych sum opadów dla tego regionu. Słowa kluczowe: wskaźnik względnego opadu, wskaźnik standaryzowanego opadu Summary Two indices: standardized precipitation index (SI) and relative precipitation index (RI) analyze the same feature, which is either excess or shortage of precipitation. Having known that, the authors compared SI and RI with the use of monthly precipitation sums. The choice of this time period was intentional, since in the literature there has been no classification of precipitation conditions for 181

2 Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek monthly precipitation sums with the use of RI so far. Therefore, the aim of the study was to determine the relative precipitation index values for monthly precipitation sums based on standardized precipitation index. The described method of transformation from SI to RI is innovative and has no equivalent in the literature. Having used the data from Agro- and Hydrometeorology Observatory in Wrocław-Swojec, the authors proposed the method of identification of precipitation conditions for monthly precipitation sums in this region. Key words: standardized precipitation index, relative precipitation index WSTĘ Metodę identyfikacji lat i sezonów pod względem nadmiaru lub niedoboru opadów opracowała Kaczorowska [1962], na podstawie 60-letniego okresu ( ) obejmującego wyniki pomiarów opadów z 27 stacji. Autorka, używając wskaźnika względnego opadu RI (RI to stosunek wielkości opadu w danym okresie do średniej sumy wieloletniej), opracowała kryterium oceny warunków opadowych dla lat i sezonów. O identyfikacji okresów miesięcznych pod względem warunków opadowych pisali także Farat i in. [1995], Kosiba [1948], rzedpełska [1971], Tomaszewska [1994], Radomski [1977]. Kosiba [1948] proponuje: na przykładzie Wrocławia ( ), który dobrze reprezentuje cały Niż Śląski...za kryterium przyjąłem tu, dla uproszczenia, opad poniżej 25% i powyżej 200% średniej sumy wieloletniej jako miesiące bardzo suche i bardzo wilgotne. ozostali autorzy nawiązują do kryterium oceny dla miesięcznych sum opadów, jednak nie powołują się na żadne udokumentowane badania, których wynikiem byłaby reguła identyfikacji dla miesięcznych sum opadów w oparciu o wskaźnik RI, pozwalająca na identyfikację miesięcy, w których wystąpił ich niedobór lub nadmiar. Celem pracy jest próba wyznaczenia metody identyfikacji warunków opadowych dla miesięcznych sum opadów za pomocą wskaźnika względnego opadu (RI) bazującej na wskaźniku standaryzowanego opadu (SI). Badania przeprowadzono na podstawie danych pochodzących z Obserwatorium Agro i Hydrometeorologii we Wrocławiu-Swojcu, dlatego proponowana reguła identyfikacji dotyczy tylko tego regionu. 182 METODY BADAŃ Metoda oceny suszy oparta na niedoborach opadów określanych jako stosunek wysokości opadu w danym okresie do średniej sumy wieloletniej przyjętej za normę jest jedną z najbardziej znanych metod. Metoda ta było podstawą stworzenia przez Kaczorowską ([1962] kryteriów dla sezonowych i rocznych sum opadów, według których można zidentyfikować badane okresy od skrajnie

3 Wyznaczanie wskaźnika... suchych do bardzo wilgotnych. Wskaźnik względnego opadu oznaczony jako RI, choć bardzo często stosowany, nie umożliwia porównywania intensywności suszy w różnych regionach klimatycznych, ponieważ odnosi opad do wartości średniej. Wskaźnik ten definiowany jest wzorem: RI = 0% (1) gdzie: wartość średnia opadu w badanym wieloleciu, suma opadu w badanym okresie. Drugim wskaźnikiem, przy pomocy którego można identyfikować warunki opadowe, jest standaryzowany wskaźnik opadu SI [McKee i in. 199,1995]. Wskaźnik ten może być używany do oceny warunków wilgotnościowych w różnych warunkach klimatycznych i dla dowolnej skali czasowej. Empiryczne rozkłady częstości miesięcznych sum opadów kształtem najczęściej przypominają rozkład gamma [KACZMAREK 1970]. Jednym ze sposobów obliczenia wskaźnika SI dla zadanego argumentu x jest obliczenie wielkości: x = φ 1 ( F( x)) (2) gdzie: F dystrybuanta rozkładu gamma z parametrami estymowanymi na podstawie analizowanego zbioru danych, φ dystrybuanta standardowego rozkładu normalnego [McKee i in. 199, 1995]. Zamiast rozkładu gamma do obliczenia współczynnika SI przy użyciu wzoru (2) stosowany jest również trójparametrowy rozkład gamma [Guttman 1999]. Współczynniki tych rozkładów mogą być estymowane przy użyciu metody największej wiarygodności [McKee i in. 199,1995] lub L-momentów [Guttman 1999]. W praktyce często wykorzystywany jest następujący fakt: dla zmiennej losowej X o rozkładzie gamma zmienna Z = X ma w przybliżeniu rozkład nor- malny [Krishnamoorthy i in. 2008]. Wykorzystując ten fakt można zaproponować następujący przybliżony sposób obliczania współczynnika SI dla danej wartości x 0 SI = x μˆ σˆ () 18

4 Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek gdzie μˆ i σˆ oznaczają średnią i odchylenie standardowe dla danych poddanych transformacji x x. (4) W praktyce do obliczania współczynnika SI stosowane są również transformacje: x c x; x lnx + oraz x x λ ; λ > 0, (5) które odpowiadają odpowiednio rozkładom: gamma trójparametrowemu z parametrem przesunięcia c; logarytmiczno-normalnemu; potęgowo normalnemu [Boxa-Coxa, Freeman i Modarres 2006]. W przypadku, gdy zamierzamy wybór ograniczyć do dwóch ostatnich spośród wymienionych rozkładów, można skorzystać z procedury Boxa-Coxa [Freeman i Modarres 2006], która pozwala na optymalny wybór parametru λ w transformacji potęgowej lub sugeruje wybór transformacji logarytmicznej zamiast transformacji potęgowej. W tym celu należy wybrać transformację spośród rodziny przekształceń opisanych wzorem: λ xi dla λ 0 g( x, λ) = log( xi ) dla λ = 0 i 6 gdzie (x 1,x 2, x m ) wektor (ciąg danych), dla którego szukana jest odpowiednia transformacja tak, aby zgodność obserwowanej cechy po wykonaniu transformacji była możliwie duża. W procedurze tej poszukuje się wartości parametru λ, dla którego wartość odpowiednio określonej funkcji wiarogodności, zaproponowanej przez Boxa i Coxa (1964) jest maksymalna. W dalszym ciągu rozważań oblicza się SI przy użyciu podejścia, w którym korzysta się z jednej z transfomacji opisanej równaniami (4) i (5). Etapy, prowadzące do wyznaczenia wskaźnika SI są następujące: normalizacja okresowych sum opadów, za pomocą wybranych transformacji, weryfikacja hipotezy o zgodności rozkładu transformowanej zmiennej z rozkładem normalnym za pomocą testu Shapiro-Wilka, standaryzacja transformowanych danych i wyznaczenie SI. Dla sumy opadów x (w dowolnym okresie) SI jest zdefiniowany wzorem: Y μˆ SI = (7) σˆ 184

5 gdzie: Y Wyznaczanie wskaźnika... zmienna losowa, której wartościami są miesięczne sumy opadów po transformacji (4) lub (5), przekształcającej rozkład gamma w rozkład normalny, wartość estymatora parametru μ (średnia wartość znormalizowa- μˆ nego ciągu sum opadów), σˆ wartość estymatora parametru σ (odchyleniem standardowym znormalizowanego ciągu sum opadów). System klasyfikacji warunków opadowych za pomocą SI dla warunków polskich, zaproponowany przez Łabędzkiego [2006] oraz wartości prawdopodobieństw występowania różnych rodzajów okresów zawarto w tabeli 1. Tabela 1. Klasyfikacja warunków opadowych wg wskaźnika standaryzowanego opadu (SI) i odpowiadające im prawdopodobieństwa Table 1. recipitation condition classification according to the standardized precipitation index (SI) and corresponding probabilities SI Okres eriod rawdopodobieństwa robabilities SI -2,0 ekstremalnie suchy extremely dry (SI -2)=0,02-2,00<SI -1,50 bardzo suchy very dry (-2<SI -1,5)=0, <SI -0,50 suchy-dry (-1,5<SI -0,5)=0,25-0,5<SI<0,5 normalny normal (-0,5<SI<0,5)=0,8 0,5 SI<1,5 wilgotny wet (0,5 SI<1,5)=0,25 1,5 SI<2 bardzo wilgotny very wet (1,5 SI<2)=0,04 SI 2 ekstremalnie wilgotny extremely wet (SI 2)=0,02 Źródło: opracowane przez Łabędzkiego (2006). W celu wyznaczenia wartości RI dla wartości progowych SI założono, że rozkład prawdopodobieństwa zmiennej losowej ( w tej pracy jest zmienną losową, której wartościami są miesięczne sumy opadów w wieloleciu ) jest rozkładem gamma, a zastosowaną transformacją, przekształcającą ten rozkład w rozkład normalny jest transformacja. Dla przedziału SI: α < SI β gdzie α, β są wartościami progowymi klasyfikacji opartej na współczynniku SI. Wprowadzając definicję SI otrzymuje się: ˆ (8) μ α < β (9) ˆ σ 185

6 Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek rzekształcając nierówność (11) otrzymuje się: ασˆ + ˆ μ < βσˆ + ˆ μ. () Z dalszych przekształceń nierówności (12) otrzymuje się następującą nierówność: czyli ( ασˆ + ˆ μ) ( βσˆ + ˆ μ ) <, (11) ( ασˆ + ˆ μ) ( βσˆ + ˆ μ ) < RI. (12) W przypadku, gdy transformacją przekształcającą rozkład prawdopodobieństwa zmiennej losowej w rozkład normalny jest +. Zakładając że, w przybliżeniu + ~ N( ˆ μ; ˆ σ ) wartości RI wyznacza się z następującej nierówności: ( ασˆ ˆ μ) ( βσˆ ˆ μ) + + < RI. (1) Natomiast, jeśli stosowaną transformacją jest ln i zakładając, że ln ~ N( ˆ μ; ˆ σ ), wskaźnik względnego opadu RI wyznacza się za pomocą nierówności: ασˆ+ ˆ μ βσˆ+ ˆ μ e e < RI. (14) rzy zastosowaniu transformacji λ, gdzie λ wyznacza się metodą Boxa-Coxa. RI wyznaczono z nierówności: 1 1 λ ( ασˆ + ˆ μ) λ ( βσˆ + ˆ μ ) < RI. (15) Wszystkie obliczenia wykonano na podstawie pomiarów miesięcznych sum opadów atmosferycznych wykonanych w Obserwatorium Agro- i Hydrometeorologii Wrocław-Swojec w wieloleciu

7 Wyznaczanie wskaźnika... WYNIKI BADAŃ W pracy zastosowano podejście, w którym wykonuje się odpowiednią transformację, a następnie weryfikuje się hipotezę o zgodności z rozkładem normalnym zmiennej poddanej transformacji. W tabeli 2 zawarto wybrane transformacje miesięcznych sum opadów, które dały najlepszą zgodność z rozkładem normalnym, oraz wyniki weryfikacji hipotezy o zgodności z rozkładem normalnym za pomocą testu Shapiro-Wilka. Tabela 2. Wybrane transformacje normalizujące miesięczne sumy opadów w okresie Table 2. Selected transformations normalizing monthly precipitation sum in the years Miesiąc Month Styczeń January Luty February Marzec March Kwiecień April Maj May Czerwiec June Lipiec Julay Sierpień August Wrzesień September aździernik October Listopad November Grudzień December Transformacja Transformation p-value test Shapiro- Wilka Skośność przed transformacją Skewness before transformation Skośność po transformacji Skewness after transformation Y = Y = + ln 0, ,15 0, , ,28-1,6 0, ,06 0, , ,62-0,18-1,57 + 0, ,52-0,29-1, + 0, ,16-0,02-0,65 + 0, ,18-0, , , ,17 + 0, ,15 0,07-0,69 0, , ,78 ln 0, , , ,19 0,14-0,90 Źródło: obliczenia własne. gdzie: - miesięczne sumy opadów w wieloleciu , natomiast p-value jest najniższym poziomem istotności α, przy którym hipoteza zerowa mogłaby być odrzucona przy otrzymanej wartości statystyki testowej Shapiro-Wilka. 187

8 Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek Biorąc pod uwagę wyniki zawarte w tabeli 2 należy zwrócić uwagę na fakt, że najlepszej transformacji normalizującej miesięczną sumę opadów w rozkład normalny towarzyszy najniższy współczynnik skośności. Wartości współczynników skośności dla poszczególnych miesięcy w roku wskazują na to, że w wyniku zastosowanych transformacji skośność rozkładów maleje, jednak otrzymane po transformacji rozkłady empiryczne nadal są niesymetryczne. Miesiąc Month Tabela. Transformacja λ normalizująca miesięczne sumy opadów w okresie Table. Transformation λ normalizing monthly precipitation sum in the years p-value test Shapiro- Wilka λ Skośność przed transformacją Skewness before transformation Skośność po transformacji Skewness after transformation p-value test Shapiro- Wilka Styczeń January 0,64 0, ,002 0,72 Luty February 0,60 0, ,125 0,84 Marzec March 0,92 0, ,024 0,9 Kwiecień April 0,94 0, ,02 0,97 Maj May 0,42 0, ,11 0,62 Czerwiec June 0,47 0, ,007 0,46 Lipiec Julay 0,81 0, ,06 0,82 Sierpień August 0,16 0, ,059 0,16 Wrzesień September 0,55 0, ,072 0,60 aździernik October 0,76 0, ,048 0,79 Listopad November 0,86 0, ,0004 0,87 Grudzień December 0,96 0, ,025 0,99 Źródło: obliczenia własne. gdzie: - miesięczne sumy opadów w wieloleciu , p-value jest najniższym poziomem istotności α, przy którym hipoteza zerowa mogłaby być odrzucona przy otrzymanej wartości statystyki testowej Shapiro- Wilka. 188

9 Wyznaczanie wskaźnika... Niska wartość współczynnika skośności oznacza, że w tych miesiącach empiryczne rozkłady częstości są najbardziej zbliżone do rozkładów symetrycznych, co daje nadzieję na dobrą identyfikację warunków wilgotnościowych za pomocą RI. W celu osiągnięcia wyższego stopnia zgodności z rozkładem normalnym niż przy poprzednio stosowanych transformacjach, wykorzystano procedurę zaproponowaną przez Boxa i Coxa [1964]. Otrzymane wyniki zawarto w tabeli. Wyniki zawarte w tabeli wskazują, że zastosowanie transformacji zaproponowanej przez Boxa i Coxa [1964] zmniejsza skośność rozkładów empirycznych, nie mniej jednak otrzymane po transformacji rozkłady empiryczne nadal są niesymetryczne. Niska wartość współczynnika skośności i wysoki stopień zgodności z rozkładem normalnym (wartość p-value w teście Shapiro-Wilka) dają gwarancję dobrej identyfikacji warunków wilgotnościowych za pomocą RI. Na rysunku 1 przedstawiono jak zmienia się empiryczny rozkład częstości miesięcznych sum opadów w wybranych miesiącach (kwiecień, maj, sierpień i wrzesień) w okresie we Wrocławiu-Swojcu, przed i po zastosowaniu wybranych transformacji. a) b) Częstość - Frequency Częstość - Frequency Opad - recipitation Częstość - Frequency ,0 2,5,0,5 4,0 4,5 5,0 Opad - recipitation c) d) Opad - recipitation Częstość - Frequency ,0 2,5,0,5 4,0 4,5 5,0 5,5 Opad - recipitation 189

10 Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek Częstość - Frequency Częstość - Frequency e) f) Częstość - Frequency Opad - recipitation Opad - recipitation g) h) Opad - recipitation Częstość - Frequency 2,0 2,5,0,5 4,0 4,5 5,0 Opad - recipitation Rysunek 1. Empiryczny rozkład częstości miesięcznych sum opadów w we Wrocławiu-Swojcu: w kwietniu a) bez transformacji, b) po zastosowaniu transformacji Y= + w maju c) bez transformacji, d) po zastosowaniu transformacji Y= + w sierpniu e) bez transformacji, f) po zastosowaniu transformacji Y= we wrześniu g) bez transformacji, h) po zastosowaniu transformacji Y= + Figure 1. Empirical frequency ditribution of monthly precipitation sums in years in Wrocław-Swojec In April a) without transformation, b) after transformation Y= + In May c) without transformation, d) after transformation Y= + In August e) without transformation, f) after transformation Y= In September g) without transformation, h) after transformation Y= + 190

11 Wyznaczanie wskaźnika... Tabela 4. Wartości RI [%] dla miesięcznych sum opadów we Wrocławiu-Swojcu ( ) odpowiadające znanym wartościom SI Table 4. RI values [%] for monthly precipitation sums in years in Wrocław-Swojec ( ), corresponding to known values of SI Rodzaj okresu Type of period SI RI% Styczeń- January RI% Luty- February RI% Marzec- Marth RI% Kwiecień - April Skrajnie suchy- Extremely dry SI -2,0 RI<25 RI<12 RI<21 RI<19 Bardzo suchy- Very dry -2,0<SI -1,5 25 RI<5 12 RI<27 21 RI< 19 RI< Suchy-Dry -1,5<SI -0,5 5 RI<70 27 RI<67 RI<67 RI<70 Normalny-Normal -0,5<SI<0,5 70 RI RI RI RI 120 Wilgotny-Wet 0,5 SI<1,5 120<RI <RI <RI <RI 184 Bardzo wilgotny -Very wet 1,5 SI<2 190<RI <RI 2 19<RI <RI 222 Skrajnie wilgotny- Extremely wet SI 2 RI>20 RI>2 RI>240 RI>222 RI% Rodzaj okresu RI% RI% RI% SI Sierpień- Type of period Maj-May Czerwiec-June Lipiec-July August Skrajnie suchy- Extremely dry SI -2,0 RI<14 RI<1 RI<1 RI<18 Bardzo suchy- Very dry -2,0<SI -1,5 14 RI<27 1 RI<44 1 RI<26 18 RI<0 Suchy-Dry -1,5<SI -0,5 27 RI<66 44 RI<75 26 RI<64 0 RI<64 Normalny-Normal -0,5<SI<0,5 66 RI RI RI RI 120 Wilgotny-Wet 0,5 SI<1,5 120<RI <RI <RI <RI 200 Bardzo wilgotny -Very wet 1,5 SI<2 198<RI <RI <RI <RI 250 Skrajnie wilgotny- Extremely wet SI 2 RI>244 RI>200 RI>252 RI>250 Rodzaj okresu Type of period SI RI% Wrzesień- September RI% aździernik- October RI% Listopad- November RI% Grudzień- December Skrajnie suchy- Extremely dry SI -2,0 RI< RI<12 RI<41 RI<14 Bardzo suchy- Very dry -2,0<SI -1,5 RI<25 12 RI<22 41 RI<51 14 RI<29 Suchy-Dry -1,5<SI -0,5 25 RI<64 22 RI<60 51 RI<75 29 RI<67 Normalny-Normal -0,5<SI<0,5 64 RI RI RI RI 120 Wilgotny-Wet 0,5 SI<1,5 121<RI <RI <RI <RI 190 Bardzo wilgotny -Very wet 1,5 SI<2 200<RI <RI <RI <RI 22 Skrajnie wilgotny- Extremely wet SI 2 RI>248 RI>280 RI>205 RI>22 Źródło: Obliczenia własne. Korzystając ze znanej klasyfikacji opartej na współczynniku SI (tabela 1), wyznaczono odpowiadającą jej klasyfikację opartą na współczynniku RI dla każdego miesiąca w roku oddzielnie. W tym celu należy dla każdej wartości progowej klasyfikacji opartej na SI wyznaczyć odpowiadającą jej wartość pro- 191

12 Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek gową w klasyfikacji opartej na współczynniku RI. Wyznaczone wartości RI na podstawie jednej z nierówności (12), (1) lub (14) w zależności od wybranej, najlepiej dopasowującej transformacji dla kolejnych miesięcy w roku przedstawiono w tabeli 4. Wyznaczone wartości RI na podstawie nierówności (15) 1 1 λ ( ασˆ + ˆ μ) λ ( βσˆ + ˆ μ ) < RI dla kolejnych miesięcy w roku znajdują się w tabeli 5. Tabela 5. Wartości RI [%] dla miesięcznych sum opadów we Wrocławiu-Swojcu ( ), odpowiadające znanym wartościom SI Table 5. RI values [%] for monthly precipitation sums in years in Wrocław-Swojec ( ), corresponding to known values of SI Rodzaj okresu Type of period SI RI Styczeń- January RI Luty- February RI Marzec- Marth RI Kwiecień - April Skrajnie suchy- Extremely dry SI -2,0 RI<22 RI< RI<20 RI<17 Bardzo suchy -Very dry -2,0<SI -1,5 22 RI<4 12 RI<26 20 RI<2 17 RI<2 Suchy-Dry -1,5<SI -0,5 4 RI<69 26 RI<69 2 RI<67 2 RI<71 Normalny-Normal -0,5<SI<0,5 69 RI RI RI RI 121 Wilgotny-Wet 0,5 SI<1,5 119<RI <RI <RI <RI 181 Bardzo wilgotny -Very wet Skrajnie wilgotny- Extremely wet Rodzaj okresu Type of period 1,5 SI<2 185<RI <RI <RI <RI 214 SI 2 RI>225 RI>222 RI>26 RI>214 SI RI% Maj-May RI% Czerwiec- June RI% Lipiec-July RI% Sierpień- August Skrajnie suchy- Extremely dry SI -2,0 RI<11 RI<1% RI<14 RI<18 Bardzo suchy -Very dry -2,0<SI -1,5 11 RI<26 1 RI<4 1 RI<26 18 RI<29 Suchy-Dry -1,5<SI -0,5 26 RI<67 4 RI<75 26 RI<6 29 RI<64 Normalny-Normal -0,5<SI<0,5 67 RI RI RI RI 119 Wilgotny-Wet 0,5 SI<1,5 12<RI <RI <RI <RI 200 Bardzo wilgotny -Very wet Skrajnie wilgotny- Extremely wet 1,5 SI<2 191<RI <RI <RI <RI 251 SI 2 RI>229 RI>200 RI>252 RI>

13 Rodzaj okresu Type of period SI RI Wrzesień- September RI aździernik- October Wyznaczanie wskaźnika... RI Listopad- November RI Grudzień- December Skrajnie suchy- Extremely dry SI -2,0 RI<14 RI<11 RI<7 RI<17 Bardzo suchy- Very dry -2,0<SI -1,5 14 RI<26 12 RI<22 7 RI<48 17 RI<29 Suchy-Dry -1,5<SI -0,5 26 RI<6 22 RI<59 48 RI<77 29 RI<66 Normalny-Normal -0,5<SI<0,5 6 RI RI RI RI 121 Wilgotny-Wet 0,5 SI<1,5 121<RI <RI <RI <RI 196 Bardzo wilgotny- Very wet 1,5 SI<2 204<RI <RI <RI <RI 240 Skrajnie wilgotny- Extremely wet SI 2 RI>256 RI>272 RI>196 RI>240 Źródło: Obliczenia własne. Biorąc pod uwagę wyniki w tabelach 4 i 5 zaproponowano klasyfikację warunków opadowych dla miesięcznych sum opadów za pomocą wskaźnika względnego opadów RI. Wartości progowe w proponowanej klasyfikacji dla Wrocławia-Swojca są średnimi arytmetycznymi wartości progowych w poszczególnych miesiącach roponowana klasyfikacja dla miesięcznych sum opadów znajduje się w tabeli. Tabela. Klasyfikacja warunków opadowych na podstawie wskaźnika względnego opadu (RI) dla Wrocławia-Swojca Table. Classification of the precipitation conditions according to the relative precipitation index (RI) for Wrocław-Swojec Rodzaj okresu Type of period RI w miesiącu, % RI in month, % skrajnie suchy extremely dry <19 bardzo suchy very dry [19;1.5) suchy dry [1.5; 68) normalny normal [68; 120) wilgotny wet (120; 192] bardzo wilgotny very wet (192; 25] skrajnie wilgotny extremely wet >25 Źródło: Obliczenia własne. OMÓWIENIE WYNIKÓW BADAŃ onieważ badania zostały przeprowadzone tylko dla jednego regionu w olsce, trudno wyciągać daleko idące wnioski. Rozkłady empiryczne miesięcznych sum opadów w kolejnych miesiącach w roku w wieloleciu we Wrocławiu-Swojcu charakteryzują się asymetrią prawostronną (tab.2). Ozna- 19

14 Edward Gąsiorek, Mariusz Grządziel, Elżbieta Musiał, Marian Rojek cza to, że w badanym wieloleciu miesięczne sumy opadów w większości przypadków były mniejsze od średniej miesięcznej z wielolecia Zastosowanie transformacji: ; ln ; + c wyraźnie zmniejszyło skośność rozkładów empirycznych (tab.2), ale dla większości miesięcy w roku asymetria prawostronna stała się asymetrią lewostronną. Oznacza to, że po zastosowaniu transformacji w badanym wieloleciu miesięczne sumy opadów w większości przypadków były większe od średniej miesięcznej z wielolecia Zastosowanie transformacji λ, λ > 0 znacznie zmniejszyło asymetrię lewostronną (tab. ), ale nie zlikwidowało jej całkowicie. rzy analizie wyników należy wziąć pod uwagę fakt, że przy dużym zróżnicowaniu miesięcznych sum opadów zawsze występują wartości ekstremalne i to te wartości są jedną z przyczyn niesymetrycznych rozkładów empirycznych. Rozwiązaniem tych problemów byłoby znalezienie uniwersalnej transformacji przekształcającej rozkład empiryczny miesięcznych sum opadów w rozkład symetryczny. Wyniki badań wykonanych na podstawie miesięcznych sum opadów atmosferycznych z Obserwatorium Agro- i Hydrometeorologii we Wrocławiu- Swojcu w okresie sugerują potrzebę dalszych badań, których celem byłoby wyznaczenie reguły identyfikującej miesięczne sumy opadów za pomocą wskaźnika względnego opadów RI, analogicznej do reguły przedstawionej w tabeli. ropozycja reguły klasyfikującej miesięczne sumy opadów pod względem ich niedoborów lub nadmiarów wymaga przeprowadzenia badań na danych pochodzących z różnych regionów olski. BIBLIOGRAFIA Box G., Cox D., An Analysis of Transformations, Journal of the Royal Statistical Society, B 26, s Farat R., Kępińska-Kasprzak M., Mager Susze na obszarze olski w latach Mater. Bad. IMGW Gosp. Wodna i Ochrona Wód nr 16. ss 140. Freeman J, Modarres R Inverse Box-Cox: The power-normal distribution. Statistics & robability Letters 76 pp Guttman N Accepting the standardized precipitation index: a calculation algorithm. Journal of the American Water resources association. Vol. 5, No.2 April 1999 pp Kaczorowska Z Opady w olsce w przekroju wieloletnim. rzegl. Geogr. IG AN. Nr. Warszawa. Wydaw. Geolog. ss Kosiba A Klimat ziem Śląskich. Zagadnienia Gospodarcze Śląska, Seria II Wydaw. Inst. Śląs. ss Kaczmarek Z., Metody statystyczne w hydrologii i meteorologii. Warszawa, WKiŁ s.12. Mathew T.; Mukherjee S Normal-based methods for a Gamma Distribution: prediction and tolerance intervals and stress-strenght reliability. Technometrics February, vol.50, no.1 pp Łabędzki L Susze rolnicze. Zarys problematyki oraz metody monitorowania i klasyfikacji. Woda Środowisko Obszary Wiejskie. Rozprawy naukowe i monografie. Nr 17 ss

15 Wyznaczanie wskaźnika... McKee T. B., Doesken N. J., Kleist J The relationship of drought frequency and duration to time scales. roc. 8 th Conf. Applied Climatology, January 199, Anaheim, California, ss McKee T. B., Doesken N. J., Kleist J Drought monitoring with multiple time scales. reprints 9 th Conf. Applied Climatology, January 1995, Dallas, Texas, ss rzedpełska W Zagadnienie susz atmosferycznych w olsce i metody ich określania. race IHM. Z. ss. 27. Radomski Cz Agrometeorologia. Warszawa. Wydaw. WN ss Tomaszewska T Susze atmosferyczne na przestrzeni ostatniego czterdziestolecia. Mater. Konf. XXV Zjazd Agrometeorologów. Olsztyn-Mierki Olsztyn Wydaw. ART s Dr hab. Elżbieta Musiał prof. nadzw. Edward Gąsiorek Mariusz Grządziel Katedra Matematyki Mariusz Rojek Instytut Kształtowania i Ochrony Środowiska Uniwersytet rzyrodniczy ul.grunwaldzka Wrocław elzbieta.musial@up.wroc.pl 195

16