UNIVERZITA KOMENSKÉHO V BRATISLAVE
PRIRODOVEDECKÁ FAKULTA
VYUŽITIE ÚDAJOV METEOROLOGICKÝCH
DRUŽÍC PRI ŠTÚDIU KLÍMY NA SLOVENSKU
Diplomová práca
2012
Bc. MAREK ŠVEC
UNIVERZITA KOMENSKÉHO V BRATISLAVE
PRIRODOVEDECKÁ FAKULTA
Využitie údajov meteorologických družíc pri
štúdiu klímy na Slovensku
Diplomová práca
Študijný program: Fyzická geografia a geoinformatika
Študijný odbor: 1316 Geografia
Školiace pracovisko: Katedra fyzickej geografie a geoekológie PriF UK
Vedúci: RNDr. Pavel Šťastný, CSc.
BRATISLAVA 2012
Bc. Marek ŠVEC
44894635
Univerzita Komenského v Bratislave
Prírodovedecká fakulta
ZADANIE ZÁVEREČNEJ PRÁCE
Meno a priezvisko študenta:
Študijný program:
Študijný odbor:
Typ záverečnej práce:
Jazyk záverečnej práce:
Bc. Marek Švec
fyzická geografia a geoinformatika (Jednoodborové štúdium,
magisterský II. st., denná forma)
4.1.35. geografia
diplomová
slovenský
Názov:
Využitie údajov meteorologických družíc pri štúdiu klímy na Slovensku
Literatúra:
1. BASIST, A. et al.: Using the Special Sensor Microwave/Imager to Monitor
Land Surface Temperatures, Wetness, and Snow Cover. Journal of Applied
Meteorology, vol. 37, 1998, č. 9, s. 888-911.
2. CHRISTY, J. R., SPENCER, R. W.: Precise monitoring of global temperature
trends from sattelites. Science, New Series, 247, 1990, s. 1558 -1562.
3. JURAŠEK, M. et al.: História družicových meteorologických pozorovaní v
Slovenskom hydrometeorologickom ústave. Životné prostredie, 43, 2009, č. 4,
s. 208-211.
4. KABSCH, E.: Validation of land surface temperatures from MSG
satellite measurements by observations at the ground station near Evora,
Portugal. Dissertation. Institut für Photogrammetrie und Fernerkundung (IPF),
Universität Karlsruhe, 2009. 117 s.
5. MENDHELSON, R. et al.: Climate analysis with satellite versus weather
station data. Springer Science + Business Media B. V., vol. 81, 2007, č.1, s.
71-83.
Cieľ:
Klimatická zmena a najmä globálne otepľovanie, zmena zrážkových
(snehových), vlhkostných a iných charakteristík ako aj zvyšovanie klimatických
extrémov boli zaznamenaná sieťami klimatologických, zrážkomerných a
fenologických staníc. Pravidelné snímkovanie Zeme zo satelitov v rôznych
spektrách je ďalšou možnosťou na využitie údajov meteorologických družíc
na hodnotenie časových trendov rôznych veličín a charakteristík. Ide najmä
o údaje o snehovej pokrývke, teplote povrchu a radiácii zemského povrchu,
či údaje o oblačnosti, obsahu vodnej pary ale i využití zeme (vegetácia,
mestské aglomerácie), a iných. Využitie družicových dát a výstupných polí
prvkov (produktov) môže prispieť k lepšiemu územnému rozlíšeniu a detekcii
klimatickej zmeny a jej dopadov na území nášho štátu. Porovnania údajov,
meraných in situ a údajov z diaľkovej detekcie Zeme umožnia jednak kalibrovať
údaje z meteorologických družíc a tiež vytvoriť technologickú linku na
rýchle získanie dostatočne presných a výpovedných podkladov pre stanovenie
charakteru či zhodnotenie variability a kolísania klímy na území SR. Pre
Slovensko je možné takto vyhodnotiť niektoré klimatické charakteristiky, resp.
charakteristiky zemského povrchu a priľahlej atmosféry.
Kľúčové
slová:
meteorologické družice, družicové produkty, merania in situ, korelácia,
hodnotenie klímy (klimatické charakteristiky)
Vedúci:
RNDr. Pavel Šťastný, CSc.
44894635
Univerzita Komenského v Bratislave
Prírodovedecká fakulta
Katedra:
PriF vedúci
katedry:
PriF.KFGG - Katedra fyzickej geografie a geoekológie
RNDr. Marián Jenčo, PhD.
Dátum zadania:
24.06.2010
Dátum schválenia: 26.03.2012
RNDr. Marián Jenčo, PhD.
vedúci katedry
študent
vedúci práce
ABSTRAKT
Marek Švec: Využitie údajov meteorologických družíc pri štúdiu klímy na Slovensku
Univerzita Komenského v Bratislave, Prírodovedecká fakulta, Katedra fyzickej geografie
a geoekológie.
Diplomová práca, 80 strán, 2012
Práca sa venuje hodnoteniu údajov dvoch voľne dostupných rastrových produktov
tvorených na báze údajov meteorologických družíc a ich klimatologickému uplateniu na
Slovensku. Ide o produkt povrchovej teploty pevniny (produkt LSAF LST) pre Európsku
oblasť a produkt zobrazujúci rozmiestnenie snehovej pokrývky pre oblasť severnej
pologule (produkt IMS). Informácie obsiahnuté v produktoch boli porovnané z „in situ“
meraním v sieti staníc na území SR. Zámerom bolo predovšetkým určenie miery korelácie
ako aj charakteru či tesnosti vzťahu medzi týmito údajmi. Základom spracovania údajov
tak bola korelačná a regresná analýza, no spracované boli aj niektoré klimatologické
charakteristiky za vybrané dni v období 2007-2011. Pozornosť bola venovaná zhodnoteniu
presnosti či spoľahlivosti vybraných produktov a prípadných výhod takýchto dát
v porovnaní so staničnými údajmi. Súčasťou práce je aj mapové spracovanie, respektíve
tvorba poľa teploty vzduchu z využitím údajov v produkte LSAF LST. Z výsledkov je
zrejmé, že v súčasnosti dostupné družicové produkty možno využiť aj v rámci menších
regiónov (nielen na globálnej úrovni). Evidentný je potenciál družicových údajov pri
tvorbe polí klimatologických prvkov a z dlhodobého hľadiska pre hodnotenie
regionálnych zmien klímy aj na relatívne malom území SR.
Kľúčové slová: meteorologické družice, produkty, merania „in situ“, korelácia,
hodnotenie klímy
ABSTRACT
Marek Švec: Climate monitoring in Slovakia using complementary weather satellite
data sets
Comenius University in Bratislava, Faculty of Natural Sciences, Department of Physical
geography and Geoecology.
Diploma thesis, 80 pages, 2012
This study is devoted to the evaluation of data within two freely available raster
products based on weather satellites data and their climatological application in Slovakia.
It's the land surface temperature product (product LSAF LST) for the European area and
the product showing distribution of snow on the northern hemisphere (product IMS). The
information contained in these products is compared to the "in situ" measurements within
station network in Slovakia. The intention was mainly to determine the extent of
correlation and the nature or tightness of the relationship between these datasets. Data
processing was based on the correlation and regression analysis, but climatological
characteristics were processed as well for selected days in the period 2007-2011. Attention
was paid to the assesment of accuracy or reliability of selected products and the potential
benefits of such data compared to the station data. This paper also deals with mapping,
respectively creation of air temperature field using data from the LSAF LST product.
Results clearly show that currently available satellite products can be used even within
smaller regions (not only at the global scale). There is clear potential in using sattelite data
sets for generating fields of climatological elements and in long-term for evaluation of
regional climate change even in a relatively small region of Slovakia.
Key words: weather satellites, products, "in situ" measurements, corelation, evaluation of
climate
Poďakovanie
Chcel by som týmto poďakovať vedúcemu svojej diplomovej práce, RNDr. Pavlovi
Šťastnému, za vedenie, cenné rady a podnetné pripomienky pri tvorbe tejto práce. Moje
poďakovanie patrí aj Slovenskému hydrometeorologickému ústavu za poskytnutie údajov
a všetkým, ktorí mi akýmkoľvek spôsobom pomohli pri tvorbe tejto diplomovej práce.
OBSAH
ÚVOD
1. METEOROLOGICKÉ DRUŽICE, ICH ÚDAJE A VYUŽITIE
9
10
1.1. Globálny systém meteorologických družíc
10
1.2. Údaje meteorologických družíc
13
1.2.1. Diaľkový prieskum Zeme a atmosféry pomocou družíc
13
1.2.2. Prijímanie a spracovanie údajov meteorologických družíc
15
1.2.3. Tvorba produktov z údajov meteorologických družíc
18
1.2.4. Využitie údajov meteorologických družíc
20
2. KLIMATOLOGICKÉ VYUŽITIE ÚDAJOV METEOROLOGICKÝCH DRUŽÍC 23
2.1. Porovnanie údajov meteorologických družíc a údajov staníc
23
2.2. Spoľahlivosť a homogenita družicových údajov a produktov
25
2.3. Monitoring vybraných prvkov pomocou družíc
26
2.3.1. Teplota povrchu pevniny
26
2.3.2. Teplota vzduchu v blízkosti povrchu pevniny
28
2.3.3. Snehová pokrývka
31
3. POUŽITÉ ÚDAJE A METODIKA
3.1. Vybrané produkty meteorologických družíc
34
34
3.1.1. Produkty v rámci projektu Land SAF (LSA SAF)
34
3.1.2. Produkty v rámci projektu IMS
36
3.2. Vybrané údaje zo siete pozemných staníc SR
38
3.3. Metodika spracovania údajov
40
3.3.1. Spracovanie produktu LSAF LST
40
3.3.2. Spracovanie produktu IMS
42
3.3.3. Mapové spracovanie
42
4. SPRACOVANIE ÚDAJOV A VÝSLEDKY ANALÝZY
44
4.1. Spracovanie a zhodnotenie údajov v produkte IMS v rámci SR
44
4.2. Spracovanie a zhodnotenie údajov v produkte LSAF LST v rámci SR
52
4.3. Využitie produktu LSAF LST pri tvorbe máp teploty vzduchu v rámci SR
62
5. DISKUSIA
69
ZÁVER
74
LITERATÚRA
77
ÚVOD
Pri získavaní informácií o aktuálnom stave atmosféry boli meteorológovia dlhodobo
odkázaní výhradne na merania a pozorovania v sieti pozemných meteorologických staníc,
tie sa však vždy vzťahujú iba k určitému miestu - bodu. Sledovanie meteorologických
prvkov a javov vo veľkom globálnom priestore a v reálnom čase, umožnil až nástup
meteorologických družíc. Nástup prvých umelých satelitov koncom 50-tych rokov 20.
storočia, tak predznamenal skutočnú revolúciu v sledovaní a skúmaní Zeme či jej
atmosféry. Mnohé programy diaľkového prieskumu Zeme a jej atmosféry, však boli ešte
donedávna využiteľné len na získavanie informácii z veľkých globálnych regiónov
s pomerne nízkym rozlíšením a presnosťou. Technologický vývoj a spresnenie meraní
meteorologických družíc, postupne umožnili prekročiť prah globálnosti. Vďaka
detailnejšej rozlišovacej schopnosti tak s ich pomocou môžme získavať cenné informácie
o zemskom povrchu a atmosfére z priestorovo čoraz menších lokalít.
Pozorovania Zeme pomocou meteorologických družíc sú dnes kľúčové predovšetkým
pre predpoveď počasia, keďže nám poskytujú informácie o atmosfére z oblastí, z ktorých
nemáme pravidelné pozorovania, prípadne informácie o lokálnych extrémnych prejavoch
počasia. Poskytujú tak včasné varovania a čas na prípravu opatrení na zmiernenie
možných negatívnych dopadov. Informácie získané z meteorologických družíc však
nevstupujú len do súčasných numerických predpovedných modelov počasia, ale aj do
globálnych či regionálnych modelov klímy. Súčasnú meteorológiu a klimatológiu si tak
skutočne nemožno predstaviť bez dát poskytovaných systémom meteorologických družíc.
Na potenciál a širšie využitie údajov meteorologických družíc práve pri štúdiu klímy
na území Slovenska, sa snaží poukázať aj táto práca. Zameriava sa na hodnotenie a možné
klimatologické využitie už dodatočne spracovaných družicových dát, teda dostupných
rastrových produktov tvorených z družicových údajov. V práci možno nájsť aj základné
informácie o systéme meteorologických družíc, ale aj informácie o získavaní, spracovaní
či charaktere dát získavaných z týchto družíc. Uvedené sú aj zdroje voľne prístupných
produktov meteorologických družíc a oblasti ich využitia.
Cieľom práce je predovšetkým zhodnotenie presnosti vybraných družicových
produktov v SR, preto boli zvolené tie družicami detekované prvky a charakteristiky, pre
ktoré je možné porovnanie (stanovenie korelácie) s meraním v pozemnej sieti staníc.
Zhodnotený je potenciál, vlastnosti, limitácie a možné využitie produktov pri hodnotení
regionálnej klímy, či detekcii klimatických zmien na Slovensku.
9
1. METEOROLOGICKÉ DRUŽICE, ICH ÚDAJE A VYUŽITIE
1.1. Globálny systém meteorologických družíc
Na monitorovanie atmosféry Zeme dnes slúži globálny systém meteorologických
družíc. Tento systém tvoria satelity označované WXSAT (Weather Satellite - satelity pre
sledovanie poveternostnej situácie), ktoré možno podľa ich programu rozdeliť na
experimentálne a operatívne (Bydžovská, 2004). Experimentálne meteorologické družice
slúžia predovšetkým na výskum atmosféry, overovanie teórií a predpokladov, teda ich
dáta spravidla nemajú žiadne komerčné využitie. Operatívne meteorologické družice sú
určené na nepretržité získavanie dát predovšetkým pre potreby predpovede počasia a ich
údaje sú tak využívané mnohými inštitúciami v krajinách po celom svete, spravidla za
stanovené poplatky.
Najčastejšie ich však rozdeľujeme podľa typu obežnej dráhy do dvoch hlavných
skupín. Súčasný globálny systém meteorologických družíci tak pozostáva z družíc na
polárnych dráhach, (presnejšie na „kvázi-polárnych dráhach“, takzvané cirkumpolárne či
polárne družice) a družíc umiestnených na geostacionárnej dráhe (geostacionárne
družice), (Hlavatý et al., 2002). Svojimi pozorovaniami sa navzájom doplňujú a
kombináciou ich údajov je možné získavať kvalitné informácie z celej Zeme.
Geostacionárne družice obiehajú našu Zem vo výške okolo 36 000 km priamo nad
rovníkom. Ich obežná doba je identická s rotáciou Zeme, čo z pohľadu pozorovateľa na
Zemi vyzerá, akoby družica stála na jednom mieste (Jurašek et al., 2009). Aby zotrvali
„zavesené“ nad jedným bodom, letia v smere rotácie Zeme rýchlosťou viac ako 11 000 km
za hodinu, tým je odstredivá ako aj gravitačná sila pôsobiaca na družicu v rovnováhe a
satelit je na stabilnej tzv. geosynchrónnej dráhe (Hlavatý et al., 2002). Vďaka značnej
výške týchto družíc sú nevýhodou najmä veľké energetické nároky na ich vypustenie a
taktiež potreba skenerov s oveľa lepšou priestorovou rozlišovacou schopnosťou. Každá
však poskytuje informácie až z tretiny zemského povrchu a atmosféry takmer v reálnom
čase. Práve upravené údaje (snímky a animácie) získané z
geostacionárnych
meteorologických družíc sú často využívané aj v televíznych predpovediach počasia.
V súčasnosti je okolo Zeme rozmiestnené už také množstvo geostacionárnych
meteorologických družíc, že je možné nepretržité sledovanie celého zemského povrchu a
priľahlej atmosféry (presnejšie pásu ohraničeného približne 60. stupňom severnej a južnej
zemepisnej šírky), (Hlavatý et al., 2002). Oblasti severne a južne od tohto pásu už
geostacionárna družica „vidí“ príliš zošikma. Údaje z týchto plôch tak sníma pod veľkým
10
uhlom a výsledné skreslenie znemožňuje ich praktické využitie. Počasie na celej Zemi
v súčasnosti monitoruje systém piatich geostacionárnych družíc: európsky METEOSAT 9
monitoruje Európu a Afriku, starší METEOSAT 7 sleduje Indicky oceán a Áziu, japonská
družica MTSAT (v minulosti GMS) oblasť Japonska, Austrálie a východnej Ázie, GOES
West monitoruje západné pobrežie amerického kontinentu a GOES East jeho východné
pobrežie (Jurašek et al., 2009). Ďalšími geostacionárnymi meteorologickými družicami sú
indický INSAT, ruský GOMS, či čínske družice FENGYUN (FY-2).
Obr. 1: Rozmiestnenie vybraných geostacionárnych meteorologických družíc okolo Zeme a územie, ktoré
pokrývajú.
Zdroj: prevzaté z Hlavatý et al., 2002
Pre región strednej Európy sú pre meteorologické účely dlhodobo využívané
predovšetkým údaje z geostacionárnych satelitov METEOSAT, ktoré sú pod správou
organizácie
-
Meteorological
EUMETSAT
Satellites).
(European
Základnou
Organisation
službou
for
the
EUMETSAT-u
Exploitation
bolo
a stále
of
je
predovšetkým snímanie Zeme (zemského disku) z pozície 0° zem. šírky a 0° zem. dĺžky
(nad priesečníkom rovníka a nultého poludníka – nad Guinejským zálivom).
Dlhodobý
operačný
program
geostacionárnych
meteorologických
družíc
EUMETSAT-u začal až v roku 1989 a to operačnou družicou METEOSAT-4. Spolu s
nasledujúcimi dvoma družicami METEOSAT-5 a 6 už poskytovali nepretržitý rad údajov
využívaných k predpovedi počasia predovšetkým pre územie Európy. Družica
METEOSAT-7, v prevádzke od roku 1997 je v súčasnosti poslednou so série týchto
štyroch družíc tvoriacich systém MFG – Meteosat First Generation (URL 2).
Ďalším významným krokom bol prechod na systém MSG teda Meteosat Second
Generation. Samotný systém MSG tvoria novšie satelity: MSG-1, vypustený v roku 2002
11
a MSG-2 z roku 2006, ktorých údaje v súčasnosti využívajú aj viaceré inštitúcie na
Slovensku, predovšetkým však SHMÚ. (Jurašek et al., 2009).
Slovensko stalo plnoprávnym členom EUMETSAT-u až 3. januára 2006. Členstvo
umožňuje zapájať sa do všetkých aktivít, ktoré EUMETSAT vyvíja. V tom istom roku
EUMETSAT vypustil na obežnú dráhu aj svoju prvú polárnu družicu MetOp, ktorá je
súčasťou programu EPS (EUMETSAT Polar System), (Jurašek et al., 2009).
Polárne družice majú rovinu obežnej dráhy sklonenú zhruba o 80 až 100 stupňov voči
rovine zemského rovníka a pohybujú sa spravidla severojužným smerom. Vďaka tomu
tieto družice pri každom oblete Zeme prelietajú nad jej polárnymi oblasťami, z čoho je
odvodený aj názov dráhy a skupiny družíc (Hlavatý et al., 2002). Výška, sklon
a výstrednosť dráhy polárnych meteorologických družíc sa líši podľa ich programového
zamerania, respektíve prístrojového vybavenia. Zem obiehajú vo výške 810 až 870 km
nad zemským povrchom a ich obežnej dráhe, zodpovedá obežná doba približne 100 minút.
Satelity na takýchto nízkych obežných dráhach sa označujú aj skratkou LEO (Low Earth
Orbit), (URL 1)
Medzi dvoma obehmi sa dráha v rovníkovej oblasti posunie približne o 25,5 stupňa na
západ a môže byť synchronizovaná so Slnkom tak, aby prelietavala určitú zemepisnú šírku
vždy v rovnakom miestnom čase. Zosnímanie celej Zeme pomocou jednej nezávislej
polárnej družice zaberie približne 12 hodín. Pri svojom lete snímajú nepretržite pás
územia, široký približne 1500 - 3000 kilometrov na obe strany od poddružicového bodu
(Hlavatý et al., 2002).
Hlavnou nevýhodou týchto družíc je nerovnomerné časové rozloženie jednotlivých
preletov, na druhej strane poskytujú časovo husté údaje aj z polárnych oblastí, čo
geostacionárne družice nedokážu. (Jurašek et al., 2009). Polárna dráha je tak výhodná
hlavne pre pozorovanie polárnych oblasti, kam geostacionárne družice kvôli
spomínanému skresleniu nedovidia, navyše majú vďaka nižšej dráhe vyššie rozlíšenie.
Polárne oblasti sú tak pri monitorovaní počasia či klímy závislé iba na údajoch z
polárnych družíc. Nevýhodou pozorovania Zeme pomocou polárnych družíc sú
v súčasnosti aj niekedy chýbajúce dáta o atmosfére či povrchu v okolí rovníka, resp.
v nízkych zemepisných šírkach (zhruba od 30° s. a j. zemepisnej šírky), keďže sa tu nimi
nasnímané pásy už neprekrývajú (obr. 2).
V súčasnosti patria medzi najdôležitejšie polárne meteorologické družice americké
civilné meteorologické družice NOAA a európske družice MetOp. Okrem nich sem ešte
môžme zahrnúť napríklad ruské družice METEOR, čínske družice série FY-x, alebo
12
družice DMSP - amerického vojenského letectva a jeho meteorologickej služby.
Vzhľadom k nízkej kvalite dát družíc METEOR či FY-1x, respektíve nedostupnosti dát
z DMSP, využíva väčšina vyspelých civilných meteorologických služieb dáta získané z
družíc NOAA a MetOp.
Obr. 2: Kompozit produktov vytvorených z údajov senzora AMSU (Advanced Microwave Sounding Unit) na
družici NOAA (10. 11. 2005).
Zdroj: http://www.meted.ucar.edu/npoess/microwave_topics/clouds_precip_water_vapor/media/graphics/
equator_des.jpg
Pre územie Slovenska sú dnes z polárnych družíc pre meteorologické prípadne aj
klimatologické účely využitelné najmä údaje zozbierané družicami NOAA. Ich
pomenovanie je skratkou anglického názvu americkej národnej agentúry pre oceány a
atmosféru, teda National Oceanic and Atmospheric Administration. V súčasnosti sú pri
monitorovaní počasia využívané predovšetkým údaje družice NOAA-18, ktorá je
v prevádzke od roku 2005 ako aj družice NOAA-19 vypustenej v roku 2009 (malo by ísť o
poslednú z dlhej série družíc POES – Polar Orbiting Operational Satellite v rámci
programu TIROS-N). Staršie družice NOAA-15, 16 a 17 sú v súčasnosti síce operatívne,
no slúžia len ako záloha, resp. sekundárne družice (URL 3).
1.2. Údaje meteorologických družíc
1.2.1. Diaľkový prieskum Zeme a atmosféry pomocou družíc
Družicové pozorovania sa radia do vedného odboru dištančných meraní, keďže ich
diaľkové senzory nie sú v priamom kontakte s objektom, ktorý snímajú a údaje o ňom
13
odvodzujú sprostredkovane na základe merania emitovaného žiarenia. Informácie
o vybraných prvkoch a javoch v blízkosti povrchu či z rôznych vrstiev atmosféry sú teda
získavané zaznamenávaním intenzity odrazeného alebo emitovaného elektromagnetického
žiarenia vo vhodných intervaloch spektra. Často sa využívajú tzv. „atmosférické okná“,
ide o intervaly vlnových dĺžok, v ktorých atmosféra Zeme relatívne dobre prepúšťa
elektromagnetické žiarenie (bez jeho výrazného pohltenia atmosférickými plynmi),
(Bydžovská, 2004).
Polárne ako aj geostacionárne meteorologické družice teda pracujú na rovnakom
princípe. Zem a jej atmosféru sledujú v niekoľkých úzkych spektrálnych pásmach –
kanáloch. Rozsah vlnových dĺžok detekovaného žiarenia, tzv. kanál, je zvolený podľa
toho, aký prvok v atmosfére sledujeme. Napríklad, ak chceme poznať schopnosť objektov
(zemského povrchu, oblakov) odrážať slnečné žiarenie, musíme si vybrať vlnovú dĺžku z
viditeľnej časti spektra. Ak sa zaujímame o množstvo vodnej pary v atmosfére, zvolíme
vlnovú dĺžku, v ktorej vodná para absorbuje žiarenie zemského povrchu (Jurašek et al.,
2009).
Na začiatku éry operatívnych meteorologických satelitov sa ich senzory spoliehali
hlavne na snímanie relatívne krátkych vlnových dĺžok – viditeľného a infračerveného
žiarenia (zhruba 10-7 až 10-5 m). Až o niečo neskôr sa začal rozvíjať mikrovlnný diaľkový
prieskum Zeme, využívajúci oveľa väčšie vlnové dĺžky (10-3 až 1 m) s nižšou frekvenciou
v GigaHertzoch (GHz), ako možno vidieť na obrázku 3 (URL 9).
Obr. 3: Elektromagnetické spektrum – frekvencie a vlnové dĺžky jednotlivých druhov EM žiarenia.
Zdroj: http://www.meted.ucar.edu/npoess/microwave_topics/clouds_precip_water_vapor/media/
graphics/electsp2_rev.jpg
Vysoko energetické žiarenie, teda gama ako aj röntgenové žiarenie je úplne
pohlcované vo vyšších vrstvách zemskej atmosféry a tak ho nemožno využiť pre diaľkový
14
prieskum Zeme. Ultrafialové žiarenie je však použiteľné pri štúdiu vyššej atmosféry,
keďže práve ňou je z veľkej časti, no nie úplne pohlcované a možno tak napríklad
monitorovať zmeny a stav ozónovej vrstvy. Rádiové žiarenie, teda veľmi veľké vlnové
dĺžky a nízke frekvencie rádiových vĺn, sa využívajú predovšetkým za účelom mapovania
terénu, no využiť ich možno aj pre niektoré meteorologické účely ako napríklad
sledovanie hurikánov.
Pre meteorologické pozorovanie je však najvhodnejšia viditeľná, infračervená
a mikrovlnná časť spektra. Často možno merať rovnaké prvky s využitím vlnových dĺžok
týchto troch druhov žiarenia. Každé má určité prednosti a rôznu citlivosť voči niektorým
procesom a povrchom a je tak vhodnejšie pri sledovaní niektorých javov. Meranie
mikrovlnného vyžarovania je napríklad najlepším zdrojom informácií pri štúdiu morského
ľadu či vetra v blízkosti morskej hladiny a ďalších inak nemerateľných prvkov. Meranie
infračerveného vyžarovania je veľmi výhodné pri nepretržitom 24 hodinovom sledovaní
oblačnosti a viditeľné žiarenie je zase využívané pri hodnotení stavu oceánov (stav
morského planktónu, znečistenia, produktivity, biodiverzity...) či štúdiu oceánskych
procesov. Pre sledovanie niektorých javov či pre dosiahnutie dostatočnej presnosti a
úplnosti finálnych produktov je však často nutná kombinácia údajov z rôznych senzorov.
Pri diaľkovom skúmaní Zeme pomocou meteorologických družíc možno ďalej
rozlíšiť dva rozdielne technologické prístupy, resp. metódy získavania informácií – údaje
sa získavajú buď „aktívne“ alebo „pasívne“. Aktívne detektory družíc vysielajú smerom
k Zemi pravidelné energetické pulzy v rôznych vlnových dĺžkach a merajú spätne
odrazené žiarenie. Pasívne detektory nevysielajú vlastné „žiarenie“, len merajú už
existujúce prichádzajúce žiarenie, emitované z rôznych častí atmosféry a zemského
povrchu. Keďže pasívne detektory, snímajú už existujúce vyžarovanie Zeme, sú ich
energetické nároky oveľa menšie ako v prípade aktívnych senzorov, čo je ich hlavnou
výhodou. Na druhej strane aktívne senzory zachytávajú mnohé javy (napr. zrážky)
presnejšie a majú zvyčajne aj detailnejšie priestorové rozlíšenie (URL 7).
1.2.2. Prijímanie a spracovanie údajov meteorologických družíc
Všetky družice sprostredkúvajú informácie o systéme Zem-atmosféra prostredníctvom
veľkého objemu zosnímaných “dát” pravidelne vysielaného k Zemi. Pod pojmom „dáta“
môžeme v prípade meteorologických družíc rozlíšiť dáta analógové, teda družicové
15
fotografie a taktiež dáta digitálne, predstavujúce informácie zo skenerov v digitálnej
podobe (Bydžovská, 2004).
Kým v prípade polárnych družíc zvyčajne každý prijíma aktuálne údaje priamo zo
senzorov, geostacionárne družice namerané údaje (snímky) odosielajú do riadiacich
centier na spracovanie a tie sú v rôznych formátoch distribuované užívateľom (Jurašek et
al., 2009). Snímky sú postupne archivované a prístupné pre užívateľov v databáze
EUMETSAT-u. V centrálnom archíve tejto organizácie však možno nájsť aj údaje získané
z amerických polárnych družíc NOAA v rámci dohody o vzájomnej výmene dát.
Jednotlivé snímky predstavujú „obrázky“ zemského povrchu a atmosféry v určitom
okamihu, pričom ich rozlíšenie je dané veľkosťou obrazových bodov - pixlov. V každom
jednotlivom pixli je zaznamenaná informácia, zvyčajne priemerná intenzita meraného
žiarenia z danej oblasti (plochy). Európska geostacionárna družica MSG-2 (Meteosat 9)
má obrazové rozlíšenie okolo 3 x 3 km v subsatelitnom bode a 1 x 1 km pre kanál s
vysokým rozlíšením. V dôsledku zakrivenia zemského povrchu je u nás rozlíšenie
približne dvakrát horšie a snímanie údajov z polárnych oblasti absolútne nemožné.
Vďaka menšej obežnej výške majú polárne družice zvyčajne lepšie obrazové
rozlíšenie. V súčasnosti je to od 1 x 1 km v subsatelitnom bode po 2,5 x 2,5 km na okraji
snímaného pásu (Jurašek et al., 2009).
Ako už bolo uvedené, počasie v Európe a teda aj v SR v súčasnosti pravidelne
monitorujú hlavne geostacionárne družice METEOSAT-u druhej generácie (MSG).
„Srdcom“ družice MSG je prístroj SEVIRI (Spinning Enhanced Visible and Infrared
Imager), umiestnený uprostred družice, v jej ose. Jeho úlohou je získavať snímky Zeme v
11 úzkopásmových spektrálnych kanáloch a jednom širokopásmovom s vysokým
rozlíšením (kanál HRV). Dôležitou súčasťou družice je aj Geostationary Earth Radiation
Budget (GERB) - prístroj určený pre meranie celkového žiarenia na hornej hranici
atmosféry (údaje dôležité predovšetkým pre monitorovanie klímy a klimatických zmien).
Zvyšok predstavuje telemetrická, komunikačná a riadiaca časť družice a systém pre zber
núdzových signálov v dosahu družice (URL 8).
Surové dáta z prístroja SEVIRI (snímky vo viditeľných a infračervených kanáloch)
spolu s ďalšími dátami zozbieranými družicou MSG sú vysielané na Zem a prijímané
pozemnou stanicou v nemeckom Usingene. Odtiaľ sú telekomunikačnými linkami
posielané do riadiaceho strediska v Darmstadte. Tu sú kalibrované a spracované do
štandardnej geostacionárnej projekcie a takto upravené snímky sú distribuované
užívateľom systémom EUMETCast. Všetky upravené dáta určené k distribúcii, sú teda
16
posielané späť do už spomínanej stanice v Usingene. Odtiaľ sú odvysielané na
geostacionárnu telekomunikačnú družicu, ktorá ich vysiela ako televízny signál. Pomocou
tejto služby sú vysielané nielen dáta z družíc MSG, ale i z ostatných družíc Meteosatu či
z vybraných polárnych družíc. Taktiež sú takto šírené niektoré „druhotné“ produkty
spracované z primárnych družicových dát (URL 8).
Pri transformácii, respektíve projekcii snímok je dôležitá presná navigácia dát,
pričom pod navigáciou je myslené priradenie presnej zemepisnej súradnice danému
obrazovému pixlu. Pri geostacionárnych družiciach zobrazuje ľubovoľný pixel vždy
rovnaké územie a je mu teda možné jednoducho a presne priradiť správnu zemepisnú
súradnicu (Hlavatý et al., 2002).
Podstatne náročnejšia je otázka navigácie dát z polárnych družíc (napr. dáta HRPT z
družíc NOAA). Polárne družice pri každom oblete zobrazujú iné územie a jednotlivé
nasnímané pásy je potrebné na seba „napájať“, navyše dáta z družice nie sú korigované na
prípadné chyby geometrie snímania. Výsledkom je, že v transformovaných dátach môže
byť chyba navigácie 10-15 km, to sa na snímkach prejaví napríklad tým, že Dunaj
zdanlivo „tečie“ posunutý o túto chybu do vnútra Maďarska alebo Slovenska, namiesto
toho aby tvoril hranicu medzi týmito štátmi (Hlavatý et al., 2002). Na operatívnych
snímkach sa táto chyba môže vyskytnúť pomerne často, pričom jej eliminácia nie je
triviálnou záležitosťou.
U mnohých meteorologických družíc je často potrebné kompenzovať aj efekt
otepľovania a ochladzovania prístrojov počas jednotlivých obehov Zeme, človekom
vytvárané emisie žiarenia rôznych vlnových dĺžok, zmeny citlivosti senzorov (v dôsledku
ich postupnej degradácie), či postupné posuny obežnej dráhy (zmeny v čase a mieste
preletu nad daným územím). Ide však zvyčajne o pomalé postupné odchýlky, ktorých
vplyv možno ľahko odstrániť (URL 10).
Je dôležité si uvedomiť, že v praxi sa nevyužívajú priamo údaje prijímané z prístrojov
meteorologických
družíc,
keďže
tie
nemerajú
priamo
hodnoty
(jednotky)
meteorologických prvkov. Údaje zo senzorov družíc je vždy potrebné vhodne spracovať.
Okrem určenia presnej polohy bodu, odkiaľ sú údaje, treba prepočítať snímané hodnoty
žiarenia na fyzikálne zmysluplné veličiny a prípadne aplikovať rôzne korekcie, napríklad
na výšku Slnka pri meraní odrazeného slnečného žiarenia. Ak je výstupom obrazová
informácia, všetky farby sú vytvorene umelo a slúžia iba na ľahšiu interpretáciu údajov
(Jurašek et al., 2009).
17
Obr. 4: Snímky Zeme z družice MSG-1. Vľavo RGB kompozit v nepravých farbách, kombinácia kanálov
2-1-3 (VIS 0.8, VIS 0.6 a NIR 1.6) a vpravo snímka v kanály 9 (IR 10.8). Škvrny (tmavá a svetlá) v oblasti
Sahary predstavujú tieň Mesiaca vrhnutý na povrch Zeme pri zatmení Slnka 29. marca 2006. Tyrkysovou
farbou sú zvýraznené vysoké oblaky pozostávajúce z ľadových kryštálikov.
Zdroj: http://old.chmi.cz/meteo/sat/galerie/gal_2006a/gal_2006a.html
1.2.3. Tvorba produktov z údajov meteorologických družíc
Dodatočne spracované „surové“ údaje družíc označujeme ako “odvodené družicové
produkty”, alebo skrátene produkty. Produkty zväčša obsahujú detailný popis, resp.
rozloženie a hodnoty rôznych zaznamenaných atmosférických, oceánskych či pozemných
javov a prvkov v určitom konkrétnom okamihu prípadne aj za dlhšie obdobie (za deň,
mesiac, rok...). Zvyčajne tak ide o „mapy“ v rastrovom formáte obsahujúce konkrétne
hodnoty (jednotky či kategórie), odvodené z údajov družicových skenerov. Ako príklad
možno uviesť produkty zobrazujúce typ oblačnosti, povrchovú teplotu oceánu a pevniny,
rozloženie ozónu, vulkanického popola, prachu či dymu v atmosfére, prípadne aj lesné
požiare a podobne. Zo „surových“ údajov družíc (dát senzorov) tak možno vytvoriť veľké
množstvo rozličných produktov, potenciálne využiteľných nielen v meteorológii
a klimatológii, ale aj v iných vedných odboroch a oblastiach. V prípade niektorých
produktov sú postup ich tvorby a použité algoritmy zložitejšie, pričom sú často ako vstup
nevyhnutné ďalšie informácie z iných už vytvorených produktov (URL 4).
V súčasnosti sa do popredia dostali produkty typu RGB kompozit (obrázok 4). Tento
produkt vzniká tak, že sa červenej, zelenej a modrej zložke farebného obrázka priradí iná
informácia (napríklad iný kanál alebo rozdiel kanálov). Získaný farebný obrázok poskytne
lepšiu informáciu, ako každá vstupná informácia zvlášť. Okrem produktov RGB kompozit
18
EUMETSAT inicioval 8 projektov na podporu lepšieho využitia nových prístupných
údajov s MSG. Tieto projekty dostali označenie SAF (Satellite Application Facilities zariadenia pre využite družicových údajov EUMETSAT-u), (Jurašek et al., 2009).
Väčšina SAF projektov, ale i ďalších podobných programov využívajúcich dáta
meteorologických družíc je zameraná na tvorbu produktov slúžiacich pre meteorologické
účely (hlavne pre potreby predpovede počasia) prípadne pre štúdium atmosférických
procesov a aktuálnych (krátkodobých) javov napr. rôznych hrozieb. Len pomerne malú
časť produktov meteorologických družíc možno zahrnúť medzi čisto klimatologické
produkty (obsahujú priemerné hodnoty či zmeny prvkov stanovené za dlhšie obdobie).
Táto práca sa však zameriava predovšetkým na dostupné produkty meteorologických
družíc, ktorých údaje sú potenciálne využiteľné na klimatologické účely v rámci SR.
Klimatologické družicové produkty na báze údajov družíc Meteosat prvej generácie
(MFG) označené ako MTP Climate Data Set sú dostupné napríklad v centrálnom archíve
EUMETSAT-u (UMARF) od 1.11.1995 a novšie produkty družíc Meteosat druhej
generácie (MSG) sú dostupné od 1.1.2007.
Ďalšie klimatologicky „orientované“ produkty tvorené z údajov družíc MSG a
polárnych družíc NOAA (najnovšie aj MetOp) označované ako CM-SAF PRODUCTS sú
dostupné po registrácii na webovej stránke Climate Monitoring SAF. Väčšina z nich je
dostupná od 1.1.2004, niektoré na báze údajov zo satelitov NOAA, až od 1.1.2007.
Produkty CM-SAF sú teda generované z údajov geostacionárnych ako aj polárnych
družíc. Mnohé produkty tak existujú v dvoch variantoch (URL 5).
Pravdaže na klimatologické účely môžu byť použité aj ďalšie produkty produkované v
rámci iných SAF projektov. V tejto práci sú napríklad využité
produkty tvorené v
rámci projektu z označením Land SAF (Land Surface Analysis Satellite Applications
Facility). Hlavným účelom projektu je spracovanie dát z družíc MSG, orientované na
monitorovanie zemského povrchu, interakcie medzi povrchom a atmosférou, či pre rôzne
biofyzikálne aplikácie. Zameriava sa predovšetkým na vývoj a poskytovanie produktov,
využiteľných pre predpoveď počasia a modelovanie klímy. Možnou oblasťou využitia
generovaných produktov je aj monitoring stavu krajiny (informácie o type a zmenách
krajinnej pokrývky), hodnotenie prírodných hrozieb, ale i detekcia klimatických zmien
(URL 6).
Odkazy na družicové snímky a produkty tvorené z dát viacerých meteorologických a
environmentálnych satelitov (senzorov) možno nájsť aj na stránkach úradu OSDPD
(Office of Satellite Data Processing and Distribution), teda úradu pre spracovanie
19
a distribúciu satelitných dát, ktorý je súčasťou vládnej verejnej informačnej služby
NESDIS (National Environmental Satellite, Data, and Information Service) a pod správou
organizácie NOAA. V súčasnosti tu možno nájsť odkazy na veľké množstvo produktov
obsahovo zameraných na rôzne sféry Zeme či rôzne oblasti využitia. Vstupné údaje
pochádzajú z viacerých platforiem (série amerických meteorologických družíc v rámci
systémov POES a GOES), environmentálnych družíc (Aqua, Terra, Landsat...), ale
aj Európskeho EUMETSAT-u (družica MetOp). V tejto práci boli hodnotené výsledky
mapovania snehovej a ľadovej pokrývky na severnej pologuli teda tzv. produktu IMS
(Interactive Multisensor Snow and Ice Mapping System), tvoreného v rámci služby
NESDIS (URL 11).
Družicovým produktom vybraným pre spracovanie a hodnotenie v rámci SR, ich
tvorbe a bližšiemu popisu je venovaná tretia kapitola.
1.2.4. Využitie údajov meteorologických družíc
Oblastí využitia údajov zozbieraných senzormi meteorologických družíc je skutočne
veľké množstvo. Meteorologické družice však slúžia primárne na získavanie dát
o momentálnom, resp. aktuálnom stave atmosféry Zeme. Klasické družicové snímky
(využívané najmä v synoptickej meteorológii) zobrazujú najmä rozloženie oblačnosti,
respektíve polohu atmosférických frontov a riadiacich tlakových útvarov. Využívané sú
pritom merania multispektrálnych rádiometrov operujúcich v infračervených a viditeľných
pásmach, ktoré umožňujú zaznamenávať typ a rozvoj oblačnosti či vývoj a trasu
tropických cyklón atď. Z archivovaných družicových snímok za viac rokov možno zistiť
dlhodobé rozloženie oblačnosti nad najrôznejšími oblasťami Zeme. Dnes máme
k dispozícii priemerné hodnoty pokrytia oblohy oblačnosťou pre obe pologule za
posledných zhruba štyridsať rokov (Bydžovská, 2004).
Skutočnou výhodou údajov meteorologických družíc bolo vždy predovšetkým ich
využitie pri nepretržitom pozorovaní atmosférických procesov a javov v globálnej mierke
a prakticky v reálnom čase. Tradične sú využívané ako základný zdroj meteorologických
informácii z regiónov, ktoré nemajú postačujúce meteorologické zázemie, teda
nedostatočne rozvinutú sieť staníc či meteorologických radarov (najmä rozsiahle oblasti
Južnej pologule či Ázie). Tiež nám umožňujú pozorovať a monitorovať výskyt lokálnych
javov na území medzi stanicami pozorovacej siete, často spojených s nebezpečnými
prejavmi počasia, ako sú prívalové dažde, silné búrky, krupobitie a podobne.
20
Meteorologické družice nám pomáhajú objasniť priebeh, nástup či predpovedať
intenzitu procesov ako sú El Niño a La Niña v Pacifiku či NAO v severnom Atlantiku,
prípadne iných kvázi periodických oceánických a atmosférických cirkulačných systémov
či tzv. „oscilácii“. Z údajov meteorologických družíc možno určiť prípadné zmeny
morských prúdov – termohalinnej cirkulácie, ktorá je hlavným „motorom“ výmeny
energie (tepla) na Zemi a má výrazný vplyv na cykly kolísania klímy. Z klimatologického
hľadiska je dôležité aj sledovanie radiačnej (energetickej) bilancie Zeme, teda najmä
zmien zemského povrchu na globálnej úrovni.
Možné je však aj iné ako čisto „meteorologicko-klimatologické“ využitie
meteorologických družíc, keďže z ich údajov možno priamo alebo nepriamo odvodiť
mnohé informácie o prírodnom prostredí. Zozbierané údaje tak môžu byť využité nielen
pre globálne pozorovanie atmosféry, ale aj zmien pevniny, oceánov, kryosféry či biosféry.
Často tak spĺňajú funkciu environmentálnych satelitov. Na druhej strane možno na
meteorologické
či
klimatologické
účely
využiť
aj
dáta
zozbierané
senzormi
environmentálnych družíc.
Jednou z oblastí využitia meteorologických družíc je v súčasnej dobe napríklad
monitoring stavu vegetácie v rôznych častiach sveta (pomocou kombinácie spektrálnych
pásiem možno určovať množstvo, druh či stav vegetácie). Je tak možné dokumentovať
odlesňovanie tropických pralesov alebo rozširovanie púští. Z údajov meteorologických
družíc sa teda dajú získať dodatočné informácie napr. o krajinnej pokrývke (land cover) či
využívaní zeme (land use), topografii ale i geológii.
Ďalšou zaujímavou sférou využitia meteorologických družíc je detekcia a pozorovanie
bleskov, ktorá je alternatívou a doplnkom k pozemným meraniam. Možné je aj
monitorovanie stavu koralových útesov alebo takzvaného "vybielovania" koralov, ku
ktorému dochádza v prekysličenom prostredí a v dôsledku teplotného stresu. Užitočné sú
aj pozorovania znečistenia atmosféry, podmienené prírodnými procesmi (piesok, popol,
prach...) alebo vyvolané človekom, je dokonca možné zachytiť aj splodiny zanechané
raketami a lietadlami, takzvané „kondenzačné stopy“. Ľahko pozorovateľné sú ropné
škvrny na hladine oceánu, pričom je na základe z družíc získaných informácii o
oceánskych prúdoch a vetre v blízkosti hladiny možné predpovedať ich šírenie.
Meteorologické družice často ako prvé podávajú informácie o vypuknutí, rozsahu
a postupe požiarov či povodní a iných prírodných hrozieb v odľahlých oblastiach.
Význam meteorologických družíc pri poskytovaní iným spôsobom nezískateľných
informácii či riešení každodenných problémov je nepopierateľný. S rozvíjajúcou sa
21
satelitnou technológiou a dokonalejšími prístrojmi bude ďalej narastať využitie v rámci
čoraz menších regiónov. Keďže numerické modely opisujúce stav atmosféry silne závisia
od presnosti vstupných dát (vrátane družicových údajov), možno pri zvýšení ich kvality v
budúcnosti očakávať aj kvalitnejšie meteorologické predpovede či klimatické scenáre.
Nepochybne bude narastať aj ich „nemeteorologické“ využitie najmä v rámci monitoringu
stavu a zmien prírodných ekosystémov.
22
2. KLIMATOLOGICKÉ VYUŽITIE ÚDAJOV METEOROLOGICKÝCH DRUŽÍC
2.1. Porovnanie údajov meteorologických družíc a údajov staníc
Systém meteorologických bóji na hladine oceánu, bezpilotné lietadlá a rádiosondážne
balóny, no hlavne pozemná sieť meteorologických staníc (teda tzv. merania „in situ“)
predstavujú typické nástroje v súčasnosti bežne používané pre „priame“ atmosférické
merania prvkov a javov. Meriame nimi predovšetkým teplotu, vlhkosť, tlak vzduchu,
rýchlosť
a smer vetra
v blízkosti
povrchu či
v
rôznych
vrstvách
troposféry
(Rymasheuskaya et al., 2005).
Meteorologické stanice síce v súčasnosti poskytujú veľmi presné merania prvkov
a javov, no zachytávajú len ich lokálne hodnoty. Udržiavanie hustej siete staníc je
pomerne nákladné, keďže je potrebné nepretržité zaznamenávanie a revízia údajov z
meracích prístrojov či ich pravidelná údržba. Územia mnohých predovšetkým
rozvojových štátov tak nemajú dostatočne vybudovanú sieť staníc. Navyše sú
meteorologické stanice v krajine často pomerne riedko a nepravidelne rozmiestnené a
rozsiahle oblasti medzi stanicami zostávajú bez pravidelných pozorovaní.
Vo viacerých prácach tak možno nájsť podobné konštatovania: „Väčšinu povrchu
Zeme zaberá svetový oceán a pre veľké oceánske oblasti rozložené medzi kontinentmi
neexistujú takmer žiadne merania základných prvkov. Aj na pevnine je rozmiestnenie
meraní nerovnomerné, keďže sieť staníc je spravidla najhustejšia tam, kde je najvyššia
hustota zaľudnenia a mnohé oblasti zostávajú bez pozorovaní.“ (Christy, Spencer, 1990).
Všeobecne je väčšina odľahlých a málo osídlených oblastí sveta staničnými meraniami
nedostatočne pokrytá. Pri stanovovaní hodnôt meteorologických prvkov sú tak odkázané
na údaje z okolitých staníc a odhady (interpoláciu) na základe dostupných informácií
z daného regiónu. Problematické je určovanie hodnôt prvkov v členitejšom teréne či
výrazne mozaikovej krajine s „kontrastnou“ krajinou pokrývkou. Aj keď sa pre dané
územie snažíme používať najvhodnejšiu metódu interpolácie hustota pozemných meraní je
v niektorých lokalitách často príliš nízka. Väčšinou pritom vychádzame len z digitálneho
terénneho modelu danej oblasti a odhadovaných gradientov.
Ďalším problémom je možné ovplyvnenie meraní a teda aj výsledných hodnôt prvkov
v dôsledku postupných zmien v okolí stanice za dlhšie obdobie. Príkladom je napríklad
postupné prehriatie veľkomiest v priebehu 20. storočia a zmeny v meraných teplotách
vzduchu (vznik tzv. mestského ostrovu tepla), i keď ide len o malú časť z celkovej siete
staníc, tento jav sťažuje klimatologické spracovanie.
23
Na druhej strane merania meteorologických družíc pokrývajú relatívne rovnomerne
rozsiahle časti zemského povrchu - oceánu ako aj pevniny. Hlavným prínosom diaľkovej
detekcie prvkov za pomoci družíc je tak najmä rozsiahle plošné pokrytie a zobrazenie
„reálneho“ fyzikálneho poľa teda skutočných gradientov pozorovaných prvkov. Avšak
meteorologické prvky dnes z družíc nemožno zaznamenať tak presne, spoľahlivo a pre tak
malé lokality (s takým rozlíšením) aké reprezentujú stanice.
„Najväčšia výhoda družíc, ktorou je ich široký „planetárny“ rozhľad, je vyvážená ich
najväčšou slabosťou: Sú ďaleko od látok (atmosféry, krajiny, vodných plôch), ktoré sa
snažia monitorovať. Z tohto hľadiska je najlepšia kombinácia družicových a „in situ“
pozorovaní, pričom družice poskytujú celkový a komplexný obraz a pozemné stanice
potrebné detaily, prípadne údaje využiteľné pri kalibrácii a kontrole družicových dát.“
(MacDonald, 2001).
Meteorologické družice sú navyše zamerané predovšetkým na monitorovanie
aktuálneho stavu a vývoja oblačnosti či momentálnych hodnôt vybraných prvkov. Ich
údaje slúžia skôr na krátkodobé meteorologické účely než na dlhodobý monitoring klímy.
Napokon aj ich anglický názov „weather satellites“ vypovedá o ich primárnom účele
(monitoring počasia) a ich klimatologické využitie je len druhoradé.
Viaceré vedecké články však poukazujú na nedostatky „in situ“ meraní a ich využití
pri odvodzovaní priemerných hodnôt prvkov v určitom regióne. Zameriavajú sa na
potenciál a výhody využitia polí prvkov získaných z meteorologických družíc.
Napríklad podľa Mendhelson et al., 2007, môžu byť z družíc získané priestorové
hodnoty (polia), často presnejšie ako polia interpolované s bodových meraní staníc. Autori
tejto štúdie skúmajú či údaje z družíc môžu predstavovať vhodnejší zdroj
klimatologických informácií než dostupné pozemné merania. Údaje z oboch zdrojov sú
využité na stanovenie dlhodobých klimatických podmienok využívaných pri odhade
poľnohospodárskych výnosov v Brazílii, Indii a v USA. Na výpočet klimatických
normálov sú v tejto práci využité priemerné mesačné teploty vzduchu a údaje o
priemerných mesačných zrážkach z jednotlivých regiónov.
Pri využití údajov o priemernej teplote vzduchu z mikrovlnných meraní polárnych
družíc DMSP boli dosiahnuté o niečo lepšie výsledky ako pri spracovaní údajov z
pozemných meraní. Z družíc získané pole teploty vzduchu tak bolo pri odhade
poľnohospodárskych výnosov vhodnejšie ako pole teploty interpolované z dostupných
staničných meraní (Mendhelson et al., 2007).
24
Pozorovania družíc sa stali kľúčovým komponentom aj pri monitoringu globálnej
klimatickej zmeny a jej prejavov na Zemi, ktorá sa tradične vyhodnocuje s využitím
dlhodobých radov meraní na staniciach. Väčšinou sa však pozorovania družíc využívajú
na štúdium zmien klimatologických prvkov v oblasti oceánov, kde sú k dispozícii dlhšie
merania s menšími priestorovými odchýlkami a relatívne malou chybou merania. Dnes už
sú dostupné dáta z meraní teploty vzduchu nad oceánmi (prístroje MSU a neskôr AMSU
od roku 1979), povrchovej teploty oceánov (z AVHRR od roku 1982) či obsahu vodnej
pary v atmosfére (z SSM/I od roku 1987), (Schabel, Wentz, 2000).
Na rozdiel od oceánov pre rozsiahle oblasti pevnín často nie je možné získať
dostatočne presné hodnoty prvkov v blízkosti povrchu. Nad povrchom pevnín treba často
počítať s premenlivou chybou merania, resp. nepresnosnosťou odvodených hodnôt prvkov
(v závislosti od stavu atmosféry a povrchu, ročného obdobia, hodiny počas dňa/noci atď.)
S vývojom dokonalejších diaľkových senzorov družíc a algoritmov sa však stanovené
hodnoty neustále spresňujú. Prístroje používané na meranie prvkov v sieti pozemných
staníc sa zväčša ďalej nezdokonaľujú (často len automatizujú), keďže majú len veľmi
malú chybu merania.
2.2. Spoľahlivosť a homogenita družicových údajov a produktov
Pri klimatologickom využití družicových údajov a produktov je problematická aj
pomerne krátka životnosť meteorologických družíc, ktorá sa pohybuje len okolo
niekoľkých rokov. Operačná doba je väčšinou výrazne vyššia u geostacionárnych družíc,
kým pre súčasné polárne družice je často len od 5 do 10 rokov a niekedy hlavne v prípade
porúch aj menej. Navyše jednotlivé senzory sú v dôsledku ich postupnej degradácie
využívané rôzne dlho a nie všetky inštalované prístroje sú schopné stabilnej prevádzky až
do konca životnosti družice. K získaniu dlhodobých radov údajov je tak potrebné
„pozliepať“ získané dáta z meraní viacerých (často rozličných) satelitov, vypustených
a deaktivovaných v rôznom čase. Potrebný je zvyčajne aj dostatočne dlhý „prekryv“
medzi operačnými obdobiami jednotlivých satelitov, aby bolo možné porovnať výsledky
ich meraní. V takom prípade je možné stanoviť vzájomné odchýlky (koreláciu meraní) a
následne opraviť možné chyby merania na novšej sérii družíc (URL 10).
V klimatológii je pri klimatologickej analýze dát, teda klimatologickom spracovaní a
vyhodnocovaní údajov a tvorbe akýchkoľvek záverov, dôležitá časová homogenita
vstupných údajov vyplývajúca zo zachovania rovnakého spôsobu merania. Práve krátka
životnosť a postupná degradácia senzorov družíc či ďalšie uvedené faktory vplývajúce na
25
pozorovania tak môžu predstavovať problém v prípade klimatologického uplatnenia. I keď
série družíc na seba nadväzujú ešte pred skončením životnosti už operujúcich satelitov, pri
každej novej družici je potrebná nová kalibrácia senzorov. Práve v dôsledku neustálych
zmien v prístrojovom vybavení družíc môže byť prerušený rad merania v prípade ak sa
v novej sérii prestali používať pôvodné senzory, alebo došlo k zmene spracovania dát
(algoritmov). Hoci tak môžu byť tie isté prvky merané s väčšou presnosťou, nie je
zaručená rovnaká metodika merania za dostatočne dlhé obdobie. Často nie je možné tieto
rady údajov najmä kvôli zmenám v meraní na seba jednoznačne nadviazať.
Napriek tomu že máme k dispozícii družicové merania rôznych klimatologických
prvkov, za viac ako 50 rokov (napr. oblačnosti, teploty povrchu, snehovej pokrývky...),
ide prevažne o merania na „planetárnej“ úrovni. Ich využitie pri hodnotení klímy menších
„regionálnych“ oblastí bolo umožnené až s príchodom dokonalejších senzorov a rastom
priestorového rozlíšenia (od konca 80.tych až začiatku 90.tych rokov). Na druhej strane je
stále možné využiť dlhodobo archivované dáta z jednotlivých družíc či sérii družíc na
jedinečné hodnotenie zmien (trendov, extrémov či anomálii) v globálnych poliach prvkov
v rámci celých kontinentov a oceánov.
Nespoľahlivé však môžu byť aj údaje staníc v dôsledku výpadkov pozorovaní,
náhodných a systematických chýb na danej stanici. Pri meraní prvkov v blízkosti povrchu
je problémom potenciálna nehomogenita staničných meraní v dôsledku faktorov ako sú
zmeny prístrojov, okolia stanice, miesta či metód pozorovania atď. Práve porušenie
časovej homogenity dlhodobého radu údajov je jednou z najčastejších systematických
chýb, ktorá sa však zvyčajne dá pomerne jednoducho odstrániť. Proces odstraňovania
systematických chýb (nehomogenít údajov) sa nazýva homogenizácia, pričom na analýzu
homogenity používame rôzne štatistické testy (Easterling, Peterson, 1998).
2.3. Monitoring vybraných prvkov pomocou družíc
V ďalšej časti sa budem venovať družicovému monitoringu polí niektorých prvkov
(relevantným vzhľadom k produktom využitým v práci), ako aj prácam hodnotiacim polia
týchto prvkoch v rámci družicových produktov.
2.3.1. Teplota povrchu pevniny
Niekoľko štúdií zdôrazňuje význam družicových údajov pri monitoringu procesov na
zemskom povrchu a praktické využitie týchto informácií pri predpovedi počasia
či modelovaní klímy (napr., Basist et al., 2001; Haines et al., 2004; Coelho et al., 2009 či
26
Pessanha et al., 2010). Veľmi častá je pritom práve snaha o vytvorenie produktu
zobrazujúceho povrchovú teplotu oceánov či pevniny.
Teplota zemského povrchu má veľký význam pri procesoch výmeny tepla a vody
s priľahlou atmosférou. Poznanie jej presných hodnôt je užitočné pre vedeckú komunitu,
najmä pre výskumníkov zaoberajúcich sa vývojom meteorologických či klimatických
modelov. Takýto produkt je využiteľný v celom rade oblastí zaoberajúcich sa procesmi na
zemskom povrchu vrátane meteorológie, hydrológie, klimatológie či environmentálnych
štúdií (Pessanha et al., 2010).
Teplota povrchu pevniny - LST (land surface temperature), alebo povrchová teplota
pevniny, je odvodzovaná z poľa radiačnej (jasovej) teploty. Meranie povrchovej teploty je
tak založené na tepelnom jase - tepelnom vyžarovaní telies a objektov na zemskom
povrchu v určitých vlnových dĺžkach.
Pri využití infračervenej oblasti pri odvodzovaní teploty povrchu pevnín je potrebné
brať do úvahy prípadnú atmosférickú absorpciu žiarenia týchto vlnových dĺžok a to
predovšetkým oblačnosťou, či vodnou parou. Rozličná spektrálna emisivita zemského
povrchu má pri tomto odvodzovaní teploty menší vplyv, keďže jej zmeny (v závislosti od
zmien povrchu) ovplyvňujú merané hodnoty infračerveného vyžarovania v malej miere.
„Reálna“ teplota v °C sa dá vypočítať zo známeho tvaru váhovej funkcie v určitom
spektrálnom kanáli. Meraná hodnota IČ žiarenia sa rovná skutočnej teplote telesa iba
v prípade ak je vyžarujúce teleso úplne čierne (teda neodráža žiadne dopadajúce žiarenie
a žiarenie, ktoré emituje závisí iba od jeho teploty). Okrem presného merania vyžarovania
je teda nutné stanovenie vhodného algoritmu podávajúceho „reálne“ hodnoty teploty v °C.
Algoritmus tak vyžaduje ďalšie vstupy ako napríklad hodnoty emisivity povrchu, či údaje
o stave atmosféry v blízkosti povrchu.
Pri využití väčších mikrovlnných vlnových dĺžok pri odvodzovaní LST, je efekt
atmosférickej absorpcie nad pevninou v mnohých oblastiach zanedbateľný, je však nutné
zohľadniť zmeny v hodnotách spektrálnej emisivity povrchu. Napríklad vlhkosť povrchu
znižuje mikrovlnnú emisivitu a teda aj výsledné prístrojmi merané mikrovlnné
vyžarovanie. Mieru vlhkosti, teda podiel kvapalnej vody na zemskom povrchu, je však
možné stanoviť s využitím jej špecifického „prejavu“ v určitej vlnovej dĺžke. Podobne
možno podľa „charakteru“ emisivity v jednotlivých pásmach stanoviť špecifické povrchy
(vodné plochy, snehová pokrývka, piesok...), ktoré rôzne ovplyvňujú veľkosť
mikrovlnného vyžarovania povrchu využívaného pri stanovení jeho teploty. Poznaním
priestorových a časových zmien povrchov a rôznej miery ich vplyvu na výslednú
27
emisivitu možno korigovať merané hodnoty žiarenia v jednotlivých lokalitách. Správne
určenie reálnej teploty v °C s využitím mikrovĺn bez údajov o emisivite povrchu, nie je
možné (Rees, 2001).
Mikrovlnné meranie LST oproti infračervenému meraniu nie je priestorovo limitované
aktuálnym stavom atmosféry v určitej oblasti (napr. prítomnosťou oblačnosti), ale je
zvyčajne menej presné kvôli veľkej premenlivosti povrchovej emisivity (prípadne
odlišnému uhlu snímania).V prípade „mozaikovitého“ povrchu pevnín sa presnosť
merania povrchovej teploty mení a vo výslednom poli LST sú odchýlky väčšie ako
v prípade oceánov. Tvorbu produktov zobrazujúcich povrchovú teplotu oceánov uľahčujú
práve málo premenlivé hodnoty spektrálnej emisivity (URL 13).
Skutočnosť, že za pomoci meteorologických družíc je možné zaznamenať pole
„povrchovej“ teploty aj za extrémnych podmienok potvrdzuje práca Basist et al., 1998.
Korelácia medzi teplotou povrchu určenou zo satelitných meraní (senzor SSM/I) a
teplotou z „in situ“ meraní počas vybraného prípadu (blizárd na severovýchode USA z
roku 1996), podľa tejto práce presiahla hodnotu 95% (priemerná chyba bola do 2°C).
V práci je prezentovaný je aj samostatný prototyp produktu LST, vytvorený zmiešaním
satelitných a pozemných meraní.
2.3.2. Teplota vzduchu v blízkosti povrchu pevniny
Hoci je teplota vzduchu kľúčovým prvkom pri predpovedi počasia a klímy, doteraz
nebola vytvorená primeraná staničná sieť, ktorá by umožnila detailnú globálnu analýzu
tohto parametra. Ako sa uvádza v práci Basist et al., 1998: „Merania teploty vzduchu z
celosvetovej siete staníc archivované v National Climatic Data Center (NCDC) majú
limitované využitie, keďže mnohé oblasti sú stanicami slabo pokryté alebo nemajú žiadne
dlhodobé pozorovania teploty vzduchu. Družicové merania ponúkajú možný spôsob
vyplnenia takýchto prázdnych plôch a v konečnom dôsledku získanie komplexnej „mapy“
teploty vzduchu nad povrchom celej zemegule.“
Oblasti s nedostatkom dát sú nad rozsiahlymi územiami Afriky, Južnej Ameriky,
južnej Ázie a nad celou Antarktídou (obrázok 5). Merania teploty vzduchu sú tu príliš
roztrúsené na to, aby z nich bolo možné vhodne interpolovať hodnoty a gradienty
v priebehu roka. Navyše hodnoty interpolované z bodových meraní teploty vzduchu majú
vo vyššie položených oblastiach a členitejšom teréne často nízku koreláciu zo skutočnými
hodnotami v danom období (Halpert et al., 1994).
28
Obr. 5: Územia s nepostačujúcim pozorovaním teploty vzduchu v roku 1994, vyznačené šrafážou.
Zdroj: prevzaté z Halpert et al., 1994
Teploty vzduchu (T) štandardne merané 2 metre nad zemským povrchom, pritom
predstavujú
jeden
z najdôležitejších
meteorologických
prvkov
používaných
pri
monitoringu klímy a sú potrebné aj vo veľkom množstve iných oborov a aplikácií.
Merania teploty vzduchu meteorologickými stanicami, však predstavujú iba bodové
hodnoty, no v praxi je často potrebné skôr pole tohto parametra v určitej mierke.
Napríklad modely globálnej cirkulácie atmosféry (GCMs - Global Circulation Models)
vyžadujú pole teploty vzduchu ako primárny vstup pre spustenie klimatických simulácií.
Teplota vzduchu v blízkosti povrchu pevniny (near surface air temperature) tak
zvyčajne nie je štandardne spracovaná ako „mapový“ družicový produkt. Pri snímaní
tepelného vyžarovania z povrchu pevniny či oceánu sa však na meraných hodnotách
z rôznej časti podieľa aj vyžarovanie (teplota) priľahlej atmosféry. Existuje teda väzba
medzi povrchovou teplotou (LST) a teplotou vzduchu (T), ktorú analyzujú viaceré práce.
Z hodnoty LST je teda možné „druhotne“ odvodiť teplotu vzduchu v blízkosti povrchu
pevniny. Stanovenie relatívne presného poľa teploty vzduchu (T) zhruba vo výške 2 metre
na základe LST je však dodnes problematické.
Väzba medzi povrchovou teplotou pevniny a teplotou vzduchu bola hodnotená a
potvrdená napríklad v štúdii Haines et al., 2004 a opiera sa o ňu aj spracovanie
družicových údajov v práci Colombi et al., 2007.
„Z družíc odvodené pole teploty zemského povrchu (LST) je študované za účelom
pochopenia regionálnej závislosti a variability LST ako aj poznania jej vzťahu
ku korešpondujúcej staničnej teplote vzduchu. Hodnota LST výrazne koreluje s teplotou
vzduchu v blízkosti povrchu, miera tejto korelácie a charakter ich vzťahu sa však môže
29
meniť v závislosti od vlastností zemského povrchu, terénu a atmosférických podmienok
v priebehu dňa či roka (geografických a sezónnych zmien)“ (Haines et al., 2004)
Práca Colombi et al., 2007 je zameraná na využitie produktu LST tvoreného z údajov
MODIS (Moderate Resolution Imaging Spectroradiometer) družice Terra ako zdroja
údajov pre tvorbu poľa priemernej dennej teploty vzduchu. Priestorové rozlíšenie
použitého produktu je 1 km a skúšobná plocha s 42 kontrolnými stanicami sa nachádza v
alpskej oblasti na území Talianska. Na odvodenie poľa priemernej dennej teploty vzduchu
boli použité iba dva LST rastre za deň (jeden z denného a jeden z nočného „preletu“). Pri
spracovaní hodnôt LST a posudzovaní ich presnosti bola využitá existujúca silná korelácia
medzi LST a teplotou vzduchu meranou na kontrolných staniciach.
V Mildrexler et al., 2011 autori hodnotia vzťah medzi diaľkovo snímanou maximálnou
povrchovou teplotou (maximálna LST odvodená z údajov MODIS) a zodpovedajúcou
maximálnou teplotou vzduchu zo všetkých staníc WMO (World Meteorological
Organization). Zistená pritom bola silná pozitívna korelácia medzi meranými hodnotami a
analyzovaný bol aj vplyv rôznych typov zemského povrchu na vzťah týchto teplôt. Z
výsledkov vyplýva, že s rastom teploty sa maximálna LST zvyšuje rýchlejšie ako
maximálna T. Snímaná hodnota LST pritom poskytuje ďalšie informácie o koncentrácii
tepelnej energie na zemskom povrchu.
Pri vysokých teplotách a nezalesnenej krajine má meraná LST užšiu väzbu skôr na
radiačné a termodynamické vlastnosti zemského povrchu než na teplotu vzduchu.
Pustatiny, krovinaté územia, pasienky, savany a polia majú maximálnu LST o 10 až 20 °C
vyššiu ako príslušnú maximálnu T. Zalesnené povrchy predstavujú výnimku s pomerom
medzi maximálnou LST a maximálnou T blízkym 1:1 a to pri rôzne vysokých teplotách
(Mildrexler et al., 2011).
Podľa Colombi et al., 2007 však vzťah medzi stanovenou LST a meranou teplotou
vzduchu ovplyvňuje predovšetkým nadmorská výška (výraznejšie ako krajinná pokrývka
či topografia). Rozdiel medzi týmito teplotami na určitej stanici je podmienený
predovšetkým jej nadmorskou výškou a len málo charakterom krajiny v okolí stanice.
Nadmorská výška má teda podľa výsledkov korelačnej analýzy najväčší vplyv na
závislosť, resp. veľkosť rozdielu medzi hodnotou LST a teplotu vzduchu.
Teplotu vzduchu je z družíc možné snímať aj „priamo“ a to v určitých výškach
(atmosférických hladinách) za pomoci mikrovlnných senzorov. Vychádza sa pritom z
merania vyžarovania molekúl vzduchu (napr. molekúl atmosférického kyslíka O2)
a známeho priebehu funkcie pre použité vlnové dĺžky. Podľa tvaru funkcie - polohy
30
„vrcholu“ možno meraným hodnotám priradiť výšku. Výsledkom sú profily teploty
vzduchu v „tlakových“ hladinách 200 hPa, 500 hPa, 700 hPa a podobne. Ide o takzvanú
nepriamu vertikálnu sondáž atmosféry (URL 14).
Jednotlivé polia teploty vzduchu (retrieval temperatures) z viacerých polárnych družíc
NOAA či MetOp vytvorené na základe vertikálnej sondáže atmosféry možno nájsť na
stránkach OSDPD (Office of Satellite Data processing and Distribution), (URL 15). Polia
takto „snímanej teploty“ v kelvinoch sú tvorené pre 40 „atmosférických“ hladín od
najvyššej 0,1 mb až po 1000 mb, ktorá už môže byť relatívne blízka teplotám vzduchu
blízko zemského povrchu.
2.3.3. Snehová pokrývka
Snehovú pokrývku možno definovať ako prítomnosť snehu v určitej oblasti a ak sa
zameriavame iba na jej priestorové rozšírenie môžeme rozlíšiť súvislú a nesúvislú
snehovú pokrývku. Snehová pokrývka hrá významnú úlohu vo fyzike povrchu pevniny,
keďže má vplyv na procesy energetickej výmeny medzi povrchom a atmosférou
a podobne
ako
teplota
povrchu
je
dôležitým
faktorom
pre
meteorologické
a klimatologické modely. Monitorovanie snehovej pokrývky je dôležité aj v hydrológii,
pri sledovaní zásob vody a odhade odtoku v povodí v prípade jej roztopenia.
Tradičným
zdrojom
informácii
o snehovej
pokrývke
je
sieť
pozemných
meteorologických staníc, kde sa každý deň v stanovenom termíne, sledujú jej parametre
(hlavne výška snehovej pokrývky nameranej pozorovateľom). Avšak pomerne riedka sieť
pozemných staníc v mnohých častiach sveta nedokáže poskytnúť dostatok údajov pre
presný „obraz“ rozloženia snehovej pokrývky vo veľkom priestore. Navyše súčasný trend
nahrádzania „manuálnych staníc“, teda staníc s pozorovateľom automatickými stanicami,
vedie k neustálemu znižovaniu množstva dostupných údajov o snehu z pozemných meraní
(Romanov et al., 2000).
Podobne v práci Hyvärinen, Siljamo, 2011 autori konštatujú: „Snehová pokrývka hrá
dôležitú úlohu v klimatickom systéme, no je obtiažne získať spoľahlivé údaje o snehovej
pokrývke bez satelitných meraní, len z pozorovaní staníc.“
Pri monitorovaní snehovej pokrývky (snow cover) pomocou družíc sú zvyčajne
dostupné údaje o jej výskyte či priemernej výške snehu len za dlhšie obdobie (niekoľko
dní). Z dlhodobého hľadiska môžeme sledovať aj jej vývoj (čas nástupu, trvanie,
pribúdanie, prípadne zmeny v rozsahu v určitej oblasti a iné charakteristiky). Hlavné
uplatnenie informácií o rozsahu snehových polí je v rámci numerickej predpovede
31
počasia, resp. predpovedných modelov - NWP models (Numerical Weather Prediction
models).
Problémom pri tvorbe mnohých družicových produktov zobrazujúcich stav či
vlastnosti snehovej pokrývky je v prvom rade detekcia a odlíšenie „snehových pixlov“ a
okrajových oblastí, teda presné rozlíšenie a stanovenie hraníc snehovej pokrývky
(Pessanha et al., 2009).
Na rozdiel od mnohých ďalších prírodných povrchov, snehová pokrývka vykazuje
vysokú odrazivosť vo viditeľnej časti spektra (VIS) a nízku v strednej infračervenej časti
(MIR).
Táto
špecifická
spektrálna
vlastnosť
snehu
je
široko
využívaná
v automatizovaných a poloautomatizovaných technikách detekcie snehu, založených na
satelitných meraniach. Ako indikátor prítomnosti snehu a na jeho odlíšenie od oblačnosti
sa tak často využíva pomer odrazeného žiarenia VIS k MIR (Hall et al., 1995).
Väčšina známych automatizovaných techník detekcie snehu z využitím VIS–MIR–IR
pozorovaní bola vyvinutá pre polárne družice. Niekoľko senzorov na palube polárnych
družíc, konkrétne prístroje AVHRR a AMSU družíc NOAA a prístroj SSM/I družíc
DMSP, nám umožnilo získavať globálne informácie o snehu a ľade (pôvodne
predovšetkým o ich plošnom rozsahu, no stále častejšie aj iných parametroch).
Geostacionárne družice neboli využívané pre mapovanie a monitoring snehu, keďže
merania v strednej infračervenej časti spektra boli na týchto platformách k dispozícii až
koncom 20. storočia. Počiatočné štúdie zaoberajúce sa odlíšením snehu za oblačného
počasia na VIS a IR snímkach zo satelitov GOES sa stretli s výraznými problémami.
Počnúc družicou GOES-8 však umožnili nové geostacionárne družice a ich senzory
sledovanie snehových polí s vyšším rozlíšením (Hall et al., 1995).
Autori Hyvärinen, Siljamo, 2011 predstavujú nový algoritmus pre detekciu snehovej
pokrývky na základe satelitných meraní z geostacionárnej družice MSG. Algoritmus je
využitý v operačnom programe pre tvorbu „SC produktu“ v rámci projektu Land SAF.
Nová verzia produktu (SAF SC) je porovnaná so staršou verziou a z produktom
vytvoreným v rámci projektu IMS (Interactive Multisensor Snow and Ice Mapping
System). Nová verzia SAF SC dosahuje vyššiu presnosť detekcie snehu a za bezoblačných
podmienok je porovnateľná z produktom IMS.
Práca Romanov et al., 2000 prezentuje možnosť vhodnej kombinácie meraní snehovej
pokrývky z prístrojov družíc GOES a prístroja SSM/I družíc DMSP. Kombinácia údajov
geostacionárnych a polárnych družíc a použitie mapy snehovej pokrývky vytvorenej v
predchádzajúci deň ako prvotného odhadu, výrazne zvyšuje kvalitu výsledného produktu
32
a eliminuje všetky oblasti bez dát v „snehovej mape“. Výsledný mapový produkt bol
v práci porovnaný s pozorovaním teda „výskytom“ snehovej pokrývky v sieti pozemných
staníc v rámci USA, pričom sa miera korelácie sa pohybovala okolo 85%.
Okrem
monitorovania
rozsahu
snehového
poľa prebieha
vývoj
produktov
zobrazujúcich parametre snehovej pokrývky ako napríklad výšku (hrúbku) snehovej
pokrývky v centimetroch (snow depth), prípadne vodnú hodnotu snehovej pokrývky v
milimetroch (snow water eqvivalent). Viaceré organizácie napr. NOAA dlhodobo pracujú
na vývoji algoritmov umožňujúcich tvorbu takýchto produktov s vyšším priestorovým
rozlíšením v globálnej mierke. Na globálnej úrovni prebiehajú aj merania výšky snehovej
pokrývky či jej vodnej hodnoty napríklad s využitím už spomínaných družíc DMSP
či družíc NOAA. Takéto produkty však majú dnes zvyčajne len malé rozlíšenie (niekoľko
desiatok kilometrov), prípadne nie sú tvorené pravidelne a iba ako experimentálne
(neoperatívne) produkty.
Stanovenie lineárnej korelácie medzi viacerými satelitnými produktmi a pozemným
meraním výšky SP, na základe priemerných mesačných hodnôt (výšok) pre zimu 19921993 a dostupné stanice na globálnej úrovni je napríklad súčasťou práce Aires et al., 2006.
„Porovnanie satelitných údajov s „in situ“ meraním výšky SP poukazuje na ich nízku
koreláciu v globálnom meradle pri využití mikrovlnnej emisivity. Získavanie dostatočne
presných údajov o výške SP pre celé zimné obdobie iba s využitím pasívnych
mikrovlnných meraní, respektíve údajov len z jedného družicového zdroja je značne
obtiažne.“ (Aires, 2006).
Vzhľadom k nízkemu rozlíšeniu sú v súčasnosti mnohé archivované „snehové“
produkty nevhodné pre štúdium klímy malých „neglobálnych“ regiónov (pre územie
veľkosti SR prakticky nevyužiteľné). V tejto práci však bol využitý produkt zobrazujúci
rozmiestnenie snehovej pokrývky pre celú severnú pologulu s relatívne vysokým
priestorovým rozlíšením (4x4 kilometre).
33
3. POUŽITÉ ÚDAJE A METODIKA
3.1. Vybrané produkty meteorologických družíc
3.1.1. Produkty v rámci projektu Land SAF (LSA SAF)
V práci sú pre územie SR spracované produkty systému Land SAF (ďalej LSAF),
ktorý zabezpečuje produkciu, archiváciu a distribúciu produktov, tvorených na základe
údajov družíc EUMETSAT-u (systémy MSG a EPS). Je súčasťou siete SAF zariadení,
predstavujúcich špecializované vývojové a spracovateľské centrá z rôznym zameraním.
Programovo by mal slúžiť predovšetkým potrebám meteorologickej komunity (numerická
predpoveď počasia), avšak má potenciálne využitie aj v ďalších oblastiach v rátane
klimatologických aplikácii a detekcie klimatických zmien. Finálne produkty sú po
zaregistrovaní voľne prístupné prostredníctvom stránok LSA SAF. Produkty sú rozdelené
do dvoch hlavných skupín - MSG/SEVIRI alebo AVHRR/Metop, teda podľa „zdroja“
údajov, respektíve družíc/prístrojov z ktorých sú odvodené (URL 6).
Obr. 6: Priestorové rozlíšenie prístroja SEVIRI družice MSG. Jednotlivé pásy zobrazujú postupný pokles v
rozlíšení smerom od pod družicového bodu. Vyjadrené narastajúcou veľkosťou pixlov: 3,1 km (vnútorný
kruh), 4 km, 5 km, 6 km, 8 km až 11 km (vonkajší prstenec).
Zdroj: prevzaté z Kabsch, 2009
Produkty odvodené z údajov prístroja SEVIRI sú v rámci LSAF vytvárané pre 4
rozličné geografické oblasti (Európa, severná Afrika, južná Afrika, južná Amerika), ale
i pre celý skenovaný disk. Produkty sú vo formáte HDF5 a pre stredoeurópsku oblasť teda
34
aj pre územie SR majú priestorové rozlíšenie okolo 6 km, ako možno vidieť na obrázku 6.
Z hľadiska časového rozlíšenia sú jednotlivé produkty tvorené z rôznou časovou
frekvenciou (15 minút, 30 minút a denné produkty).
K jednotlivým produktom LSA SAF bolo vydaných aj niekoľko oficiálnych
validačných správ overujúcich ich presnosť, resp. koreláciu s pozemnými meraniami.
Obsahujú štatistickú analýzu pre vybrané dni a obdobia (prípadové štúdie) a podávajú
bližšie informácie o ich tvorbe či vlastnostiach (napr. Coelho et al., 2009; Pessanha et al.,
2009; Kabsch, 2009).
Land Surface Temperatue (LSAF LST) produkt je v súčasnosti tvorený na základe
údajov družice MSG-2 (Meteosat-9), každých 15 minút pre celý skenovaný disk. Pre
spracovanie v rámci SR boli využité LST produkty tvorené o 6., 13., a 20. hodine UTC.
Produkcia LST produktu z údajov SEVIRI (analyzovaného v tejto práci) začala vo
februári 2005 (v archíve až od roku 2008), kým LST produkt z údajov MetOp/AVHRR je
tvorený od septembra 2007.
Na stanovenie hodnôt LST sa využíva algoritmus, ktorý okrem správneho nastavenia
pre rôzne podmienky (napr. teploty a vlhkosti vzduchu) či uhly snímania, vyžaduje ako
vstupné dáta hodnoty emisivity povrchu. Pre spresnenie povrchovej teploty je potrebný
Land Surface Emissivity (EM) produkt, tvorený nezávisle v rámci systému LSAF.
Emisivita sa pritom stanovuje na základe meraní tzv. podielu vegetačnej pokrývky, teda
z hodnôt Fraction of Vegetation Cover (FVC) produktu a klasifikácie krajinnej pokrývky
(Pessanha et al., 2010).
Získavanie presných informácii o teplote povrchu či iných prvkoch, je ale viazané na
snímanie povrchu pri jasnej oblohe, pri produkte LSAF LST s využitím termálneho infračerveného okna (SEVIRI kanály IR10.8 a IR12.0). Za úplne ideálnych podmienok
môžu byť polia prvkov z družice MSG snímané 96-krát za deň (pri 15 minútovom
snímkovaní). Reálne je však pre vybrané územie k dispozícii menej pozorovaní
v dôsledku oblačnej pokrývky. Identifikácia pixlov zatienených oblačnosťou je založená
na maske oblačnosti, ktorá je generovaná softwarom NWC SAF (Nowcasting and Very
Short Range Forecasting Satellite Application Facility), (Pessanha et al., 2010).
Kvalita LST/SEVIRI produktu závisí od citlivosti senzora a jeho stability ako aj od
presnosti identifikácie „oblačných“ pixlov a atmosférických korekcií a variácie emisivity
rôznych objektov na povrchu pevniny. Informácia o „kvalite“ údajov je poskytovaná na
úrovni jednotlivých pixlov (raster „quality flags“), rovnako aj absolútna odchýlka v °C
(raster „error bar“). Odchýlka LST je stanovená na základe parametrov: uhol snímania,
35
vlastnosti atmosféry (najmä teplota vzduchu blízko povrchu a koncentrácia vodnej pary –
miera vlhkosti) a presnosť merania emisivity. Tri stanovené úrovne presnosti (nad
nominálna, nominálna a pod nominálna) zodpovedajú odhadovaným odchýlkam v
hodnotách LST (teda menej ako 1 °C, medzi 1 – 2 °C a nad 2 °C), (Coelho et al., 2009).
Podľa užívateľského manuálu sa priemerná odchýlka od reálnej povrchovej teploty v
produkte tvorenom z údajov SEVIRI zvyčajne pohybuje v intervale do 2 °C. Rozsah
hodnôt LST pre snímaný disk v priebehu roka je pritom od -80 °C až po +70 °C (Kabsch,
2009).
Správa Coelho et al., 2009 je zameraná na porovnanie hodnôt v produkte LST/SEVIRI
s hodnotami povrchovej teploty odvodenej z prístroja MODIS a pozemnými meraniami
uskutočnenými na prvej pozemnej Land-SAF stanici Evora (južné Portugalsko). Ide o
prvú „validačnú“ stanicu poskytujúcu presné merania reálneho tepelného vyžarovania
zemského povrchu. Stanica je vybavená rádiometrom umiestneným na 28 metrov vysokej
veži. Teplota v °C sa tak odvodzuje „bezkontaktne“, pričom sú z veže snímané rôzne typy
povrchu. Snímané sú tak koruny stromov, oslnené trávne porasty a zmes polozatienených
trávnych porastov a korún stromov. Možno je tak stanoviť vplyv podielu jednotlivých
druhov vegetácie na hodnoty emisivity, využívané pri tvorbe LST produktu v rôznych
regiónoch.
Porovnania produktu LST/SEVIRI s pozemnými meraniami poukazujú na vysokú
variabilitu počas „denných hodín“, pričom produkt udáva vyššie hodnoty teploty povrchu
ako stanica. Rovnako je nadhodnotená aj veľkosť dennej amplitúdy teploty povrchu.
Rozdiely medzi satelitnými a „in situ“ meraniami LST sú podľa správy nižšie pre nočné
pozorovania. Merania rádiometrov na stanici však poukazujú na výrazný rozdiel medzi
teplotou meranou nad korunou stromu a teplotou meranou nad povrchom trávy a to najmä
počas suchších mesiacov. Odchýlky hodnôt v produkte LST tak môžu byť podmienené
zvýšeným vplyvom oslnených povrchov na snímané žiarenie a výsledné hodnoty LST.
Odchýlky v produkte môžu byť rôzne závislé aj od geometrie a vlastností povrchu
(orografia a typ povrchu), ale aj od zmien krajinnej pokrývky či prítomnosti aerosólov.
Zdrojmi viacerých chýb by mohla byť aj prítomnosť nízkej a polopriehľadnej oblačnosti
najmä v nočných hodinách (Coelho et al., 2009).
3.1.2. Produkty v rámci projektu IMS
Presné monitorovanie globálnej snehovej a ľadovej pokrývky je kľúčové pri štúdiu
globálnej klímy a jej zmien ako aj pre denné predpovede počasia. Organizácia NOAA,
36
no predovšetkým jej súčasť NESDIS (National Environmental Satellite, Data, and
Information Service) má bohatú históriu monitorovania snehu a ľadu na zemskom
povrchu. Práve z údajov viacerých medzinárodných družicových systémov zozbieraných
službou NESDIS vychádza projekt IMS, mapujúci rozmiestnenie snehu a ľadu v oblasti
severnej pologuľe.
„Polárny a geostacionárny operatívny environmentálny satelitný program (teda POES
a GOES) riadené službou NESDIS poskytujú neoceniteľné dáta napomáhajúce pri
monitoringu snehu a ľadu na zemskom povrchu. Snímkovanie pri „jasnej oblohe“
s využitím satelitov v programoch POES a GOES, ale aj GMS či Meteosat, veľmi dobre
odhaľuje hranice snehových a ľadových polí. Tieto viditeľné a infračervené techniky
snímkovania však môžu utrpieť pri dlhšie neprerušenej „trvalej“ oblačnosti v blízkosti
hraníc snehovej pokrývky, čo sťažuje ich zaznamenanie.“ (Ramsay, 1998).
Mikrovlnné snímkovanie (napr. z využitím dát SSM/I a AMSU), nie je podmienené
stavom oblačnosti a môže byť použité na doplnenie chýbajúcich údajov vo finálnom rastri.
Pomocou „snehových a ľadových“ produktov získaných z rôznych zdrojov, no za rovnaké
obdobie je možná tvorba presnejšej kompozitnej mapy (produktu) v rámci projektu IMS
(Helfrich et al., 2007).
Prvé analýzy snehovej a ľadovej pokrývky pre oblasť Severnej pologule s týždennou
frekvenciou, založené na meraniach vo viditeľnom spektre začali už v novembri 1966.
Spočiatku bol produkt tvorený s nízkym priestorovým rozlíšením 190 km a zostal
nezmenený po 33 rokov svojej existencie. V dôsledku rastúcich potrieb a nárokov
užívateľov začala vo februári 1997 so vznikom Interactive Multisensor Snow and Ice
Mapping System (IMS) tvorba denných produktov z rozlíšením 24 km. Ide o systém,
ktorého náplňou sa stalo čo najpresnejšie zobrazenie snehom a ľadom pokrytých oblastí z
využitím snímok a údajov z niekoľkých rôznych satelitných zdrojov (URL 16).
Ďalšie výrazné zlepšenie v rozlíšení nastalo začiatkom roku 2004, kedy vďaka novým
technológiám začala tvorba denného produktu z rozlíšením 4 km, ktorá pokračuje dodnes.
Budúce dlhodobé plány predstavujú produkciu produktu z frekvenciou dva krát denne,
rozšírenie analýzy aj na južnú pologuľu (zmena na globálny produkt) a sledovanie ďalších
parametrov ako vodná hodnota či výška snehovej pokrývky (Helfrich et al., 2007).
Tvorba tohto produktu je dnes síce „automatizovaná“, no produkt je stále manuálne
upravovaný analytikom. Ten vychádza so všetkých dostupných satelitných údajov
zozbieraných počas dňa, zavedených algoritmov pre detekciu snehu a ďalších pomocných
údajov. Pri tvorbe tohto produktu sa „snehová mapa“ z predchádzajúceho dňa využíva ako
37
prvotný odhad, pričom finálny produkt je pripravovaný okolo 18:00 UTC. Analýza
rozsahu snehovej pokrývky sa pritom opiera predovšetkým o viditeľné snímkovanie
(primárne údaje) a využívané sú pritom aj údaje z environmentálnych družíc (napr.
z prístroja MODIS). Mikrovlnné pozorovania, hoci s relatívne nízkym rozlíšením, sú
použité pre spresnenie „hraníc“ snehovej pokrývky pri jej nástupe, ktorý je často
sprevádzaný snežením spojeným s výraznou oblačnosťou (Ramsay, 1998).
Z družíc získané údaje o rozsahu snehovej a ľadovej pokrývky teda „rastrové“
produkty spracované v tejto práci sú voľne prístupné na stránkach National Snow and Ice
Data Center (NSIDC), kde možno nájsť archív produktov ako aj príslušnú dokumentáciu
a základné informácie. Výsledný produkt má rozsiahle označenie - IMS Daily Northern
Hemisphere Snow and Ice Analysis at 4 km and 24 km Resolution, v tejto práci označený
zjednodušene „produkt IMS“ (URL 16).
Výsledky mapovania hodnotené v práci sú zobrazné v štandardizovanej sieti pixlov
6144 x 6144 teda v rastri z rozlíšením 4x4 km na pixel. Hotová mapa je prevedená do
siete 1024 x 1024 (24 km na pixel). Oba produkty sú automaticky uložené na serveri
NSIDC v formátoch ASCII (od roku 2004) a GeoTIFF (od roku 2006), (URL 17).
3.2. Vybrané údaje zo siete pozemných staníc SR
Nepretržité pozorovanie meteorologických prvkov a javov, zabezpečujú v určitých
miestach na území Slovenska pozemné meteorologické stanice. Pod určitými miestami
rozumieme bodové stanovištia patriace do siete rôznych druhov staníc (z rôznym
zameraním a programom pozorovania). Možno teda rozlíšiť pozemnú sieť synoptických,
klimatologických, zrážkomerných či fenologických staníc pričom jednotlivé stanice môžu
byť súčasťou viacerých sietí. Na Slovensku v súčasnosti funguje približne 100
klimatologických staníc (z toho 27 integrovaných do siete synoptických staníc) a okolo
600 zrážkomerných staníc. Stanice reprezentujú celé územie Slovenska od nížin
(Hurbanovo) až po najvyššie vrcholy Tatier (Lomnický štít). Merajú všetky základné
meteorologické prvky a niektoré z nich majú monitorovací program rozšírený o špeciálne
merania pre agrometeorológiu (pôdne teploty a vlhkosti), (URL 18).
V tejto práci boli pritom využité údaje z vybraných klimatologických a synoptických
staníc. Použité údaje o hodinových a denných charakteristikách vybraných prvkov
pochádzajú z databázy SHMÚ.
Údaje o denných charakteristikách prvkov - celková snehová pokrývka (SP) v cm o
7. hodine SMČ (stredného miestneho času) pre 95 klimatologických staníc.
38
Údaje o hodinových charakteristikách prvkov - teplota vzduchu (T) v °C o 7., 14.
a 21. hodine SEČ (stredoeurópskeho času), respektíve o 6., 13. a 20. hodine UTC, pre 25
automatických synoptických staníc.
Údaje o priemernom pokrytí oblohy oblačnosťou v desatinách (stupne 0 - 10) v okolí
vybraných synoptických staníc v klimatologických termínoch pozorovania o 7., 14. a 21.
hodine SMČ.
Klimatologické termíny pozorovania sú v SMČ (stredný miestny „slnečný“ čas) teda
v čase keď je slnko na každej stanici v rovnakej výške nad horizontom, teda nie presne o
celej hodine (preto sú merania a pozorovania prvkov a javov na klimatologických
staniciach medzi východom a západom Slovenska posunuté až o 30 minút). Pri údajoch
o teplote vzduchu boli preto zvolené iba merania synoptických staníc, na ktorých sa pre
meteorologické účely a predpoveď počasia merajú hodnoty prvkov všade na Slovensku
v rovnakom čase. Z automatických staníc tak možno získať merania v UTC (dokonca
z každej minúty), čo je dôležité, keďže spracovaný produkt LSAF LST je tvorený v UTC
(Coordinated Universal Time) s periódou 15 minút.
Teplota vzduchu sa na staniciach meria s presnosťou na desatiny stupňa, kým pre
celkovú výšku snehovej pokrývky sa vždy udávajú zaokrúhlené hodnoty na celé
centimetre. Súvislá snehová pokrývka s výškou 0,4 cm a menej sa označuje ako poprašok
a pri výške nad 0,5 cm sa už zaokrúhľuje na 1 cm. Na staniciach je taktiež zaznamenávaný
aj výskyt nesúvislej snehovej pokrývky. Použité boli tie stanice, ktoré mali od roku 2007
k dispozícii neprerušené a relatívne homogénne rady pozorovaní vybraných prvkov. Tieto
stanice sú umiestnené v rôznych výškach a reprezentujú rôzne lokality v rámci Slovenska.
Podľa nadmorskej výšky možno použité synoptické stanice rozdeliť na stanice:
•
v nížinách do 200 m n. m. (8 staníc)
•
v nižších polohách od 201 m n. m. do 600 m n. m. (10 staníc)
•
v stredných polohách od 601 m n. m. do 1500 m n. m. (5 staníc)
•
vo vysokých polohách nad 1500 m n. m. (2 stanice)
Podľa nadmorskej výšky možno použité klimatologické stanice rozdeliť na stanice:
•
v nížinách do 200 m n. m. (25 staníc)
•
v nižších polohách od 201 m n. m. do 600 m n. m. (49 staníc)
•
v stredných polohách od 601 m n.m. do 1300 m n.m. (17 staníc)
•
vo vysokých polohách nad 1300 m n.m. (4 stanice)
39
Nadmorská
výška
staníc
je
významným
faktorom
ovplyvňujúcim
mnohé
meteorologické prvky, keďže má priamy vplyv nielen na teplotu a zrážky, ale aj na
vlhkosť či výpar a klimatické charakteristiky týchto prvkov (amplitúda, ročný chod...).
Aby bolo možné zhodnotiť vplyv polohy stanice na výsledky spracovania údajov boli
stanice začlenené do výškových intervalov. Zvolené intervaly by mali dostatočne
generalizovať jednotlivé stanice aby mohol byť zohľadnený „charakter“ rôznych
výškových polôh (vplyv na rozdielny režim sledovaných prvkov). V prípade
klimatologických staníc bol zvolený interval nad 1300 metrov, keďže v týchto polohách sa
snehová pokrývka na našom území môže teoreticky vyskytnúť v ktorýkoľvek deň v roku.
3.3. Metodika spracovania údajov
Z voľne dostupných archivovaných produktov meteorologických družíc boli zvolené
tie produkty, ktorých údaje sú relatívne jednoducho porovnateľné s hodnotami prvkov
meranými v sieti staníc SR. Na základe údajov odčítaných z produktov (rastrov) a zo
staničných meraní bolo možné spracovať niektoré klimatologické charakteristiky
(priemery a absolútne odchýlky pre teplotu vzduchu, kým pre snehovú pokrývku to
bol nástup, koniec a počet dní so snehovou pokrývkou).
Produkty LSAF LST ako aj IMS, boli analyzované pre vybrané dni či obdobia
v rokoch 2007 – 2011. Oba produkty boli spracované v programe ArcGIS 9.3 (v prostredí
ArcMap), v ktorom boli jednotlivým staniciam podľa ich polohy „v produkte“ priradené
údaje na základe hodnôt okolitých pixlov. Štatistické spracovanie týchto údajov je
zamerané na zhodnotenie miery korelácie a stanovenie vzťahu medzi údajmi odčítanými z
produktov a meraním na staniciach. Základom tak bola korelačná a regresná analýza
niekoľkých radov údajov. V práci boli pri analýze dát, ale aj ako výstupy využité viaceré
tabuľky a grafy spracované v programe MS Excel.
3.3.1. Spracovanie produktu LSAF LST
Z použitých vstupných údajov o oblačnosti bolo možné pomerne jednoducho vybrať
termíny s dostatočne nízkym pokrytím oblohy oblačnosťou. Pred spracovaním produktu
LSAF LST bolo takto potrebné identifikovať vhodné „jasné dni“, teda dni keď raster LST
obsahuje pre územie SR dostatočne kvalitné dáta. Podmienkou bolo aby tento produkt
zobrazoval územie SR bez chýbajúcich hodnôt (žiadne pixle bez dát) aspoň v okolí staníc.
Za týchto „ideálnych“ podmienok snímania by aj hodnoty LST v produkte nemali byť
40
výrazne ovplyvnené oblačnosťou (minimálna absorpcia IČ žiarenia). Sú tak závislé najmä
od presnosti využívaných algoritmov. Pre jednotlivé ročné obdobia v rokoch 2008-2011
boli takto vybrané „jasné“ termíny merania (o 7., 14. a 21. hodine SEČ). V každom roku
bolo vybraných 12 vhodných termínov a príslušných rastrov, čo za 4 roky predstavuje 48
vstupných produktov LSAF LST.
K rastru LST je k dispozícii spomínaný „error bar“ raster s priemernou chybou
stanovenej teploty v °C pre každý pixel. Ten vychádza z podmienok snímania, najmä
stavu atmosféry nad určitou oblasťou, no v práci nebol priamo využitý. Hodnotenie bolo
zamerané iba na samotný LST raster. Každej stanici je priradená hodnota „povrchovej
teploty“ predovšetkým podľa pixla, do ktorého plochy spadá. Keďže však vo viacerých
prípadoch stanice v produkte ležali „na okraji“ pixlov bola pri odčítavaní hodnôt s
produktu použitá jednoduchá bilineárna interpolácia. Pri tejto interpolácii sa berú do
úvahy hodnoty štyroch najbližších pixlov a tie v závislosti od polohy či „blízkosti“ stanice
v rôznej miere ovplyvňujú výslednú odčítanú hodnotu.
V súčasnosti existuje niekoľko rozličných prístupov zameraných na overovanie a
hodnotenie polí LST odvodených z družicových meraní. Podľa záverov medzinárodného
semináru o získavaní a využívaní LST (URL 21) možno pri validácii produktov LST
využiť: dáta z pozemných rádiometrov, proxy údaje zo staničných meraní a dáta z
atmosférických meraní. Pod pojmom proxy údaje sú pritom myslené použiteľné staničné
dáta, teda meranie prvkov „hodnotovo“ blízkym LST. Ide hlavne o teplotu vzduchu (vo
výške 2 m) a prízemnú teplotu vzduchu (niekoľko cm nad povrchom), ktoré síce dnes nie
sú satelitmi priamo merané, avšak za určitých podmienok sú využiteľné ako pomocné
(proxy) údaje pre overenie stanovenej povrchovej teploty - LST.
Pri hodnotení produktu LSAF LST bolo cieľom predovšetkým určenie tesnosti vzťahu
s meraním teploty vzduchu vo výške 2 m. Tesnosť vzťahu bola vyhodnotená pomocou
koeficientu determinácie (R2), ktorý vyjadruje, akú časť variability nezávislej premennej
(teda hodnôt LST z produktu) vysvetľuje „model“. Je to v podstate miera spoľahlivosti
tohto modelu v percentách (pre koľko percent údajov odčítaných z produktu model platí).
Pod modelom sa pritom rozumie matematická funkcia, ktorá najlepšie opisuje vzťah
medzi údajmi z produktu a staničných meraním a reprezentuje takzvaný „optimálny fit“.
Cieľom analýzy bolo aj stanovenie lineárnych závislostí medzi odčítanými a „priamo“
meranými teplotami, teda stanovenie tvaru a zmien lineárnej funkcie. To znamená určiť
hodnoty regresných koeficientov, ale aj priemernú chybu takéhoto odhadu (SEE v °C) pre
rôzne obdobia počas roka či dňa.
41
3.3.2. Spracovanie produktu IMS
Pre overenie presnosti rozmiestnenia snehovej pokrývky v použitom produkte boli
staničné pozorovania porovnané s klasifikáciou snehu v produkte a to do vzdialenosti 1
km od stanice. Podmienkou, pritom bolo aby aspoň časť z tejto plochy vyčlenenej okolo
stanice v produkte zaberala snehová pokrývka. To znamená že ak bola na stanici
pozorovaná snehová pokrývka s určitou výškou nad 0,4 cm a v okruhu 1 km od stanice bol
aj v „mape produktu“ zaznamenaný výskyt snehovej pokrývky, údaj možno označiť za
„spoľahlivý“ a pozorovania za „zhodné“. Podobne ak na stanici snehová pokrývka nebola
pozorovaná a do vzdialenosti 1 km od stanice sa v rámci okruhu sneh v produkte
nevyskytol boli pozorovania považované za „zhodné“ a produkt za relatívne presný.
Vychádzajúc z metodiky použitej v práci Romanov et al., 2000 možno takéto výsledky
klasifikácie označiť ako „snow/snow hit“ (zhoda pozorovaní snehovej pokrývky) či „nosnow/no-snow hit“ (zhoda prípadov bez snehovej pokrývky).
Naopak ak v okruhu 1 km od stanice sneh v produkte nebol klasifikovaný, no snehová
pokrývka na stanici v daný deň pozorovaná bola, klasifikáciu v produkte možno označiť
za „chybnú“. Takýto výsledok porovnania údajov možno označiť ako „snow miss“
(nezachytenie oblasti so snehom). Ak bol v okruhu 1 km od stanice sneh v produkte
klasifikovaný, no na stanici snehová pokrývka prítomná nebola, možno to považovať za
chybnú klasifikáciu (i keď snehové pole môže mať „ostrú“ hranicu neďaleko od stanice).
Vzhľadom na rozlíšenie produktu však bol výsledok označený za „false alarm“(nesprávne
zobrazenie oblasti so snehom).
Okruh 1 km, v ktorom bola správna klasifikácia sledovaná bol zavedený najmä kvoli
staniciam na okraji či v tesnej blízkosti ďalších pixlov. Snehová pokrývka zvyčajne
v krajine nemá ostré hranice a staniciam ležiacim v blízkosti rozhrania viacerých pixlov,
preto nie je vhodné priradiť len hodnotu toho pixla, do ktorého oblasti spadajú. Kruh
reprezentúci kontrolnú oblasť tak má priemer až 2 km, čo predstavuje štvrtinu z plochy
jedného pixla produktu (rozmery 4x4 km) a umožnuje lepšie zhodnotenie údajov v rastri.
Miera zhody s pozemným pozorovaním bola hodnotená za štyri „zimné“ obdobia, ktoré
boli časovo vymedzené podľa výskytu SP na staniciach do 1300 metrov.
3.3.3. Mapové spracovanie
Pri mapovom spracovaní bola pri interpolácii poľa teploty vzduchu so staničných
meraní využitá na Slovensku (v rámci SHMÚ), „štandardne“ používaná a pomerne
42
jednoduchá metodika. Princíp tvorby takýchto polí prvkov s bodových údajov staníc je
uvedený napríklad v štúdii Pecho et al., 2006. Podobne ako v tejto práci bola priestorová
analýza vykonaná v prostredí GIS-GRASS 6.3.0 pomocou regularizovaného splajnu s
tenziou (3D interpolácia) s možnosťou nadstavenia vstupných parametrov tenzie (tension),
zhľadzovania (smoothing) a pod. Veľmi dôležitým vstupom bol kvalitný DTM (digitálny
terénny model) pre územie SR s rozlíšením 100 x 100 metrov.
Matematická formulácia regularizovaného splajnu s tenziou umožňuje pri interpolácií
zahrnúť aj informácie o priestorovom rozložení doplňujúcej premennej, napr. pri
interpolácii atmosférických zrážok a teploty vzduchu využiť práve informácie o topografii
územia. Najlepšie výsledky dosahuje pri interpolácii veľmi hladkých povrchov
znázorňujúcich napr. klimatické javy. Interpolačná metóda regularizovaný splajn s tenziou
patrí k veľmi presným a flexibilným interpolačným metódam (Pecho et al., 2006).
Pri interpolácii teploty vzduchu vo vybranom termíne boli podobne ako v uvedenej
práci z potreby fiktívneho zahustenia staničnej siete použité aj tzv. „virtuálne stanice“,
využívané aj v rámci SHMÚ. Tieto boli rozložené v sieti expertne navrhnutých bodov
(problematické oblasti pri interpolácii ako hrebene a kotliny). Konkrétne hodnoty v
uvedených bodoch boli vypočítané na základe úzkeho regresného vzťahu medzi teplotou
vzduchu a nadmorskou výškou na 25-tich synoptických staniciach. Zjavným problémom
môže byť fakt, že táto metodika je navrhnutá pre interpoláciu priemernej teploty vzduchu
za jednotlivé mesiace či dlhšie obdobia a nie za jednotlivé „hodinové“ termíny. Využívajú
sa pritom priemerné hodnoty T z väčšieho počtu klimatologických staníc. Avšak počas
vybraného termínu malo celé územie SR relatívne „identické“ atmosférické podmienky v
rámci jednej vzduchovej hmoty (nulová oblačnosť– rozsiahla tlaková výš), vertikálny
gradient teploty vzduchu by tak mal byť pre všetky oblasti v rámci SR približne rovnaký.
Pre rovnaký termín bol vybraný aj raster LST (raster bez chýbajúcich hodnôt LST
v rámci územia SR), ktorého hodnoty boli prepočítané na hodnoty teploty vzduchu
s využitím lineárnej funkcie, teda stanoveného vzťahu medzi hodnotou LST a teplotou
vzduchu T meranou na staniciach. Z dostupných termínov bol pritom zvolený termín s čo
možno najmenšou priemernou chybou odhadu (SEE - lineárnej funkcie). Cieľom bolo
porovnanie mapy teploty vzduchu interpolovanej z bodových údajov staníc a mapy
vytvorenej „prepočítaním“ hodnôt LST.
43
4. SPRACOVANIE ÚDAJOV A VÝSLEDKY ANALÝZY
4.1. Spracovanie a zhodnotenie údajov v produkte IMS v rámci SR
K charakteristike snehových pomerov určitej oblasti patrí nástup a koniec snehovej
pokrývky, jej trvanie a priemerná či maximálna výška. Priemerný dátum prvého dňa so
snehovou pokrývkou pripadá v našich nížinách na začiatok decembra, v horských
dolinách po 10. novembri a v horských oblastiach nad 1 300 m n. m. 1 300 m n. m. je
výskyt snehovej pokrývky možný po celý rok. Priemerné trvanie snehovej pokrývky je na
južnom Slovensku menej ako 40 dní, kým vo Východoslovenskej nížine, je jej trvanie viac
ako 50 dní. S nadmorskou výškou sa počet dní zväčšuje približne o 9 na každých 100 m.
Výška snehovej pokrývky v polohách nad 1 300 m n. m. je zvyčajne viac ako 100 cm.
Prirodzene, tak ako u tekutých zrážok, aj pri tuhých sú značné nielen vertikálne, ale aj
horizontále rozdiely, závislé najmä od náveternej a záveternej orientácie pohorí (URL 19).
Snehovú pokrývku mimo „zimného obdobia“ v najvyšších polohách nad 1300 metrov
využitý produkt pre územie SR nezobrazuje a informácie o nej tak môžeme získať iba
z najvyššie položených klimatologických staníc (Štrbské Pleso, Skalnaté Pleso, Chopok,
Lomnický Štít), či vysoko položených zrážkomerných staníc. Problematické je aj využitie
záznamov o snehovej pokrývke zo staníc v tesnej blízkosti Vysokých Tatier, keďže sa tu
výrazne prejavuje klimatický vplyv tohto pohoria. V jeho blízkosti je možný veľmi skorý
nástup (začiatok októbra) či neskorý epizodický výskyt snehovej pokrývky (až do konca
mája). Preto pri spracovaní charakteristík (tabuľka 1) neboli využité napríklad údaje z
klimatologických staníc Podbanské a Tatranská Javorina, hoci ležia v polohách pod 1300
metrov. Najmä na stanici Tatranská Javorina sa prejavuje lokálna mikroklíma
ovplyvňujúca zaznamenaný počet dní so snehovou pokrývkou v priebehu roka a spolu so
stanicou Podbanské výrazne predlžujú obdobie s posledným výskytom snehovej
pokrývky. V produkte už v tomto období nie je na území SR v týchto polohách
zobrazovaný žiadny sneh, čo možno vidieť aj v tabuľke 2. Takéto epizodické a priestorovo
malé „snehové polia“ použitý produkt aj v dôsledku jeho rozlíšenia nie je schopný
zachytiť. Avšak nástupy či priestorové zmeny „lokálnej“ snehovej pokrývky vo Vysokých
Tatrách prípadne iných pohoriach sú v produkte zjavné a pozorovateľné. Koncom jesene
či začiatkom jari môže byť prekážkou pri detekcii snehu aj hustejší a meniaci sa
vegetačný zápoj. Stav či druh vegetácie pritom zohráva dôležitejšiu úlohu hlavne pri
„mikrovlnnej“ detekcii snehu, keďže pre správne vyhodnotenie meraných hodnôt sú
potrebné aj presné hodnoty emisivity povrchu (v určitej oblasti) v čase merania.
44
Tab. 1: Charakteristiky spracované na základe údajov o snehovej pokrývke zo staníc
Obdobie
Stanice do 200 m n. m.
Stanice do 600 m n. m.
Stanice do 1300 m n. m.
nástup
koniec
počet dní
nástup
koniec
počet dní
nástup
koniec
počet dní
2007/08
7-Nov-07
27-Mar-08
56
20-Okt-07
29-Mar-08
110
20-Okt-07
8-Apr-08
144
2008/09
22-Nov-08
25-Mar-09
64
19-Nov-08
28-Mar-09
114
19-Nov-08
7-Apr-09
138
2009/10
16-Okt-09
18-Mar-10
81
14-Okt-09
22-Apr-10
112
13-Okt-09
22-Apr-10
126
2010/11
27-Nov-10
28-Mar-11
78
25-Nov-10
28-Mar-11
110
22-Okt-10
14-Apr-11
116
Tab. 2: Charakteristiky spracované na základe údajov o snehovej pokrývke z produktu IMS
Obdobie
Polohy do 200 m n. m.
Polohy do 600 m n. m.
Polohy do 1300 m n. m.
nástup
koniec
počet dní
nástup
koniec
počet dní
nástup
koniec
počet dní
2007/08
12-Nov-07
22-Mar-08
70
12-Nov-07
8-Apr-08
114
6-Nov-07
16-Apr-08
163
2008/09
22-Nov-08
15-Mar-09
80
22-Nov-08
5-Apr-09
129
22-Nov-08
11-Apr-09
141
2009/10
16-Okt-09
19-Mar-10
88
14-Okt-09
21-Mar-10
115
14-Okt-09
26-Apr-10
154
2010/11
27-Nov-10
8-Mar-11
83
25-Nov-10
28-Mar-11
110
22-Okt-10
30-Mar-11
142
Nástup - prvý deň so snehovou pokrývkou na niektorej zo staníc (teda dátum kedy bolo prvé pozorovanie
súvislej snehovej pokrývky v použitej sieti staníc a v danej polohe).
Koniec - posledný deň so snehovou pokrývkou na staniciach (teda dátum kedy bola súvislá snehová
pokrývka pozorovaná posledný krát v použitej sieti staníc a v danej polohe).
Počet dní - predstavuje celkový počet dní kedy bola na akejkoľvek so staníc a v danej polohe zaznamenaná
súvislá snehová pokrývka (o výške 0,5 cm a viac).
Nástup, ukončenie a počet dní so snehovou pokrývkou (SP) bol v jednotlivých
„zimných obdobiach“ sledovaný od októbra do konca apríla nasledujúceho roka.
Zaznamenaný počet dní so snehovou pokrývkou výrazne závisí od počtu použitých staníc,
v podstate čím viac staníc tým väčšia pravdepodobnosť, že sa na niektorej z nich vyskytne
SP v priebehu dňa (resp. v čase merania). Dôležité je pritom aj dostatočné zastúpenie
staníc v rôznych polohách. Keďže produkt zachytáva snehovú pokrývku komplexne a teda
aj v lokalitách a polohách v ktorých sa stanice nenachádzajú je zaznamenaný aj o niečo
väčší počet dní so súvislou snehovou pokrývkou ako možno vidieť v tabuľke 2. Táto
skutočnosť sa prejavuje najmä v polohách od 600 do 1300 metrov, kde je oveľa menšia
hustota staníc a lepšie podmienky pre dlhšie zotrvanie snehu, čo vysvetľuje aj väčší počet
dní so SP. Reálne trvanie a koniec snehovej pokrývky v polohách nad 600 metrov použité
klimatologické stanice zachytávajú len čiastočne. Na druhej strane ako možno vidieť
z termínov prvých dní so snehovou pokrývkou, sieť staníc ľahko detekuje aj epizodický
výskyt snehovej pokrývky v určitej oblasti a lepšie tak zachytáva obdobia, kedy má len
veľmi krátke trvanie. Prvá snehová pokrývka sa preto v produkte často objavuje neskôr a
45
je spojená s intenzívnejším snežením. Rozmiestnenie snehovej pokrývky z meraní staníc
však nemožno spoľahlivo priestorovo „mapovať“. Družicový produkt ako IMS je pri
objektívnom sledovaní priestorového rozloženia snehovej pokrývky a jej zmien
v jednotlivých regiónoch SR jedinečným zdrojom informácií. Takéto „veľkoplošné“
zmeny sú aj za pomoci hustej siete staníc ťažšie pozorovateľné, keďže merania snehovej
pokrývky na jednotlivých staniciach môže ovplyvniť najbližšie okolie (depresie, náveterné
a záveterné efekty...). Merania celkovej výšky snehovej pokrývky tak možno často
vzťahovať len na najbližšie okolie stanice, zvlášť ak je stanica umiestnená v členitom
"No-snow / No-snow " Hits
"False Alarm s"
"Snow / Snow " Hits
"Snow Misses"
100
100
80
80
Chyby - Errors (%)
Zhody - Hits (%)
teréne.
60
40
20
60
40
20
0
0
2007-08 2008-09 2009-10 2010-11
2007-08 2008-09 2009-10 2010-11
Obdobie
Obdobie
Obr. 7: Súhrnné výsledky porovnania produktu IMS a údajov staníc za jednotlivé „zimné
obdobia“
Celková zhoda s pozorovaním staníc za jednotlivé obdobia je pomerne vysoká, avšak
ako možno vidieť na obrázku 7 podieľajú sa na nej skôr „no-snow/ no-snow“ hits (zhody
v prípadoch bez SP na staniciach). Ide teda o dlhšie obdobia a dni kedy sa SP vyskytla len
na malom počte staníc. V jednotlivých obdobiach sa celkový podiel zhôd a teda aj
korelácia so staničnými údajmi postupne mierne zvyšuje. Tento trend však môže byť len
náhodný. Je málo pravdepodobné, že je to dôsledok postupného zvyšovania kvality,
respektíve presnosti tohto produktu. I keď je možné, že dochádza k postupnému
„vylepšovaniu“ algoritmov využívaných pri spracovaní družicových dát (detekcii snehu).
V rámci chýb je podiel „false alarms“ a „snow misses“ teda prípadov nezachytenia alebo
nesprávneho zobrazenia snehovej pokrývky pomerne vyrovnaný. Celkovú zhodu
staničných údajov a produktu iba v prípade výskytu SP, či iba v prípadoch bez SP na
staniciach možno vidieť v grafoch na obrázku 8.
46
"False Alarm s"
"Snow / Snow " Hits
"No-snow / No-snow " Hits
100
100
80
80
Podiel (%)
Podiel (%)
"Snow Misses"
60
40
60
40
20
20
0
0
2007-08 2008-09 2009-10 2010-11
2007-08 2008-09 2009-10 2010-11
Obdobie
Obdobie
Obr. 8: Súhrnné výsledky porovnania produktu IMS a údajov staníc počas dní so SP (v
ľavo) a dní bez SP (v pravo) za jednotlivé „zimné obdobia“
"Snow Misses"
"Snow / Snow " Hits
100
Podiel (%)
80
60
40
20
0
Poprašok
Nesúvislá SP
Údaje
Obr. 9: Súhrnné výsledky porovnania produktu IMS a staníc so snehovým popraškom či
nesúvislou snehovou pokrývkou
Ak sa pri hodnotení produktu okrem údajov o súvislej snehovej pokrývke použijú aj
údaje o poprašku a nesúvislej snehovej pokrývke dôjde len k minimálnym zmenám
v konečnej korelácii. To možno vidieť v grafe na obrázku 9, v týchto prípadoch spadajú
tieto údaje takmer rovnomerne pod „snow miss“ aj „snow hit“ prípady. Produkt ich teda
znázorňuje ako snehovú pokrývku ale aj ako zemský povrch, pravdepodobne podľa toho
ako dlho zotrvajú v krajine v priebehu dňa a aké územie pokrývajú. Takéto údaje je tak
obtiažne porovnať s produktom zobrazujúcim iba rozsah a nie stav prípadne výšku
snehového poľa v danom dni, teda produktom, ktoré takéto „druhy“ snehového poľa
nerozlišuje (nezaraďuje do tried). Aby sa vylúčila neistota pri porovnávaní dát a do istej
miery zvýšila objektivita, korelácia bola hodnotená iba pre stanice, na ktorých bola
47
pozorovaná súvislá SP (0,5 cm a viac). Teda ak sa na niektorých z 95 staníc vyskytol
poprašok alebo nesúvislá snehová pokrývka, tieto stanice v daný deň pri výpočte
„percentuálnej“ zhody využité neboli a hodnotila sa iba zhoda so stanicami na ktorých
bola súvislá snehová pokrývka, alebo nebola žiadna SP. Podobne je aj v produkte IMS
v určitej oblasti (určitom pixli) znázornená len snehová pokrývka, alebo len zemský
povrch.
Tab. 3: Priemerná zhoda produktu IMS a údajov staníc v rôznych polohách
Poloha staníc
Počet
staníc
Zhoda v prípade
výskytu SP (%)
Chyba v prípade
výskytu SP (%)
Zhoda v prípadoch Chyba v prípadoch
bez SP (%)
bez SP (%)
Stanice do 200 m
25
86,1
13,9
94,6
5,4
Stanice od 201 do 600 m
49
85,3
14,7
91,1
8,9
Stanice od 601 do 1300 m
17
88,8
11,2
85,7
14,3
Stanice nad 1300 m
4
Priemer pre všetky stanice
90,6
9,4
100,0
0,0
86,38
13,62
91,34
8,66
Zhodu „in situ“ pozorovania a reálneho zobrazenia snehovej pokrývky v produkte IMS
tak možno posúdiť aj pre polohy, ktoré stanice „reprezentujú“. Hodnoty v tabuľke 3
naznačujú, že „úspešné“ zachytenie snehovej pokrývky v produkte IMS je najvyššie pre
štyri vysokohorské stanice (Štrbské Pleso, Skalnaté Pleso, Chopok a Lomnický Štít).
Avšak v priebehu sledovaného obdobia bola na týchto staniciach snehová pokrývka
prítomná takmer neustále a na stanici Lomnický štít bola SP nepretržite. V týchto
polohách tak najmä vďaka tomu neboli zaznamenané žiadne „false alarm“ prípady
(prípady z chybným zobrazením SP), aj preto je zhoda v prípadoch bez SP až 100%.
V skutočnosti sa pre vyššie položené oblasti počet „false alarm“ prípadov mierne zvyšuje.
O tom svedčí zvyšujúci sa podiel chybných zobrazení SP pre stanice do 600 metrov a do
1300 metrov. Vplyv rozličnej polohy staníc na výslednú zhodu či chybu v prípade výskytu
SP na staniciach je menej výrazný a pre polohy do 1300 metrov nejednoznačný.
48
Ceľková zhoda (%)
100
90
80
Priemer za
zimu: 83,76%
70
60
100
50
1
50
0
20-Okt-07
Stanice
bez SP
so SP
8 - A pr- 0 8
Ceľková zhoda (%)
Obr. 10: Porovnanie údajov staníc a produktu IMS v jednotlivých dňoch obdobia 2007/08
100
90
80
Priemer za
zimu: 86,41%
70
60
100
50
1
50
0
Stanice
bez SP
so SP
7 - A pr- 0 9
19 - N o v- 08
Ceľková zhoda (%)
Obr. 11: Porovnanie údajov staníc a produktu IMS v jednotlivých dňoch obdobia 2008/09
100
90
80
Priemer za
zimu: 87,47%
70
60
100
50
1
50
0
Stanice
bez SP
so SP
2 2 - A pr- 10
13 - O k t - 0 9
Ceľková zhoda (%)
Obr. 12: Porovnanie údajov staníc a produktu IMS v jednotlivých dňoch obdobia 2009/10
100
90
80
Priemer za
zimu: 88,85%
70
60
100
50
1
50
0
2 2 - 0k t - 10
Stanice
bez SP
so SP
14 -A pr- 11
Obr. 13: Porovnanie údajov staníc a produktu IMS v jednotlivých dňoch obdobia 2010/11
49
Aj keď korelácia údajov staníc a údajov v družicovom produkte - teda celková miera
zhody je pomerne vysoká a v jednotlivých "zimách" presahuje hranicu 80%, netreba
zabúdať, že ide o priemer za veľký počet dní. Pre jednotlivé „zimné obdobia“ je to 172,
140, 192 a 175 dní, čo je spolu až 679 dní/produktov. Preto je v jednotlivých grafoch na
obrázkoch 10 až 13 uvedená priemerná zhoda za rovnako dlhé časové obdobie, a to za
zimné mesiace (december, január, február) kedy sa predpokladajú najväčšie zmeny
snehovej pokrývky. K zvýšeniu priemernej zhody však aj tu prispievajú skôr dni, keď sú
stanice a teda aj územie SR bez snehovej pokrývky, prípadne dni kedy je SP prítomná na
drvivej väčšine staníc. Zhoda s produktom je v takýchto prípadoch často vysoko nad 90%.
Z grafov na strane 49 je evidentné, že analyzovaný produkt môže pri zobrazení snehového
poľa dosiahnuť v jednotlivých dňoch veľmi premenlivé výsledky. V ľubovoľný deň tak
možno očakávať rôzne hodnoty „celkovej zhody“ so staničnými pozorovaniami, pričom
premenlivosť zhody zo dňa na deň môže byť veľmi vysoká. Badateľné sú zvyčajne
krátkodobé denné či niekoľko denné výchylky kedy spadne len na 50% avšak objavujú sa
aj dlhšie obdobia s celkovou zhodou výrazne pod 70% či 60%
Prudký pokles korelácie sprevádza najmä náhly nástup a ústup snehovej pokrývky,
resp. krátkodobé (často jednodňové) zvýšenie či zníženie počtu staníc so snehovou
pokrývkou. V týchto prípadoch zrejme produkt nie je dostatočne citlivý. Pokles korelácie
spôsobuje fakt, že sa pri jeho tvorbe sa vychádza z produktu, resp. mapy snehovej
pokrývky z predchádzajúceho dňa, nie vždy dostatočne presne aktualizovanej. V mnohých
prípadoch (hlavne pri dlhšie stabilnom snehovom poli či jeho malých, postupných
zmenách) bola pre územie SR vytvorená aj niekoľko dní za sebou rovnaká snehová mapa
(rovnaký „raster IMS“). Keďže je snehová pokrývka meraná zhruba o 7:00 SEČ ráno,
môže počas dňa rýchlo zmiznúť a produkt jej niekoľkohodinový výskyt nezachytí
prípadne ignoruje a nezahrnie do finálnej mapy tvorenej o 19:00 SEČ.
Čo sa týka dlhších periód so zníženou mierou zhody, ide najmä o prípady, kedy sa
snehová pokrývka vyskytla postupne na stále menšom počte staníc, teda pri jej ústupe. To
môže byť na jednej strane spôsobené jej pomalším ústupom v mape produktu (o čom
svedčí aj vyšší počet „false alarm“ prípadov), ale nemožno vylúčiť aj vplyv polohy a
mikroklímy staníc a rýchlejší ústup snehu v ich okolí. V každom prípade je badateľné, že
súčasná verzia tohto „snehového“ produktu je málo flexibilná teda málo citlivá na
priebežné zmeny „zo dňa na deň“. O tom svedčia spomínané opakujúce sa rýchle poklesy
miery zhody aj o viac ako 30 či až 40 % pri náhlom náraste staníc so SP. Vzhľadom na
50
veľké a ťažko predvídateľné výkyvy v presnosti tak produkt napriek „priemerovo“ veľkej
miere zhody z pozemnými pozorovaniami SP nemožno označiť za príliš spoľahlivý.
Do istej miery je však možné stanovenie jeho „citlivosti“ či reálnej presnosti pri
zachytení súvislej snehovej pokrývky ak využijeme údaje o výške snehovej pokrývky zo
staníc. To nám umožňuje objektívne zhodnotiť či je produkt dostatočne presný a spĺňa
podmienky v prípade ak zvažujeme prípadné ďalšie využitie. Ak priradíme celkovú výšku
snehovej pokrývky jednotlivým prípadom kedy produkt pri jej zobrazení zlyhal (“snow
miss“ prípady), môžeme zistiť do akej miery ovplyvňuje výška snehu presnosť produktu.
Treba však mať na pamäti, že hoci je produkt tvorený pre územie celej severnej pologule,
pre rôzne geografické oblasti sa ako vstup využívajú dáta z rôznych družíc. V súčasnosti
je využívaný hlavne na území Severnej Ameriky, predovšetkým ako zdroj údajov pre
NWP modely, navyše nemá status operatívneho produktu. Taktiež polohy jednotlivých
staníc a k nim prislúchajúcich pixlov v rámci SR môžu čiastočne skresľovať výsledky.
30
Podiel chýb (%)
25
20
15
10
5
0
1
2
3
4
5
6
7
8
9
10
Výška SP (cm)
Obr. 14: Podiel chýb v rámci „snow miss“ kategórie v závislosti od výšky snehovej
pokrývky na staniciach
V grafe na obrázku 14 možno vidieť do akej miery ovplyvňuje rôzna výška snehovej
pokrývky „presnosť“ produktu IMS, resp. detekciu snehu na zemskom povrchu
prostredníctvom zdrojových družíc. Je evidentné, že so zvyšovaním výšky SP sa znižuje
počet „snow miss“ prípadov. Reálne zobrazenie snehového poľa v mape produktu teda do
značnej miery závisí práve od výšky snehu v určitej oblasti. Asi 15% zvyšných prípadov
nezachytenia snehovej pokrývky sa vyskytlo pri jej celkovej výške nad 10 cm, čo ale
súvisí s použitím údajov z vysokohorských staníc a následnými nepresnosťami, či
výpadkami v produkte. Do „snow miss“ kategórie tak spadajú aj chyby keď bolo na
niektorých staniciach aj viac ako 100 cm snehu. Najmä ak v mape produktu nebola
51
zachytená pokrývka v oblasti Vysokých Tatier na začiatku či ku koncu jednotlivých
zimných období.
V rámci 95-tich použitých staníc nebol potvrdený žiadny preukázateľný vplyv ich
nadmorskej výšky na výslednú celkovú mieru zhody z produktom IMS. Väčší vplyv na
výslednú koreláciu mal počet dní so SP na danej stanici a rýchlosť jej zmien. O niečo
vyššia korelácia bola na staniciach s vyšším počtom dní so SP (dlhším a neprerušeným
trvaním). To je pravdepodobne dôsledok nedostatočne častej a presnej aktualizácie
produktu IMS (prinajmenšom v oblasti SR). Aj keď ide o „novšiu“ verziu s vyšším
rozlíšením (4x4 km), rozlíšenie tohto produktu vzhľadom k výraznej členitosti územia
Slovenska, v mnohých oblastiach nemusí byť dostatočné. Výsledná mapa tak nemusí
primerane zachytiť jednotlivé zvláštnosti v rozmiestnení snehovej pokrývky v menšej
mierke. Tie, ale odhaľujú práve pozemné merania SP na staniciach.
Mnohé „snow miss“ ako aj „false alarm“ prípady môžu súvisieť s nepriaznivými
meteorologickými podmienkami ovplyvňujúcimi presnosť družicovej detekcie snehu.
Falošnú
detekciu
snehovej
pokrývky
môže
spôsobiť
napríklad
prítomnosť
polopriehľadných oblakov druhu Cirrus, či oblakov s povrchovou teplotou blízkou teplote
povrchu Zeme. Hlavnou výhodou je fakt, že sa produkt IMS zaraďuje medzi tzv.
„zmiešané“ produkty využívajúce údaje z viacerých družicových systémov s odlišnými
technikami snímkovania. Na rozdiel od mnohých iných produktov zobrazujúcich snehové
pole, môže v prípade nedostupnosti či zlej kvality údajov z jedného zdroja využiť zvyšné
vstupné údaje a podávať tak informácie každý deň aj keď s meniacou sa presnosťou a
spoľahlivosťou. Keďže sa však produkt IMS opiera najmä o viditeľné a infračervené
snímkovanie je pravdepodobné, že práve v prípade dlhodobo zamračeného počasia je
problematické dostatočne presne aktualizovať mapu rozmiestnenia SP iba s využitím
mikrovlnných pozorovaní. Aj to môže byť príčinou zistenej nedostatočnej „flexibility“,
keďže práve v zimných mesiacoch je v rámci SR časté inverzné počasie a dlhé obdobia so
stálou nízkou oblačnosťou.
4.2. Spracovanie a zhodnotenie údajov v produkte LSAF LST v rámci SR
Slovensko má vzhľadom k svojej polohe v rámci Európy a výraznej členitosti územia
priestorovo a časovo značne premenlivé teplotné pomery. Na základe dlhodobých meraní
teploty vzduchu z viacerých regiónov Slovenska je v priemere najteplejšou oblasťou
Podunajská nížina s priemernou teplotou vzduchu v januári -1 až -2 °C, v júli 18 až 21 °C
52
a v ročnom priemere 9 až 11 °C. V oblasti Východoslovenskej nížiny je v priemere teplota
vzduchu o niečo nižšia. V kotlinách a dolinách riek, nadväzujúcich na nížiny (napr.
Považie, Ponitrie, Pohronie...) dosahuje priemerná ročná teplota vzduchu hodnoty v
intervale 6 až 8 °C, v najvyššie položených kotlinách (Popradská, Oravská kotlina) je to
menej než 6 °C. S nadmorskou výškou priemerná ročná teplota vzduchu klesá. Vo výške
1000 m dosahuje v priemerne hodnoty v rozmedzí 4 až 5 °C, vo výške 2000 m n. m. okolo
-1 °C, na hrebeňoch Vysokých Tatier aj menej ako -3 °C. V horských dolinách a kotlinách
sa vyskytujú v zime často teplotné inverzie, pričom sa na ich dne hromadí studený vzduch
aj počas niekoľkých dní. V ročnom chode priemernej mesačnej teploty vzduchu je
najteplejším mesiacom júl, v najvyšších polohách Tatier august (URL 20).
Tab. 4: Priemerné teploty vzduchu, hodnoty LST a odchýlky (rozdiel) ich hodnôt na
jednotlivých staniciach za vybrané dni v rokoch 2008-2011
Názov stanice
H [m n. m.]
Priemerná teplota
vzduchu (°C)
Priemerná
hodnota LST (°C)
Podiel kladných
odchýlok (%)
Priem. absolútna
odchýlka (°C)
Milhostov
Hurbanovo
Bratislava - letisko
Nitra - Veľké Janíkovce
Dudince
Piešťany
Kamenica nad Cirochou
Jaslovské Bohunice
Kuchyňa - Nový Dvor
Mochovce
Boľkovce
Tisinec
Košice - letisko
Prievidza
Bratislava - Koliba
Prešov - vojsko
Dolný Hričov
Sliač
Liesek
Poprad
Gánovce
Telgárt
Štrbské Pleso
104
115
131
135
140
163
176
178
206
206
214
216
230
260
287
295
309
313
692
694
703
901
1354
2005
2635
8,8
10,9
10,6
10,2
9,4
9,2
8,1
9,6
10,7
10,3
9,2
7,7
9,6
9,5
11,0
8,2
8,1
8,2
5,7
6,5
6,6
5,7
5,3
1,4
-1,2
10,0
11,9
11,4
11,2
10,5
10,5
8,7
10,6
10,8
11,1
9,9
8,2
10,1
9,8
11,8
8,6
8,7
8,8
5,8
7,1
7,2
6,1
5,5
4,4
2,9
52,2
52,2
56,5
54,3
56,5
63,0
60,9
56,5
41,3
60,9
54,3
58,7
47,8
52,2
58,7
41,3
56,5
60,9
52,2
58,7
56,5
52,2
45,7
84,8
87,0
3,7
3,6
3,0
3,5
2,7
2,8
2,1
3,4
2,1
3,1
3,3
2,3
2,9
2,7
2,8
2,2
2,0
2,2
2,4
2,8
3,1
2,2
3,4
4,0
5,2
Chopok
Lomnicky Štít
Ako možno vidieť v tabuľke 4, priemerné hodnoty LST za vybrané dni sú na všetkých
staniciach o niečo vyššie ako priemerné teploty vzduchu za rovnaké obdobie. Vyššia
priemerná hodnota LST však neznamená, že „teploty pixlov“ sú pre ľubovoľný termín a
raster vždy vyššie ako meraná teplota vzduchu. Podiel prípadov kedy boli hodnoty LST
vyššie ako nameraná teplota vzduchu udáva podiel kladných odchýlok. Na základe jeho
veľkosti možno posúdiť či bol produkt LSAF LST v danej lokalite, ktorú stanica
53
reprezentuje, častejšie relatívne „teplejší“ alebo “chladnejší“ ako teplota vzduchu.
Priemerný rozdiel v hodnotách teploty vzduchu a povrchovej teploty s produktu vyjadrujú
absolútne odchýlky. Aby bolo možné produkt LSAF LST označiť za spoľahlivý,
priemerné absolútne odchýlky by sa na jednotlivých staniciach nemali výrazne odlišovať.
Ak je priemerná chyba v stanovenej LST všade v produkte (vo všetkých oblastiach
a polohách SR) v priemere rovnako veľká, mala by byť aj absolútna odchýlka na
jednotlivých staniciach približne rovnako veľká. Priemerná absolútna odchýlka za všetky
stanice je 2,9 °C, no podstatné je, že na väčšine staníc (stanice do 1500 m) sa absolútne
odchýlky pohybujú zhruba v dvojstupňovom intervale - od 2°C do 3,7 °C. Vzhľadom
k priemernej chybe či „presnosti“ tejto verzie produktu LSAF LST, ktorá by mala byť
2 °C, to možno označiť za dobrý výsledok.
Pre dve stanice sú však absolútne odchýlky T a LST značne vyššie (stanice Chopok
a Lomnický Štít), to nepochybne súvisí s špecifickou polohou týchto staníc a
extrémnejšími nameranými hodnotami T. Ide o horské stanice vo vrcholových polohách
a ich údaje (merané teploty vzduchu) tak reprezentujú iba relatívne malú oblasť v určitej
nadmorskej výške. Hodnota LST je však tvorená na základe „priemerného vyžarovania“
z plochy zahŕňajúcej veľkú časť pohoria, na ktorom je stanica umiestnená. Pri výrazne
výškovo členitom území s prirodzene veľkými vertikálnymi zmenami teploty vzduchu tak
hodnota LST vyjadruje skôr priemer z viacerých výškových polôh. Extrémne hodnoty
(nízke teploty) z vrcholových oblastí sa tak na výslednej hodnote LST v rámci pixla
podieľajú len čiastočne. Konečnú hodnotu LST tak ovplyvňujú najmä polohy s najväčšou
rozlohou v rámci daného pixla. O tom svedčí aj viac ako 80% podiel kladných odchýlok
pre tieto dve najvyššie položené stanice (v drvivej väčšine prípadov bola k nim priradená
hodnota LST vyššia ako nameraná teplota vzduchu).
Vyššia absolútna odchýlka v teplotách (T a LST) je aj na nížinných staniciach
Milhostov a Hurbanovo, čo môže mať opäť súvis s extrémnejšími (vyššími) teplotami
vzduchu zaznamenávanými na týchto staniciach. Na staniciach v nížinách či nižších
a stredných polohách sa však neprejavuje výrazná spojitosť medzi veľkosťou absolútnej
odchýlky a nadmorskou výškou staníc. Podobne nemá rôzna nadmorská výška týchto
staníc vplyv na podiel kladných odchýlok, ktorý sa pohybuje zhruba od 40% do 60%.
Výsledné priemery ako aj odchýlky uvedené v tabuľke 4 sú tak podmienené skôr
špecifickou relatívnou polohou jednotlivých staníc (polohou vzhľadom k okolitému
reliéfu) či presnosťou produktu v jednotlivých lokalitách.
54
Tab. 5: Celková korelácia pozemných meraní teploty vzduchu a hodnôt v produkte LSAF
LST pre jednotlivé stanice za vybrané dni v rokoch 2008-2011
Hodnoty R2 za vybrané termíny (7., 14. a 21. hod.) v jednotlivých ročných obdobiach
Názov stanice
H
[m n. m.]
Jar
Leto
Jeseň
Zima
Spolu
Milhostov
Hurbanovo
Bratislava - letisko
Nitra - Veľké Janíkovce
Dudince
Piešťany
Kamenica nad Cirochou
Jaslovské Bohunice
Kuchyňa - Nový Dvor
Mochovce
Boľkovce
Tisinec
Košice - letisko
Prievidza
Bratislava - Koliba
Prešov - vojsko
Dolný Hričov
Sliač
Liesek
Poprad
Gánovce
104
115
131
135
140
163
176
178
206
206
214
216
230
260
287
295
309
313
692
694
703
0,84
0,82
0,82
0,82
0,85
0,82
0,81
0,82
0,78
0,74
0,79
0,81
0,84
0,87
0,80
0,88
0,83
0,82
0,83
0,86
0,80
0,85
0,89
0,86
0,92
0,94
0,90
0,93
0,94
0,94
0,95
0,90
0,95
0,89
0,93
0,86
0,90
0,96
0,94
0,95
0,91
0,89
0,94
0,92
0,96
0,95
0,95
0,98
0,98
0,93
0,95
0,91
0,94
0,98
0,96
0,96
0,93
0,98
0,99
0,98
0,95
0,98
0,94
0,88
0,94
0,83
0,93
0,96
0,87
0,81
0,92
0,87
0,80
0,91
0,82
0,95
0,88
0,76
0,88
0,88
0,94
0,85
0,78
0,71
0,94
0,93
0,94
0,94
0,96
0,96
0,96
0,94
0,95
0,94
0,94
0,96
0,95
0,96
0,94
0,97
0,97
0,96
0,96
0,96
0,95
Telgárt
Štrbské Pleso
901
1354
2005
2635
0,87
0,83
0,80
0,58
0,94
0,91
0,82
0,60
0,93
0,92
0,83
0,76
0,51
0,85
0,40
0,11
0,95
0,95
0,91
0,87
0,81
0,90
0,94
0,80
0,95
Chopok
Lomnicky Štít
Priemer pre všetky stanice
Ako už bolo uvedené, na spracovanie boli vybrané údaje o teplote vzduchu a produkty
z „vhodných“ termínov (bezoblačné počasie v okolí použitých staníc). Pre každé ročné
obdobie v rokoch 2008-2011 boli o 7., 14. a 21. hodine SEČ odčítané údaje z rastra LST.
Staniciam tak za jednotlivé ročné obdobia prislúchajú údaje z 12 produktov LSAF LST.
Podobne ako pre spomínané horské stanice aj pre stanice v kotlinách či iných
znížených lokalitách nadmorská výška nemusí vypovedať o ich relatívnej polohe, teda
priemernej výške okolia. Na hodnote LST, respektíve „teplote pixla“ sa tu môže odrážať
skôr vplyv okolitých pohorí ako teplota „na dne“ kotliny. V tomto prípade je to
podmienené najmä veľkosťou kotliny a polohou pixlov, keďže rozlíšenie pixla
v produktoch LSAF je pre územie SR zhruba 6x6 km. Ak do tejto plochy spadá výškovo
veľmi členité územie (kotlina a priľahlé pohorie), väčšia vodná plocha, výrazne odlišné
druhy vegetačného zápoja, či iné od najbližšieho okolia stanice výrazne diferentné územie,
môže to pri tomto rozlíšení znižovať výslednú koreláciu. Objektívne zohľadnenie
odchýlok pre rôzne výškové polohy či rôzne povrchy, teda výsledná priestorová presnosť
produktu je daná presnosťou a stupňom vývoja algoritmov. Zdá sa však, že tento vplyv
rôznych areálov zahrnutých v ploche jedného pixla sa aspoň na väčšine použitých staníc
neprejavuje ako závažný faktor, ktorý by znižoval mieru korelácie T a LST. Ak sa
55
zameriame len na stanice umiestnené v kotlinách, respektíve v znížených lokalitách v
blízkosti pohorí (napr, Dolný Hričov, Sliač, či Liesek) je zjavné, že ich špecifická
relatívna poloha nemá výrazný vplyv ma výslednú koreláciu údajov a je porovnateľná
s inými stanicami (zvyčajne len nižšia priemerná absolútna odchýlka). Treba však
poznamenať, že údaje boli z produktu pre všetky stanice odčítané využitím bilineárnej
interpolácie, vďaka čomu sa zmierňujú prípadné vplyvy pohorí a extrémne hodnoty.
Hodnota LST priradená stanici je „kalkulovaná“ z širšieho okolia (štyroch najbližších
pixlov) čo mohlo na druhej strane spôsobiť zníženie korelácie na staniciach Chopok
a Lomnický štít (zmiernenie extrémov a vyššie priradené hodnoty LST).
Korelácia za všetky vybrané termíny (48 dvojíc údajov) na staniciach do 1500 m sa
pohybuje vysoko od 93% (Hurbanovo) až do 97% (Prešov – vojsko a Dolný Hričov). Na
staniciach v najvyšších polohách (Chopok a Lomnický štít) je „celková“ korelácia podľa
koeficientu determinácie len mierne nižšia. Ako však možno vidieť v tabuľke 5, počas
jednotlivých ročných období sa korelácia údajov na staniciach javí značne nižšia. Hodnoty
R2 sú tu totiž vypočítané len z 12 dvojíc údajov, takže sa výraznejšie zohľadňujú prípadné
staničné anomálie T či extrémne a nepresné hodnoty LST, ktoré narúšajú lineárny vzťah
medzi zvyškom údajov.
Z hodnôt R2 za jednotlivé ročné obdobia je predovšetkým v zime badateľný výrazný
pokles korelácie už pre niektoré stanice v stredných polohách (stanice Gánovce a Telgárt).
Veľmi nízka korelácia (iba 0,11 pre stanicu Lomnický štít) nepochybne súvisí
s špecifickými
„zimnými“
podmienkami
a extrémnejšími
teplotami
vzduchu
vyplývajúcimi z polohy a expozície tejto vysokohorskej stanice. Z pohľadu jednotlivých
ročných období je vzťah medzi meranými T a odvodenými LST najsilnejší na jeseň, kedy
je miera korelácie v priemere až 94%. Tento výsledok je pravdepodobne podmienený aj
ideálnymi podmienkami snímania IČ vyžarovania povrchu vyplývajúcimi zo stavu
atmosféry (nízka relatívna vlhkosť), ale pravdepodobne aj denným režimom teploty
vzduchu (absencia extrémnych vysokých a nízkych teplôt vzduchu).
56
Korelácia teploty vzduchu a LST v °C
o 14:00 SEČ (jar)
40
40
30
30
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 7:00 SEČ (jar)
20
10
y = 1,0844x - 1,7864
R2 = 0,90
SEE = 1,55 °C
0
20
10
y = 0,9137x - 3,8011
R2 = 0,84
SEE = 2,16 °C
0
-10
-10
-10
0
10
20
30
40
-10
0
hodnota LST
20
30
40
Korelácia teploty vzduchu a LST v °C
pre všetky jarné termíny
40
40
30
30
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 21:00 SEČ (jar)
20
10
y = 1,3553x + 0,5304
R2 = 0,86
SEE = 1,84 °C
0
10
hodnota LST
20
10
y = 0,7046x + 2,0441
R2 = 0,85
SEE = 2,78 °C
0
-10
-10
-10
0
10
20
30
40
-10
0
hodnota LST
10
20
30
40
hodnota LST
Obr. 15: Korelácia teploty vzduchu meranej na staniciach a hodnôt v produkte LSAF LST
pre vybrané jarné dni v rokoch 2008-2011
Korelácia teploty vzduchu a LST v °C
o 14:00 SEČ (leto)
50
40
40
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 7:00 SEČ (leto)
50
30
20
y = 1,139x - 3,7887
R2 = 0,86
SEE = 1,52 °C
10
30
20
y = 0,941x - 3,1742
R2 = 0,74
SEE = 2,73 °C
10
0
0
0
10
20
30
40
50
0
10
hodnota LST
30
40
50
Korelácia teploty vzduchu a LST v °C
pre všetky letné termíny
50
40
40
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 21:00 SEČ (leto)
50
30
20
y = 0,7576x + 1,7456
R2 = 0,85
SEE = 1,82 °C
10
20
hodnota LST
30
20
y = 0,7168x + 4,4628
R2 = 0,83
SEE = 2,71 °C
10
0
0
0
10
20
30
40
50
0
hodnota LST
10
20
30
40
50
hodnota LST
Obr. 16: Korelácia teploty vzduchu meranej na staniciach a hodnôt v produkte LSAF LST
pre vybrané letné dni v rokoch 2008-2011
57
Korelácia teploty vzduchu a LST v °C
o 14:00 SEČ (jeseň)
40
40
30
30
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 7:00 SEČ (jeseň)
20
10
y = 1,0013x - 1,0492
R2 = 0,96
SEE = 1,42 °C
0
20
10
y = 0,8569x - 1,1048
R2 = 0,87
SEE = 2,59 °C
0
-10
-10
-10
0
10
20
30
40
-10
0
hodnota LST
20
30
40
Korelácia teploty vzduchu a LST v °C
pre všetky jesenné termíny
40
40
30
30
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 21:00 SEČ (jeseň)
20
10
y = 1,0401x + 1,2177
R2 = 0,94
SEE = 1,36 °C
0
10
hodnota LST
20
10
y = 0,8135x + 0,8197
R2 = 0,92
SEE = 2,40 °C
0
-10
-10
-10
0
10
20
30
40
-10
0
hodnota LST
10
20
30
40
hodnota LST
Obr. 17: Korelácia teploty vzduchu meranej na staniciach a hodnôt v produkte LSAF LST
pre vybrané jesenné dni v rokoch 2008-2011
Korelácia teploty vzduchu a LST v °C
o 14:00 SEČ (zima)
20
10
10
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 7:00 SEČ (zima)
20
0
-10
y = 0,8109x - 1,2443
R2 = 0,83
SEE = 1,86 °C
-20
0
-10
y = 0,7495x - 0,3102
R2 = 0,74
SEE = 1,96 °C
-20
-30
-30
-30
-20
-10
0
10
20
-30
-20
hodnota LST
0
10
20
Korelácia teploty vzduchu a LST v °C
pre všetky zimné termíny
20
10
10
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 21:00 SEČ (zima)
20
0
-10
y = 0,8033x + 0,5957
R2 = 0,85
SEE = 1,87 °C
-20
-10
hodnota LST
0
-10
y = 0,7856x - 0,4328
R2 = 0,83
SEE = 2,05 °C
-20
-30
-30
-30
-20
-10
0
10
20
-30
hodnota LST
-20
-10
0
10
20
hodnota LST
Obr. 18: Korelácia teploty vzduchu meranej na staniciach a hodnôt v produkte LSAF LST
pre vybrané zimné dni v rokoch 2008-2011
58
Poloha každého bodu v grafoch na obrázkoch 15 až 18 je daná nameranou teplotou
vzduchu na staniciach a k nim prislúchajúcou hodnotou LST s produktu. Ak by obe tieto
sledované hodnoty boli vždy rovnaké, body by boli zoradené v jednej línii (červená línia
predstavujúca priamu lineárnu závislosť). Prípadne ak by odchýlka medzi hodnotami T
a LST bola pre všetky stanice vždy rovnaká, ležali by body na čiernej čiare (regresnej
priamke) reprezentujúcej optimálny fit a priemerná chyba odhadu (SEE) by bola nulová.
Hodnota SEE (Standard Error of Estimate) teda priemerná chyba odhadu podáva
informácie o miere rozptylu hodnôt, resp. „vzdialenosti“ bodov od stanovenej funkcie
(trendovej čiary v grafe). Je tak ukazovateľom
presnosti či spoľahlivosti zobrazenej
lineárnej funkcie (pri odhade teploty vzduchu pomocou príslušného vzorca). Čím je
hodnota SEE vyššia, tým je praktické použitie takejto funkcie menej vhodné, keďže sú
výsledné hodnoty menej dôveryhodné. Teplotu vzduchu alebo závislú (vysvetľovanú)
premennú (y), tak možno vypočítať z hodnoty LST - nezávislá (vysvetľujúca) premenná
(x), s istou presnosťou. Spoľahlivosť prostredníctvom tesnosti vzťahu týchto premenných
do určitej miery vyjadruje aj hodnota R2.
Podstatná je rozdielna veľkosť uvedených čísel v rámci regresnej funkcie y = ax + b.
Prvé číslo „a“ je regresný koeficient (smernica alebo sklon regresnej priamky), a druhé
„b“ je regresná konštanta (priesečník regresnej priamky s osou y). Práve tieto koeficienty
vypovedajú o rozdielnej závislosti hodnôt LST a T, respektíve o rozdielnom „pomere“ ich
hodnôt.
Ako vidieť v grafoch na stranách 57 a 58, výsledná miera korelácie medzi hodnotami
LST a teplotou vzduchu vo výške 2 metre je vo zvolených dňoch pomerne vysoká
(priemerné hodnoty R2 sa pohybujú v rozmedzí 0,74 - 0,96). Ako už bolo zrejmé z
tabuľky 5, možno aj v grafoch vidieť, že hodnoty R2 sú najvyššie za jesenné dni, ale aj
jednotlivé jesenné termíny. Najnižšia miera závislosti údajov (74%) bola dosiahnutá o 14.
hodine SEČ počas letných a zimných dní (vplyv extrémnych hodnôt T a LST na
niektorých staniciach). V rámci vybraných denných termínov pre všetky ročné obdobia je
korelácia údajov najvyššia o 7:00 SEČ, o niečo nižšia o 21:00 SEČ a najnižšia o 14:00
SEČ. Väčší rozptyl hodnôt v termíne o 14:00 SEČ sa prejavuje aj v hodnotách SEE, ktoré
sú vyššie ako o siedmej či dvadsiatej prvej hodine. Väčšina bodov narušujúcich výslednú
koreláciu (bodov najviac vzdialených od regresnej priamky) prislúcha staniciam vo vyššej
nadmorskej výške. Poloha týchto „okrajových“ bodov je teda určená údajmi horských
staníc, pričom tie najvzdialenejšie pripadajú predovšetkým stanici Lomnický štít.
59
Z grafov na obrázkoch 15 až 18 je zrejmé, že v termíne o 14:00 SEČ bola počas
vybraných jarných, letných a jesenných termínov stanovená LST výrazne vyššia ako
meraná teplota vzduchu (odchýlka o niekoľko °C a regresná priamka výrazne pod
„červenou líniou“).
Tento efekt ako aj zníženie korelácie možno s najväčšou
pravdepodobnosťou pripísať „popoludňajšiemu“ prehriatiu povrchu, ako aj vrstvy
vzduchu v jeho tesnej blízkosti a ich zvýšenému IČ vyžarovaniu. Výsledkom je podľa
všetkého zníženie presnosti produktu, respektíve odhadu LST (celkové nadhodnotenie
reálnych hodnôt). V týchto prípadoch sa na výslednej hodnote LST zrejme viac odráža
skôr momentálne vyžarovanie prehriatej pevniny (s vyššou okamžitou teplotou) a
menej teplota vzduchu v blízkosti povrchu. Tomu zodpovedá aj fakt, že v prípade zimných
dní tento „efekt“ prehriatia v termíne o 14:00 SEČ nie je badateľný, ako to možno vidieť
v príslušnom grafe na obrázku 18. Teplota vzduchu je v zimných dňoch v priemere skôr
vyššia ako uvedená hodnota LST, čo môže súvisieť s opačným efektom (prechladením
pevniny a objektov na jej povrchu). Hodnoty LST v priebehu dňa zrejme ovplyvňuje aj
rozdielna relatívna „poloha slnka“ a rozdielne oslnenie zemského povrchu. O tom, že sa
„pomer“ medzi teplotou vzduchu a hodnotami LST v priebehu dňa mení vypovedá aj
rôzny sklon regresnej priamky vo vybraných termínoch. Ten sa medzi jednotlivými
termínmi mení viac na jar a v lete, menej na jeseň či v zime.
Veľkosť korelácie za dni v jednotlivých ročných obdobiach (podľa údajov za všetky
tri termíny) sa výrazne nemení a je na pomerne vysokej úrovni. Produkt LSAF LST tak
možno za relatívne rovnakých „ideálnych“ podmienok snímania označiť v priebehu roka
za dostatočne presný a relatívne konzistentný. Najnižší rozptyl hodnôt podľa SEE bol
pritom dosiahnutý počas zimy a najvyšší počas leta. V rámci zimných dní sú pritom
zahrnuté aj termíny kedy značnú časť územia SR pokrývala snehová pokrývka. Odlišné
a meniace sa povrchy a periodické zmeny krajinnej pokrývky v priebehu roka tak podľa
všetkého výrazne neovplyvňujú spoľahlivosť produktu LSAF LST (presnosť stanovených
hodnôt LST).
Ako vidieť v grafe na obrázku 19 (na nasledujúcej strane), priemerná chyba odhadu pri
zahrnutí všetkých vstupných údajov dosahuje 2,73 °C čo je opäť vzhľadom k presnosti
produktu LSAF LST pomerne dobrý výsledok. Na zvýšení SEE sa pritom podieľajú najmä
údaje z už spomínaných staníc Chopok a Lomnický štít. Ak pri regresnej analýze
vynecháme údaje z týchto dvoch staníc, zníži sa priemerná chyba odhadu za všetky dni
a termíny na 2,44 °C a hodnota R2 pritom vzrastie na 96%. Celkovo je aj pri zahrnutí ich
60
údajov výsledná korelácia za všetky vybrané dni veľmi vysoká a „finálna“ lineárna
funkcia má priebeh často blízky priamej lineárnej závislosti.
Korelácia teploty vzduchu a LST v °C
o 14:00 SEČ
45
45
30
30
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 7:00 SEČ
15
0
y = 0,9382x - 0,3795
R2 = 0,97
SEE = 1,71 °C
-15
15
0
y = 0,8272x - 0,4930
R2 = 0,95
SEE = 2,57 °C
-15
-30
-30
-30
-15
0
15
30
45
-30
-15
hodnota LST
15
30
45
Korelácia teploty vzduchu a LST v °C
pre všetky dni a termíny
45
45
30
30
T vzduchu (2 m)
T vzduchu (2 m)
Korelácia teploty vzduchu a LST v °C
o 21:00 SEČ
15
0
y = 0,9716x + 2,2647
R2 = 0,96
SEE = 1,95 °C
-15
0
hodnota LST
15
0
y = 0,8388x + 0,7474
R2 = 0,95
SEE = 2,73 °C
-15
-30
-30
-30
-15
0
15
30
45
-30
hodnota LST
-15
0
15
30
45
hodnota LST
Obr. 19: Korelácia teploty vzduchu meranej na staniciach a hodnôt v produkte LSAF LST
pre všetky vybrané dni v rokoch 2008-2011
V rámci niektorých termínov (jednotlivých rastrov) sa však vyskytli aj prípady kedy sa
R2 pohyboval okolo hranice 50%. Závislosť medzi teplotami bola v týchto prípadoch
nižšia, keďže sa výraznejšie prejavili anomálie na niektorých z dvadsiatich piatich staníc
(opäť najmä horské stanice). Takéto prípady môžu súvisieť aj s nepriaznivými
atmosférickými podmienkami, ktoré však nie sú detekované a zohľadnené, prípadne je ich
vplyv na hodnoty LST ťažko stanoviteľný. Napríklad prítomnosť hmly či niektorých
druhov ľadových oblakov, vysoká prašnosť a smog môže spôsobiť nepresnosti a anomálie
v konečných hodnotách LST priradených jednotlivým pixlom, ale aj väčším plochám v
produkte. Celkový vplyv na skreslenie snímaného žiarenia a teda aj výsledných teplôt je
rôzne veľký, v závislosti od miery zohľadnenia aktuálnych podmienok v použitých
algoritmoch. Problémom je, že sa v čase ako aj priestore mení aj skresľujúci účinok nad
určitým územím a jeho veľkosť je často ťažké objektívne sledovať. Dôležité je aj
rozlíšenie produktu, keďže čím väčšie je rozlíšenie (menšia plocha pixla), tým väčší vplyv
61
môžu mať lokálne anomálie v rámci pixla i keď pri súčasnej verzii produktu LSAF LST je
rozlíšenie stále pomerne nízke. Výrazný skresľujúci vplyv je možný najmä v rámci
horských oblastí, kde je nestálosť počasia značná (najmä častý výskyt lokálnej oblačnosti).
4.3. Využitie produktu LSAF LST pri tvorbe máp teploty vzduchu v rámci SR
Stanovenie súvislého poľa priemernej teploty vzduchu z bodových meraní staníc za
dlhšie obdobie nie je príliš komplikované. Základom je poznanie vzťahu medzi teplotou
vzduchu a nadmorskou výškou, teda poznanie vertikálneho teplotného gradientu pre dané
ročné obdobie, mesiac, prípadne aj deň (ak zohľadníme vplyv či polohu rôznych
vzduchových hmôt). Priblíženie k reálnemu poľu teploty je však so skracovaním obdobia
spravidla menej presné. Vertikálny gradient - zvyčajne veľkosť poklesu teploty vzduchu
s rastúcou nadmorskou výškou sa pritom počíta na základe dlhodobých pozorovaní staníc.
Hlavnou výhodou družicových produktov zobrazujúcich pole LST je „rovnomerné“
snímanie hodnôt zo všetkých regiónov a polôh s relatívne rovnakou presnosťou. Pre
použitý produkt LSAF LST je to však len v prípade dostatočne vhodných a približne
rovnakých atmosférických podmienok pre celé územie SR (dostatočne „suchá atmosféra“
nepohlcujúca IČ žiarenie). Rôzny druh či stav zemského povrchu a jeho prípadné zmeny
v priebehu roka sa podľa výsledkov v predchádzajúcej časti nejavia ako závažný problém
pri stanovení hodnôt „povrchovej“ teploty. Problémom môže byť nedostatočne vysoké
rozlíšenie vybraného družicového produktu, pri ktorom nie je možné zachytiť odchýlky
v poli teploty vzduchu, najmä v prípade úzkych kotlín, dolín či horských sústav.
Na mapové spracovanie bol vybraný raster z hodnotami LST za termín, pre ktorý bola
dosiahnutá vysoká miera korelácie s meraním staníc, no predovšetkým čo možno najnižšia
hodnota SEE (obrázok 21). Pri prepočte rastra LST na „raster T“ podľa stanovenej funkcie
by teda priemerná chyba takto stanovenej teploty vzduchu (T) mala byť čo možno
najmenšia. Ďalšou podmienkou bolo aby raster v daný termín obsahoval údaje
o povrchovej teplote v rámci celého územia SR (teda nielen v okolí synoptických staníc) bol tak bez „no data“ pixlov. Výsledné pole teploty vzduchu vo výške 2 metre je tak v
rámci 48-ich vybraných termínov čo možno najpresnejšie.
Rozlíšenie vybraného vstupného rastra LST bolo upravené, teda „umelo“ zvýšené.
Veľkosť pixlov bola zmenšená na osminu pôvodnej veľkosti (zhruba na 800 x 800 m)
a ich hodnoty boli stanovené na základe pôvodných využitím bilineárnej interpolácie.
Takto upravený raster bol následne „prepočítaný“ s pomocou regresných koeficientov
62
(hodnôt v lineárnej funkcii na obrázku 21). Rozlíšenie bolo zvýšené za účelom zvýšenia
„plynulosti“ resp. spojitosti poľa teploty vzduchu, navyše aj pri stanovení regresného
vzťahu bola pri odčítaní hodnôt LST pre stanice použitá bilineárna interpolácia.
Korelácia teploty vzduchu a LST v °C
26. 5. 2011 o 7:00 SEČ
25
T vzduchu (2 m)
20
15
10
y = 0,9148x - 0,4147
R2 = 0,83
SEE = 1,25 °C
5
0
0
5
10
15
20
25
hodnota LST
Obr. 21: Korelácia teploty vzduchu meranej na staniciach a hodnôt v produkte LSAF LST
pre vybraný deň a termín merania v roku 2011
Pri interpolácii poľa teploty vzduchu len z bodových meraní boli využité „skutočné“
namerané hodnoty T v sieti synoptických staníc. Tieto stanice a ich údaje boli začlenené
do siete fiktívnych staníc, umiestnených v odborne navrhnutých bodoch v rámci SR (ide o
body využívané aj v rámci SHMÚ). Hodnoty T na týchto fiktívnych staniciach boli
vypočítané na základe stanoveného regresného vzťahu medzi teplotou vzduchu
a nadmorskou výškou, uvedeného na obrázku 22.
Korelácia teploty vzduchu a výšky staníc
26. 5. 2011 o 7:00 SEČ
30
y = -0,0043x + 15,074
R2 = 0,79
SEE = 1,38 °C
T vzduchu (2 m)
25
20
15
10
5
0
0
500
1000
1500 2000
2500 3000
výška stanice (m n. m.)
Obr. 22: Korelácia teploty vzduchu nameranej na staniciach a nadmorskej výšky staníc
pre vybraný deň a termín merania v roku 2011
63
Regresná funkcia použitá pri interpolácii T z DTM bola vytvorená iba na základe
meraní 25-tich synoptických staníc (zvyčajne sa však odvodzuje s údajov viac ako 100
klimatologických staníc). Väčšina použitých synoptických staníc sa pritom nachádza vo
výške iba zhruba do 300 metrov (až 18 staníc). Pri odvodzovaní poľa T pre horské oblasti
sa tak vychádza skôr zo závislosti vytvorenej na základe meraní v nížinách a nižších
polohách.
Vhodnejším prístupom môže byť pred interpoláciou poľa T rozdelenie územia
Slovenska na niekoľko regiónov podľa rôznej členitosti reliéfu a z nej vyplývajúcich
rôznych teplotných gradientov (ak je v rámci regiónov k dispozícii dostatok staníc
v rôznych polohách). Keďže pri interpolácii boli využité okrem fiktívnych staníc s
odvodenými hodnotami T aj synoptické stanice s reálnymi nameranými hodnotami T, sú
teploty vzduchu na obrázku 23 (strana 64) relatívne presné minimálne v okolí týchto
staníc (ich poloha je zaznačená v obrázku 25).
Teplota vzduchu bola z údajov staníc interpolovaná pre rovnakú sieť pixlov (rovnaký
grid) ako pre produkt LST. Takéto dve „gridovo“ identické mapy možno jednoducho
vizuálne porovnať, ale aj naložiť na seba a hodnoty jednotlivých pixlov navzájom odčítať.
Ak od poľa teploty vzduchu odvodeného z rastra LST odpočítame pole T interpolované
z údajov staníc, získame pole odchýlok teploty vzduchu medzi týmito poliami. Výsledok
takejto kalkulácie (obrázok 25) obsahuje jednotlivé záporné či kladné odchýlky (v poli
vytvorenom z LST) a ich priestorové rozloženie.
64
Obr. 23: Pole teploty vzduchu pre vybraný termín podľa údajov synoptických staníc a
DTM na základe vzťahu T a nadmorskej výšky
Obr. 24: Pole teploty vzduchu pre vybraný termín podľa údajov v produkte LSAF LST
na základe korelácie LST s T meranou na staniciach
Obr. 25: Rozdiel poľa teploty vzduchu vytvoreného z údajov produktu LSAF LST a poľa
teploty vzduchu vytvoreného z údajov synoptických staníc a DTM
65
V mape na obrázku 23 je zrejmý vplyv DTM použitého pri odhade hodnôt
T
a v mnohých oblastiach napríklad v kotlinách a pohoriach stredného Slovenska je otázne
či teplota v tomto rannom termíne (krátko po nočnom ochladení a dosiahnutí minimálnych
teplotôt) tu bola skutočne tak vysoká aj keď ide o termín v teplejšej časti roka. Na druhej
strane môžu byť teploty vzduchu stanovené v rámci niektorých pohorí zasahujúcich do
nížin príliš vysoké resp. väčšie ako v skutočnosti.
Pri pohľade na pole vytvorené z údajov v produkte LSAF LST (obrázok 24) sú
zreteľné výrazné lokálne anomálie a výkyvy v poli T. Avšak je obtiažne stanoviť či ide
o odchýlky spôsobené nesprávnym meraním žiarenia a spracovaním hodnôt LST, alebo
ide o zobrazenie hodnôt relatívne blízkym skutočným teplotám vzduchu v danom termíne.
Oblasti, kde je pole vytvorené s hodnôt LST výrazne „teplejšie“ alebo „chladnejšie“
vzhľadom k bezprostrednému okoliu (pixlom) sú s najväčšou pravdepodobnosťou
dôsledkom chybných hodnôt LST v rámci jednotlivých pixlov (evidentné najmä
v nížinách). Pole T je v rámci málo členitého terénu je spojité a zmeny hodnôt T plynulé,
zvlášť ak je nad sledovaným územím len jedna dominantná vzduchová hmota. Aj pri
tvorbe „družicového“ poľa LST sa však pre spresnenie hodnôt využíva digitálny terénny
model Európy, ktorý má na území SR rozlíšenie 6x6 km. Toto rozlíšenie nie je pre model
reliéfu práve najvyššie a pre priestorovo a vertikálne značne členité Slovensko ho možno
považovať za nedostatočné. Napriek nízkemu rozlíšeniu je vo výslednom poli T na
obrázku 24, zreteľne badateľný vplyv väčšiny najvýraznejších pohorí, nížin či kotlín
v rámci SR.
Kladné a záporné odchýlky v °C pre pole T vytvorené na základe LST možno vidieť
na obrázku 25. Väčšina odchýlok na území SR spadá do rozpätia od -2 do +2 °C, čo
zodpovedá už spomínanej dvojstupňovej presnosti produktu LSAF LST. Odchýlky sa však
v niektorých oblastiach SR pohybujú aj vo viac ako dvojnásobne väčšom intervale od -4,2
do +4,1 °C. Podľa rozmiestnenia odchýlok sa pole T z produktu LSAF LST v porovnaní
s interpolovaným polom javí ako relatívne teplejšie v nížinách a relatívne chladnejšie
v rámci väčšiny pohorí s výnimkou Vysokých a Nízkych Tatier. Najextrémnejšie
odchýlky sú lokalizované na východe Slovenska v oblasti Volovských vrchov (najnižšie
hodnoty pod -3 °C) a v najvýchodnejšej časti Východoslovenskej nížiny (najvyššie
hodnoty nad 3 °C), väčšie kladné odchýlky sú aj v centrálnej časti Podunajskej nížiny.
Z legiend jednotlivých zdrojových máp (obrázky 23 a 24) je zrejmé, že obe polia majú
približne rovnaké minimálne teploty vzduchu. Maximálne teploty vzduchu v mapách sa
vďaka výrazne teplejším lokalitám (vysokým hodnotám LST) v nížinách výrazne líšia
66
(rozdiel až 2,5 °C). Je však nutné poznamenať, že odchýlky značne závisia aj od použitej
interpolačnej metódy, ktorá spôsobila zmiernenie extrémnejších hodnôt v poli. Odchýlky
sú presné len do tej miery do akej je presné interpolované pole T so staníc a DTM.
V skutočnosti tak hodnoty LST v rámci pohorí nemusia byť príliš nízke, ale interpolované
hodnoty zo staníc sú tu príliš vysoké. V oblasti nížin je však prítomnosť pixlov s príliš
vysokou hodnotou LST evidentná, čo sa odráža na príliš vysokých hodnotách T.
Odchýlky však môžu reprezentovať aj relatívne rovnorodé oblasti, kde sú vďaka
družicovému plošnému snímaniu tepelného vyžarovania lepšie zachytené reálne teploty
vzduchu ako pri interpolácii z bodových meraní. Tieto anomálie zo staníc interpolované
pole nezobrazuje, keďže použitá interpolačná metóda má svoje limity a vychádza z
rovnakého vzťahu teploty vzduchu a nadmorskej výšky pre celé územie SR. Ak by mala
byť viac objektívna, musela by v rámci jednotlivých hodinových termínov zohľadňovať aj
rozdielne okamžité atmosférické podmienky. Pri dlhších periódach aj meniace sa
atmosférické podmienky ako napríklad priestorový výskyt a dobu zotrvania vzduchových
hmôt. Dôležité je teda krátkodobé geografické rozloženie vzduchových hmôt (v prípade
jedného termínu či dňa) a ich zotrvanie nad územím v prípade dlhších období (týždne až
mesiace). Práve rôzne vzduchové hmoty výrazne ovplyvňujú reálne hodnoty a režim
teploty vzduchu v rôznych výškových polohách SR. Mnohé lokality a celé pohoria
a kotliny na území SR nie sú pokryté sieťou staníc a nie je tak zachytený ich vplyv na
teplotné pomery.
Len pre zahrnutie vplyvu momentálneho priestorového rozloženia vzduchových hmôt
(z jedného termínu) by musela byť interpolačná metóda výrazne upravená. Z dlhodobého
hľadiska, napríklad v prípade priemernej mesačnej teploty vzduchu, by bol potrebný rad
satelitných pozorovaní a z nich určené priemerné hodnoty vertikálnych gradientov teploty
vzduchu pre jednotlivé územia. Reálne sa môžu vyskytnúť aj dlhšie obdobia kedy je
napríklad východ Slovenska pod vplyvom inej vzduchovej hmoty ako zvyšok územia. Aj
keď sa na hodnote priemernej teploty vzduchu určenej z meraní staníc odráža ich vplyv,
každá vzduchová hmota je „jedinečná“ (rozličné a meniace sa fyzikálne vlastnosti). Pole
priemernej mesačnej teploty vzduchu teda nie je možné presne stanoviť len na základe
staničných údajov.
Na druhej strane je pravdepodobné, že mnohé anomálie aj v horských polohách sú
spôsobené výraznými odchýlkami v rastri LST. Pri výpočte T z LST bola využitá regresná
funkcia určená z pomerne malého počtu staníc a stanovená priemerná chyba odhadu T
s istotou platí iba pre oblasti (pixle) v okolí týchto staníc. Tento produkt teda nemusí byť
67
v rámci SR priestorovo rovnako presný a spoľahlivý aj pri predpokladaných rovnakých
„optimálnych“ podmienkach merania. Tie boli totiž overené len v bezprostrednom okolí
synoptických staníc. Netreba taktiež zabúdať, že ide len o porovnanie údajov za jeden deň
a termín merania a výsledky takéhoto „priestorového“ porovnania môžu platiť len pre
daný termín (obdobie počas roka a dňa). Zo vstupných rastrov LST však išlo podla
korelácie z meraním T na staniciach o relatívne najpresnejší vstupný raster, ktorý mal
vďaka ideálnym podmienkam snímania údaje o LST pre územie celej SR.
Informácie o priestorovej presnosti podáva aj „Error bar“ raster, ktorý je tvorený
k produktu LSAF LST od júla 2008. Ten však neuvádza či pre danú oblasť (pixel) je
chyba v uvedenej hodnote kladná alebo záporná, ale iba aká približne veľká je absolútna
odchýlka LST (s akou presnosťou v °C možno rátať v rámci každého pixla). Pre oblasti,
kde nemáme priame pozemné pozorovania prípadne ďalšie družicové údaje (produkty),
nie je možné objektívne zhodnotenie odchýlky. Takýto raster je teda ťažké potencionálne
využiť - stanoviť či by bolo vhodné v určitom pixli hodnotu LST zvýšiť alebo znížiť.
68
5. DISKUSIA
Ako sa uvádza už v práci Romanov et al., 2000, v ktorej je hodnotená staršia verzia
produktu IMS na území USA: „Výsledky porovnania produktu a pozemných pozorovaní
poukazujú na výrazný potenciál automatizovaného mapovania a monitorovania snehovej
pokrývky s využitím viacerých techník snímania“. Toto konštatovanie platí aj pre novšiu
verziu produktu IMS a jeho údaje v rámci SR. Avšak napriek tomu že ide o „denný“
produkt zdá sa, že nie je aktualizovaný v dostatočnej miere, respektíve z dostatočnou
frekvenciou. Produkt IMS je tvorený z družicových údajov zozbieraných v priebehu
jedného dňa a zachytenie prítomnosti snehu na zemskom povrchu je pravdepodobne vo
veľkej miere závislé nielen od jej stavu (výšky), ale aj od dĺžky zotrvania snehovej
pokrývky v určitej oblasti. To či existuje stanovená minimálna doba zotrvania snehovej
pokrývky (SP) v priebehu dňa, po ktorej prekročení je SP už v produkte (pixli) zobrazená
v základných
informáciách
o produkte
na
stránkach
archívu
(NSIDC)
či
vo
vybraných prácach nie je uvedené. Problematické je aj určiť priebeh hraníc snehového
poľa zo siete pixlov a tiež akú časť plochy skutočne pokrýva sneh teda aká je „kvalita“ či
priemerná výška SP v rámci daného pixla. Práve informácie o výške SP však možno
očakávať v nasledujúcich verziách „snehového“ produktu IMS.
Ako vyplýva z výsledkov spracovania produktu IMS, správne zobrazenie a zachytenie
reálneho poľa SP v ľubovoľnej oblasti závisí aj od jeho konkrétnych vlastností, najmä
priemernej výšky či jeho spojitosti v danej lokalite. V blízkej budúcnosti by pre novšiu
verzii produktu IMS bolo v rámci SR možné aj zhodnotenie presnosti z družíc odvodenej
výšky snehovej pokrývky v rámci snehového poľa.
Podľa Aires, 2006 je miera korelácie medzi výslednou „hĺbkou snehu“ stanovenou
snímaním pasívneho mikrovlnného vyžarovania a jej „in situ“ meraním je uspokojivá pre
oblasť Eurázie (0,8), no už menej pre oblasť Severnej Ameriky (<0.6) a na globálnej
úrovni. Korelácia sa zvyšuje v prípade ak pozorovanie výšky SP obmedzíme iba na oblasti
s nízkou hustotou vegetácie a špecifické vymedzené zimné obdobia, kedy SP prechádza
len postupnými zmenami. Autori taktiež poukazujú na skutočnosť, že presné informácie o
výške SP je obtiažne získať len z jediného špecifického družicového zdroja.
Podobne by sa dal zhodnotiť vplyv vegetačného krytu na rozlíšenie snehových pixlov
v rámci produktu IMS. Staniciam by bolo možné podľa ich najbližšieho okolia priradiť
špecifickú krajinnú pokrývku či „typ krajiny“ (polia, lúky, lesy...), ktorú daná stanica
„reprezentuje“. Okrem údajov z klimatologických staníc by sa v rámci SR dali využiť aj
69
denné údaje o SP zo zrážkomerných staníc, no jej merania v tejto sieti sú menej
spoľahlivé. Dôležitý je však fakt, že sa pri tvorbe produktu IMS vychádza z viacerých
jedinečných družicových zdrojov (viacerých techník snímania), čo by v konečnom
dôsledku malo prispieť k zvýšeniu jeho priestorovej presnosti, resp. spoľahlivosti.
Pri odčítavaní údajov z rastra IMS možno pre stanice stanoviť aj väčšší okruh aký bola
použitý v práci, napríklad 2 km čo by mohlo výrazne zvýšiť zhodu z pozorovaním na
staniciach. Vzhľadom na povahu staničných údajov je ale otázne či by bolo vhodné
vzťahovať „bodové“ merania na ešte väčšiu plochu. Okruh s priemerom 4 km by
zodpovedal rozlíšeniu IMS produktu, ale požitie takto veľkého okruhu by mohlo viesť ku
klamnému zvýšeniu korelácie. Aj keby bola stanica veľmi blízko, no nie presne v strede
pixla, zaberal by k nej prislúchajúci okruh jeden alebo viac susedných pixlov. Cieľom ale
nebolo dosiahnutie čo najväčšej miery zhody so staničnými údajmi, ale nestranné a pokiaľ
možno objektívne zhodnotenie jeho presnosti. V prípade použitia vhodnej a rovnakej
metodiky odčítania dát z rastra je to do určitej miery splniteľné. Otázne je aj využitie
staníc v polohách nad 1300 metrov, vzhľadom k faktu, že sa tu teoreticky môže vyskytnúť
snehová pokrývka v ktorýkoľvek deň v roku. V najvyššie položených staniciach ako
Chopok či Lomnický Štít sa až na niekoľko letných dní SP skutočne vyskytuje po väčšinu
dní v roku. Keďže však produkt zobrazuje počas „zimného“ obdobia snehovú pokrývku aj
v týchto polohách, boli do spracovania zahrnuté všetky klimatologické stanice bez
výpadkov v pozorovaní. Produkt IMS v prípade jednotlivých dní nemožno označiť za
veľmi spoľahlivý, vzhľadom k jeho výrazne kolísavej presnosti a ťažko predvídateľnej
dôveryhodnosti (ak sa neopierame o údaje staníc). V prípade období dlhých niekoľko
mesiacov, či celých „zím“ dosahuje o niečo lepšie výsledky, ale zvyčajne reaguje aj na
postupné zmeny snehového poľa príliš pomaly. Taktiež rýchle nástupy a krátke trvanie
snehovej pokrývky (kratšie ako 1 deň) produkt zväčša vôbec nedetekuje prípadne zachytí
len čiastočne (v oblastiach, kde sneh zotrval najdlhšie).
Problémom môže byť aj „skreslenie“ v prípade výrazne členitých horských oblastí,
kde sa snehové polia môžu v rámci snímanej plochy javiť „menšie“, keďže sú na svahoch
a teda pri snímaní sklonené pod určitým uhlom. Vstupom pri tvorbe produktu IMS je aj
digitálny terénny model a pri tvorbe poľa SP sa do určitej miery zohľadňuje aj tento efekt.
Pri sledovaní rozšírenia a priestorových zmien SP v rámci celého územia SR, sú
bodové merania klimatologických prípadne aj väčšieho počtu zrážkomerných staníc
nepostačujúce, keďže pole SP nie je možné interpolovať pre územia bez staničných
70
meraní. Práve v priamom zobrazení poľa SP vo všetkých polohách SR spočíva potenciál
takýchto „snehových“ družicových produktov.
Podobne je aj pri akomkoľvek družicovom produkte zobrazujúcom povrchovú teplotu
pevniny (LST) dôležitá predvídateľná a málo premenlivá priestorová a časová presnosť.
Teda produkt by mal byť spoľahlivý aj v značne členitom území (rovnaká chyba merania
pre nížiny aj vysokohorské oblasti či rôznu krajinnú pokrývku). Pre praktické využitie je
dôležité aby odchýlka medzi hodnotou LST a meranou teplotou vzduchu pre jednotlivé
kontrolné lokality bola približne rovnaká teda produkt mal pri rovnakých podmienkach
snímania pre všetky regióny a polohy dosahovať rovnakú odchýlku. Na základe výsledkov
spracovania možno konštatovať, že túto podmienku produkt LSAF LST tvorený za
vhodných podmienok snímania spĺňa. Odchýlka v teplotách sa pohybovala v intervale do
2 °C, čo zodpovedá uvádzanej presnosti produktu. Výnimku predstavujú iba dve
vysokohorské stanice, čo je ale podmienené ich špecifickou polohou a extrémnosťou
nameraných teplôt vzduchu.
Podobne ako v práci Colombi et al., 2007 bola aj v tejto práci pozorovaná silná
lineárna korelácia medzi hodnotami LST odvodenými z družíc (Terra) a teplotami
vzduchu meranými na staniciach (T). Podľa korelačnej analýzy bol koeficient
determinácie na 42 kontrolných staniciach vždy vyšší ako 0,75 a v mnohých prípadoch
nad 0,9. Tieto výsledky sú teda porovnateľné z výsledkami korelačnej analýzy na
kontrolných staniciach v rámci SR pre produkt LST tvorený z údajov družice Meteosat 9.
V Colombi et al., 2007 pritom boli dosiahnuté lepšie výsledky pri zohľadnení
nadmorskej výšky ako hlavnej premennej, ktorá ovplyvňuje vzťah medzi LST a teplotou
vzduchu (veľkosť odchýlky) na danej stanici. Nadmorská výška bola využitá aj ako
sekundárny parameter na úpravu hodnôt v poli LST a pri interpolácii poľa priemernej
dennej T. Je však nutné poznamenať, že LST produkt spracovaný v tejto práci mal vyššie
priestorové rozlíšenie (až 1 km) kým v prípade LSAF LST je to na území SR len asi 6 km.
Rozdielnu nadmorskú výšku staníc by bolo možné zohľadniť aj v rámci SR, ale pri
produkte LSAF LST sa s výnimkou dvoch najvyššie položených staníc (vo vrcholových
polohách) neprejavil výraznejší vplyv nadmorskej výšky v rámci použitých staníc na
vzťah medzi LST a T respektíve pokles korelácie či zmenu absolútnej odchýlky. Korelácia
stanovených hodnôt LST a „priamych“ pozemných meraní T bola výrazná a porovnateľná
na všetkých použitých staniciach v nízkych až stredných polohách. Avšak v priebehu dňa
môže kolísať. Pokles korelácie závisí viac od momentálnych radiačných podmienok
v priebehu dňa, než od ročného obdobia (mesiaca). Z výsledkov práce Kabsch, 2009, teda
71
z porovnania merania rádiometrov na validačnej stanici v Portugalsku a hodnôt LST
získaných z družíc MSG vyplýva, že najmenšie odchýlky v hodnotách LSAF LST sú
dosahované v nočných hodinách (v období bez priameho slnečného žiarenia). Podobne aj
v Colombi et al., 2007 bol pre „nočné snímanie“ poľa LST v porovnaní z pozemnými
meraniami teploty vzduchu dosiahnutý iný trend ako počas „denného snímania“ a mierne
vyššia korelácia týchto hodnôt.
Závislosť LST a T by teda bolo v rámci SR vhodné zhodnotiť aj pre nočné hodiny
(ideálne napr. tesne pred východom slnka či vybranej celej hodine). Zhodnotiť by sa dal aj
vplyv prvkov meraných v rovnakom čase ako teplota vzduchu na väzbu medzi LST a T
(napr. vplyv vlhkosti vzduchu). V SR sa však pri výpočte charakteristík, napr. priemernej
dennej teploty vzduchu používajú práve T vzduchu merané o 7., 14. a 21. hodine SMČ (v
klimatologických termínoch na jednotlivých klimatologických staniciach). V prípade
využitia LSAF LST ako zdroja pre odvodenie priemernej dennej T vzduchu by za
ideálnych podmienok bolo možné využiť pole LST z každej celej hodiny v SEČ, prípadne
aj merania za každých 15 minút (96 meraní za deň). Napriek tomu, že ide o merania
v SEČ a nie v klimatologických termínoch (SMČ), by sa priemer LST z takéhoto počtu
údajov a výsledná „prepočítaná“ teplota vzduchu (T) mala blížiť reálnej priemernej dennej
teplote vzduchu v danej oblasti.
Dostatočná presnosť bola predpokladom ďalšieho vyžitia produktu a použitia lineárnej
regresie pre odvodenie poľa teploty vzduchu (T) z hodnôt LST. Otázne je, ako veľké by
malo byť rozlíšenie takéhoto produktu, aby bolo možné bezproblémové využitie údajov
pre celé územie SR, teda aj v rámci najčlenitejších horských oblastí. Je zrejmé, že pre
tieto oblasti by bolo potrebné rozlíšenie niekoľkokrát vyššie. Pri súčasnom rozlíšení je
hodnota LST v mnohých lokalitách SR priemerom z odlišných polôh či rôznych „typov
krajiny“. Umelo síce možno rozlíšenie zvýšiť, no ide o interpoláciu z pôvodného
„hrubého“ poľa za účelom spojitejšieho poľa (plynulejšieho prechodu medzi pôvodnými
hodnotami LST). Z bodových údajov staníc dnes možno interpolovať pole teploty
vzduchu s oveľa vyšším rozlíšením (najmä v závislosti od rozlíšenia vstupného DTM).
Presnosť poľa T vo výške 2 metre odvodeného z rastra LSAF LST bola síce
vyhodnotená iba „plošne“, no až na niekoľko pozorovaných lokálnych anomálii sa takto
získané pole T (pri vhodnej úprave) javí ako potenciálny zdroj informácii o reálnych
podmienkach v blízkosti povrchu. V práci Colombi et al., 2007 bolo pole priemernej
dennej T interpolované z bodových údajov staníc metódou IDW a s využitím vertikálneho
gradientu (0.6°C / 100 m) porovnané s polom odvodeným z rastrov LST. Podľa autorov
72
pritom
boli
dosiahnuté
uspokojivé
výsledky,
keďže
v
kontrolných
bodoch
reprezentovaných stanicami boli priemerné denné teploty vzduchu odvodené z LST často
o niečo presnejšie ako priemerné teploty vzduchu stanovené z bodových údajov staníc
(metódou IDW).
Podobne pri interpolácii priemernej mesačnej teploty na území SR, by bolo pre
zvýšenie objektívnosti výsledného poľa T možné zohľadniť družicové údaje (priemer
z rastrových produktov vytvorených v priebehu jednotlivých dní daného mesiaca).
Interpolácia poľa T by v budúcnosti pri dostatočnom rozlíšení a „stabilnej“ časovej a
priestorovej presnosti družicových produktov mohla byť doplnená či nahradená
jednoduchým prepočítaním družicových rastrov LST regresnou funkciou (využitím
korelácie so staničným meraním).
Najväčším problémom v súčasnosti je, že odchýlka hodnôt sa pre rôzne oblasti v
produkte akým je LSAF LST môže v čase rôzne meniť, čo vyplýva z techniky snímania
(IČ vyžarovanie). Pri využití údajov z väčšieho množstva produktov sa tento efekt
extrémnejších anomálii v poli LST stiera, čo dokazuje vysoká miera korelácie
s pozemnými meraniami za väčší počet termínov. Ak sa zameriame len jednotlivé rastre
(termíny), korelácia môže na mnohých miestach aj pri „rovnakých“ podmienkach
snímania výrazne poklesnúť. Priestorovú presnosť vyjadruje v prípade LSAF LST
spomínaný „Error bar“ raster, no jeho využitie pre spresnenie hodnôt LST je
problematické. Pre praktické klimatologické uplatnenie za ľubovoľné obdobie (bez ohľadu
na stav atmosféry a povrchu) by bol vhodný produkt LST, tvorený na základe presného
merania mikrovlnného vyžarovania. Malo by ísť o produkt s dostatočným priestorovým
rozlíšením (aspoň 1x1 km pre celé územie) a hlavne pravidelnou časovou frekvenciou
(ideálne na úrovni dnešných družíc MSG – niekoľko krát za hodinu).
73
ZÁVER
Cieľom práce bolo zhodnotiť presnosť vybraných rastrových produktov tvorených na
základe údajov meteorologických družíc na území SR. Hodnotenie bolo založené na
porovnaní
údajov
produktov
a meraní
zodpovedajúcich
prvkov
na
vybraných
meteorologických staniciach. Zámerom bolo aj posúdiť celkové kladné či záporné stránky
(výhody a nevýhody) v prípade klimatologického využitia týchto „družicových“ údajov
v porovnaní s bodovými údajmi staníc.
Z korelačnej analýzy pre „snehový“ produkt IMS vyplýva výrazná miera zhody s
výskytom snehovej pokrývky (SP) na jednotlivých staniciach pre väčšinu vybraných dní.
Avšak ukázalo sa, že spoľahlivosť tohto produktu v ľubovoľný deň môže značne kolísať,
keďže reálne a presné zachytenie snehového poľa je podmienené viacerými faktormi
(najmä dĺžkou zotrvania a výškou snehovej pokrývky v krajine, podmienkami snímania oblačnosťou, prípadne aj krajinnou pokrývkou - stavom a druhom vegetácie). Napriek
tejto „nestálosti“ je hlavnou výhodou produktu IMS oproti údajom staníc priestorové
zobrazenie snehu (prítomnosti alebo absencie SP) rovnomerne vo všetkých oblastiach SR.
Navyše v tomto prípade ide o kombinovaný rastrový produkt vznikajúci vyhodnotením
údajov získaných zo senzorov viacerých meteorologických družíc, čo umožňuje jeho
každodennú tvorbu za akýchkoľvek atmosférických podmienok (neobsahuje oblasti bez
dát - „NoData values“). Výsledné klimatologické charakteristiky spracované z údajov
v produkte IMS a meraní staníc taktiež poukazujú na niektoré výhody diaľkovej detekcie
a zberu klimatologických údajov. Dôslednejšiu analýzu by umožnili ďalšie informácie
o výške snehovej pokrývky, respektíve vlastnostiach snehového poľa v určitej oblasti
(určitom pixli). Pomôcť by mohlo aj zavedenie kategórie nesúvislej snehovej pokrývky,
teda rozlíšenie a definovanie takéhoto poľa v rámci pixlov.
Z analýzy zameranej na produkt LSAF LST je evidentná výrazná lineárna závislosť
medzi hodnotou teploty povrchu (LST) a teplotou vzduchu (T) meranou na staniciach.
Vzťah týchto údajov sa ale v priebehu dňa v dôsledku meniacich sa radiačných
podmienok aj za ideálnych podmienok môže rôzne meniť. Hlavným a výrazným
nedostatkom produktu LSAF LST je jeho obmedzené praktické využitie podmienené
stavom atmosféry nad záujmovým územím. Podstatná je prítomnosť oblačnosti
znemožňujúca snímanie tepelného vyžarovania povrchu, kedy raster LST obsahuje len
„prázdne“ pixle bez údajov. Riešením je snímanie vyžarovania v iných vlnových dĺžkach
(aj skrz oblačnosť) či tvorba kombinovaného produktu LST vychádzajúceho z navzájom
74
sa doplňujúcich dát senzorov viacerých družíc (prípadne rôznych prístrojov jednej
z družíc). Problematický môže byť aj postupný pokles rozlíšenia („zväčšovanie“ pixlov)
smerom od poddružicového bodu v prípade rozsiahlejšieho sledovaného územia.
Spracovanie údajov z produktu LSAF LST, ale dokazuje, že satelitné snímanie „teplôt“ na
povrchu pevniny je využiteľné v klimatológii. Tieto údaje môžu v mnohých smeroch
pomôcť pri hodnotení a monitoringu klímy nielen na globálnej, ale aj na regionálnej
úrovni teda aj na relatívne malom území štátov akým je SR.
Priemerné absolútne odchýlky medzi hodnotami LST a T sa na väčšine staníc (s
výnimkou dvoch vysokohorských) pohybujú v rozmedzí do dvoch stupňov Celzia.
Výsledky spracovania údajov tak potvrdzujú presnosť produktu LSAF LST uvádzanú
v užívateľskom manuáli. Chyba v uvedenej hodnote LST v ľubovoľnej oblasti SR by tak
za „ideálnych“ podmienok snímania pre produkt LSAF LST nemala presiahnuť 2 °C. Túto
presnosť však bolo možné overiť len v oblastiach v okolí vybraných „kontrolných“ staníc.
Mapové spracovanie produktu LSAF LST ale signalizuje, že sa v ľubovoľnom termíne
môže vyskytnúť aj výraznejšia chyba v uvedenej LST.
Hlavným potenciálnym využitím družicového produktu akým je LSAF LST je
možnosť určiť dlhodobé anomálie a zmeny v teplotnom poli (napr. v závislosti od polohy
vzduchových hmôt). Takéto družicové pole možno využiť ako zdroj údajov pre presnejšiu
interpoláciu poľa teploty vzduchu pre jednotlivé regióny či polohy. Hodnoty vo
výslednom poli by viac zodpovedali skutočnej T ak by sa pri výpočte okrem digitálneho
modelu terénu (DTM) zohľadnil aj premenlivý vertikálny gradient stanovený
z družicových meraní. Ak máme k dispozícii spoľahlivé a pravidelné merania povrhovej
teploty z meteorologických družíc, môžeme získať oveľa lepší prehľad o skutočných
teplotných podmienkach vo vybranej oblasti v určitom období roka. Práve z takýchto
údajov môžeme odvodiť horizontálne zmeny (gradienty) teploty a použiť ich na úpravu
vertikálnych gradientov. Prípadne by bolo možné z družíc zachytené priestorové odchýlky
T „pripočítať“ k interpolovanému poľu T.
Hlavnou výhodou staničnej siete SR je dodnes dlhodobý rad pozorovaní so stabilnou
metodikou merania. Stále sa však jedná len o bodové údaje bezprostredne prislúchajúce
iba danej lokalite a jej špecifickému okoliu. Klimatické zmeny na regionálnej úrovni za
pomoci údajov staníc teda možno zaznamenávať len obmedzene. Mnohokrát je
problematické odvodzovať informácie pre klimaticky špecifické lokality, či oblasti od
ktorých sú stanice veľmi vzdialené. Aj z tohto hľadiska sa lepším zdrojom údajov pri
štúdiu regionálnej klímy javí pravidelné snímkovanie polí prvkov zo satelitov. Hoci
75
presnosť takéhoto merania v priestore a čase aj dnes stále kolíše, hodnoty prvkov sú
odvodzované pre väčšie plochy, čím sa stierajú lokálne extrémy. To uľahčuje interpoláciu
spojitého poľa niektorých prvkov ako teploty vzduchu, zrážok, evapotranspirácie a
ďalších. Družicové meranie taktiež podáva informácie o poliach prvkov, ktoré z údajov
staníc nie je možné interpolovať, ako napríklad rozmiestnenie či výšku snehovej
pokrývky. Za niekoľko rokov možno jednoducho získať informácie o priestorových
klimatických zmenách (napr. nárast či pokles T) a intenzite zmien v jednotlivých
regiónoch SR. Práve z hľadiska priameho sledovania spojitého poľa prvkov rovnomerne
nad celým územím SR sú tak údaje družíc už dnes nenahraditeľné.
Z prezentovaných výsledkov vyplýva, že existujú dobré predpoklady na ďalšie
klimatologické využitie údajov meteorologických družíc spracovaných vo forme
rastrových produktov na území SR. V blízkej budúcnosti možno s nástupom družíc novej
generácie (pre územie SR významný najmä MTG - Meteosat tretej generácie), očakávať
pokrok v presnosti a rozlišovacej úrovni satelitného merania. Práve MTG by mal vďaka
meraniu mikrovlnného vyžarovania poskytovať informácie aj o snehovej pokrývke či
povrchovej teplote nepretržite a takmer neobmedzene (bez prerušenia radu meraní či
výrazného poklesu presnosti v závislosti od stavu atmosféry). Nový systém nepochybne
prinesie aj zvýšenie spoľahlivosti výsledných produktov a nové možnosti ich využitia pri
monitoringu klímy či klimatickom mapovaní v rámci SR.
76
LITERATÚRA
[1]
AIRES, F., et al.: Snow characterization at a global scale with passive microwave
satellite observations. [online]. Journal of Geophysical Reaserch, vol. 111, 2006,
15 s. [cit. 2012-02-29]. Dostupné na:
<http://aramis.obspm.fr/~prigent/2006_JGR_snow.pdf>
[2]
BASIST, A., et al.: Using the Special Sensor Microwave/Imager to Monitor Land
Surface Temperatures, Wetness, and Snow Cover. [online]. Journal of Applied
Meteorology, vol. 37, č. 9, s. 888-911, 1998. [cit. 2011-10-15]. Dostupné na:
<http://journals.ametsoc.org/doi/pdf/10.1175/15200450%281998%29037%3C0888%3 AUTSSMI%3E2.0.CO%3B2>
[3]
BASIST, A., et al.: Using the Special Sensor Microwave Imager to Monitor
Surface Wetness. [online]. Journal of Hydrometeorology, vol. 2, č. 3, s. 297-308,
2001. [cit. 2011-10-15]. Dostupné na:
<http://journals.ametsoc.org/doi/pdf/10.1175/1525-7541%282001%29002%
3C0297%3AUTSSMI%3E2.0.CO%3B2>
[4]
BYDŽOVSKÁ, M.: Systém meteorologických družic, data a využití. Ročníková
práca. Univerzita Karlova, Praha, 2004, 36 s. [cit. 2011-10-15]. Dostupné na:
<http://kratas.borec.cz/down/druzice.pdf>
[5]
COELHO, S., et. al.: SAF for Land Surface Analysis: Validation report LST.
[online]. Land SAF, č. 1, 2009, 20s. [cit. 2011-11-09]. Dostupné na:
<https://landsaf.meteo.pt/GetDocument.do?id=291>
[6]
COLOMBI, E., et. al.: Estimation of daily mean air temperature from MODIS
LST in Apline areas. [online]. eProceedings, vol. 6. č. 11, s. 38-46, 2007. [cit. 201202-29]. Dostupné na:
<http://www.eproceedings.org/static/vol06_1/06_1_colombi1.pdf>.
[7]
CHRISTY, J. R., SPENCER, R. W.: Precise monitoring of global temperature
trends from sattelites. [online]. Science, New Series, 247, č. 4950, s. 1558 -1562,
1990. [cit. 2011-11-09]. Dostupné na:
<http://planet.botany.uwc.ac.za/NISL/Gwen%27s%20Files/GeoCourse/Climate%20
Change/Verification/R%20Spencer/precise.pdf>
[8]
EASTERLING, D. R., PETERSON, T. C.: Homogeneity adjustments of in situ
atmospheric climatedata: A review. [online]. International Journal of
Climatolology, vol. 18, č. 13, s. 1493–1517, 1998. [cit. 2011-11-09].
Dostupné na:
<http://onlinelibrary.wiley.com/doi/10.1002/%28SICI%2910970088%2819981115%2918:13%3C1493::AID-JOC329%3E3.0.CO;2-T/pdf>
[9]
HAINES, S., et. al.: Using MODIS LST to estimate minimum air temperature at
night. [online]. In: 13th Conference on Satellite Meteorology and Oceanography,
(American Meteorological Society, Norfolk, Virginia) 2004, 6 s. [cit. 2012-02-29].
Dostupné na: <http://ams.confex.com/ams/pdfpapers/79017.pdf>.
77
[10] HALL, D. K., et. al.: Development of methods for mapping global snow cover
using moderate resolution imaging spectroradiometer data. [online]. Remote
Sensing of Environment, vol. 54, č. 6, s. 127–140, 1995. [cit. 2011-11-20]. Dostupné
na: <http://modis.gsfc.nasa.gov/sci_team/pubs/abstract.php?id=03651>
[11] HALPERT, M., et al.: Fifth Annual Climate Assessment. [online]. U. S.
Department of commerce, NOAA Climate Analysis Center, 1994, 110 s. [cit. 201110-15]. Dostupné na: < http://journals.ametsoc.org/doi/pdf/10.1175/15200477%281998%29079%3C1014%3ACAF%3E2.0.CO%3B2 >
[12] HELFRICH, S. R., et. al.: Enhancements to, and forthcoming developments in the
Interactive Multisensor Snow and Ice Mapping System (IMS). [online].
Hydrological Procesess, č. 21, s. 1576–1586, 2007. [cit. 2011-11-09]. Dostupné na:
<http://www.natice.noaa.gov/ims/files/Helfrichetal_HP07.pdf>
[13] HLAVATÝ, J., et al.: Meteorologické družice na počátku 21. století a jejich využití
v České republice. [online]. Československý časopis pro fyziku, 52, s. 240-249,
2002. [cit. 2011-11-09]. Dostupné na:
<http://www.library.sk/arl-cav/epca/meteorologicke-druzice-na-pocatku-21-stoletia-jejich-vyuziti-v-ceske-republice>
[14] HYVÄRIEN, O., SILJAMO, N.: New Geostationary Satellite–Based Snow-Cover
Algorithm. [online]. Journal of Applied Meteorology and Climatology, vol. 50, č. 6,
s. 1275-1290, 2011. [cit. 2011-11-09]. Dostupné na:
<http://journals.ametsoc.org/doi/abs/10.1175/2010JAMC2568.1>
[15] JURAŠEK M., et al.: História družicových meteorologických pozorovaní
v Slovenskom hydrometeorologickom ústave. [online]. Životné prostredie, 43, č. 4,
s. 208-211, 2009. [cit. 2011-11-09]. Dostupné na:
<http://www.elis.sk/download_file.php?product_id=1642&session_id=69qaq48v4oh
kc27v1mbkdn9dt0>.
[16] KABSCH, E.: Validation of land surface temperatures from MSG satellite
measurements by observations at the ground station near Evora, Portugal.
[online]. Dissertation. (disertačná práca). Institut für Photogrammetrie und
Fernerkundung (IPF), Universität Karlsruhe, 2009, 117 s. [cit. 2011-11-09].
Dostupné na: <http://digbib.ubka.uni-karlsruhe.de/volltexte/documents/817967>
[17] MACDONALD, A. E.: The Wild Card in the Climate Change Debate. [online].
Issues in Science and Technology, 2001. [cit. 2012-02-29]. Dostupné na:
<http://www.issues.org/17.4/macdonald.htm >.
[18] MENDHELSON, R., et al.: Climate analysis with satellite versus weather station
data. [online]. Springer Science + Business Media B.V., vol. 81, č.1, s. 71-83, 2007.
[cit. 2011-11-09]. Dostupné na:
<http://www.springerlink.com/content/6461272j31366674/>.
78
[19] MILDREXLER, D. J., et. al.: A global comparison between station air
temperatures and MODIS land surface temperatures reveals the cooling role of
forests. [online]. Journal of Geophysical Research, vol. 163, č. 10, 2011, 15 s. [cit.
2012-02-29]. Dostupné na:
<http://www.agu.org/pubs/crossref/2011/2010JG001486.shtml>.
[20] PECHO, J., et al.: Objektívna priestorová analýza dlhodobých priemerov teploty
vzduchu a maximálnych denných úhrnov atmosférických zrážok na Slovensku.
[online]. SHMÚ, Bratislava, 2006, 14 s. [cit. 2011-12-14]. Dostupné na:
<http://www.shmu.sk/File/ExtraFiles/KMIS/pub_cinnost/Pecho_et_al_2006.pdf>
[21] PESSANHA, L., et. al.: Product User Manual: Land Surface Temperature (LST).
[online]. LSA SAF, Version 2.5, 2010, 49 s. [cit. 2011-11-09]. Dostupné na:
<https://landsaf.meteo.pt/GetDocument.do?id=304>
[22] PESSANHA, L., et. al.: Product User Manual: Snow Cower (SC). [online]. LSA
SAF SC, version 2.8, 2009, 28 s. [cit. 2011-11-09]. Dostupné na:
<https://landsaf.meteo.pt/GetDocument.do?id=280>
[23] RAMSAY, B. H.: The Interactive Multisensor Snow and Ice Mapping System.
[online]. Hydrological Processes, č. 12, s. 1537-1546, 1998. Dostupné na:
<http://www.natice.noaa.gov/ims/files/ims-hydro-proc-ramsay-1998.pdf>
[24] REES, W. G.: Physical principles of remote sensing. [online]. Quarterly Journal of
the Royal Meteorological Society, vol. 128, č. 583, s. 1776-1767, 2001. [cit. 201111-09]. Dostupné na:
<http://onlinelibrary.wiley.com/doi/10.1002/qj.200212858321/abstract>
[25] ROMANOV, P., et. al.: Automated Monitoring of Snow Cover over North America
with Multispectral Satellite Data. [online]. Journal of Applied Meteorology, vol. 39,
č. 11, s. 1866-1880, 2000. [cit. 2011-11-20]. Dostupné na:
<http://journals.ametsoc.org/doi/pdf/10.1175/1520-0450%282000%29039%3C1
866%3AAMOSCO%3E2.0.CO%3B2>
[26] RYMASHEUSKAYA, M., et al.: Remote Sensing and Other Space-Based
Applications for Monitoring and Understanding Abrupt Climate Change. [online].
International Telecommunication Union, 2005, 4 s. [cit. 2011-11-09]. Dostupné na:
<http://www.isprs.org/publications/related/ISRSE/html/papers/945.pdf>.
[27] SCHABEL, M., WENTZ, F. J.: Precise climate monitoring using complementary
satellite data sets. [online]. Nature, vol. 403, s. 414-416, 2000. [cit. 2011-11-09].
Dostupné na: <http://www.ssmi.com/papers/Wentz_Nature_2000.pdf >
79
Zoznam internetových zdrojov:
URL 1: http://events.eoportal.org/presentations/204/11737.html
URL 2: http://www.eumetsat.int/Home/Main/Satellites/index.htm?l=en
URL 3: http://www.oso.noaa.gov/poesstatus/index.asp
URL 4: http://www.cmsaf.eu/bvbw/appmanager/bvbw/cmsafInternet
URL 5: http://www.eumetsat.int/metprods_webcast/print.htm#z2.1
URL 6: http://landsaf.meteo.pt/overview.jsp?seltab=0&starttab=0
URL 7: http://www.meted.ucar.edu/npoess/microwave_topics/overview/print.htm
URL 8: http://old.chmi.cz/meteo/sat/msg/index.html
URL 9: http://www.meted.ucar.edu/npoess/microwave_topics/clouds_precip_water_
vapor/print.htm
URL 10: http://www.skepticalscience.com/Primer-Tropospheric-temperaturemeasurement-Satellite.html
URL 11: http://www.osdpd.noaa.gov/ml/index.html
URL 12: http://en.wikipedia.org/wiki/NPOESS
URL 13: http://ccnmtl.columbia.edu/projects/iris/fire/land_surface_and_air
_temperature.html
URL 14: http://www.osdpd.noaa.gov/soundings/index.html
URL 15: http://www.osdpd.noaa.gov/soundings/index.html
URL 16: http://nsidc.org/data/g02156.html
URL 17: http://nsidc.org/data/docs/noaa/g02156_ims_snow_ice_analysis/index.html
URL 18: http://www.shmu.sk/sk/?page=308
URL 19: http://slovensko.infoweby.sk/podnebie/atmosfericke-zrazky
URL 20: http://www.shmu.sk/sk/?page=1064
URL 21: http://www.joss.ucar.edu/joss_psg/meetings/Meetings_2008/Bridging_the_Gaps/
index.html
80
Download

univerzita komenského v bratislave prirodovedecká fakulta využitie