SlideShare ist ein Scribd-Unternehmen logo
1 von 26
Downloaden Sie, um offline zu lesen
mgr inż. Hanna Ojrzyńska



Modelowanie przestrzennego
  zróżnicowania wysokości
pokrywy śnieżnej w Sudetach
         Zachodnich
Założenia wstępne

•   Praca z systemem GIS GRASS i systemem statystycznym R

•   zastosowanie metody regresji wieloczynnikowej

•   Zbiór zmiennych zależnych = dane pomiarowe

•   Zbiór zmiennych niezależnych = warstwy rastrowe z informacją o
    rozkładzie czynników morfometrycznych i pokryciu terenu

•   Modelowanie średniej wysokości pokrywy śnieżnej w 3
    charakterystycznych fazach jej rozwoju:
        • Okres początkowych przyrostów pokrywy
        • Okres maksimum miąższości pokrywy
        • Okres wiosennej ablacji pokrywy
    Modele estymacji budowane w oparciu o „dzień charakterystyczny”
      dla danej fazy pokrywy
Zbiór zmiennych zależnych
Dane pomiarowe z sezonu zimowego 2003/2004


   Pomiary
   codzienne:
      •Tyczki
      śnieżne
      •Sieć
      pomiarowa
      IMGW i CHMI

   Pomiary
   patrolowe:
       •Tyczki
       śnieżne
       •Pomiary
       wyskalowaną
       sondą śnieżną

                       Ryc. 1. Rozmieszczenie punktów pomiaru miąższości pokrywy śnieżnej
                       (A- posterunki i stacje IMGW i CHMU; B – stanowiska z zainstalowanymi
                       tyczkami śnieżnymi; C – pomiary przy użyciu przenośnych sond śnieżnych).
Zbiór zmiennych zależnych
• Przygotowanie zbioru zmiennych:
   – nadanie współrzędnych punktom pomiarowym (układ PUWG92)
   – zestawienie wyników pomiarów dla wybranych „dni charakterystycznych”
     w konkretnych fazach rozwoju pokrywy
   – przygotowanie pliku.csv z zestawieniem danych w kolumnach (kolejno)
                                                     -współrzędna X
                                                     -współrzędna Y
                                                     -wysokość pokrywy
                                                     śnieżnej w dniu
                                                     charakterystycznym
                                                     -nr porządkowy punktu
Zbiór zmiennych zależnych

• Import pliku .csv do systemu GRASS
                 v.in.ascii
Zbiór zmiennych zależnych
• Import pliku .csv do systemu GRASS
    v.in.ascii –z input=plik.csv output=wektor format=point fs=_
                        skip=0 x=1 y=2 z=3 cat=0
Zbiór zmiennych niezależnych
                Czynniki morfometryczne
• forma parametryzacji wpływu morfologii terenu na rozkład
  przestrzenny elementów meteorologicznych
  odpowiedzialnych za kształtowanie pokrywy śnieżnej
• 62 warstwy rastrowe; DEM, pochodne DEM dla różnych
  odległości bądź sektorów kierunkowych
   – Wysokość nad poziomem morza (wzrost wysokości =)
      • spadek temperatury powietrza
      • spadek prężności pary wodnej w atmosferze
      • wzrost częstości opadów śnieżnych
   – „Ekspozycja cyrkulacyjna” stoków
      • Stoki dowietrzne i zawietrzne
          • Większe sumy opadów na stronie dowietrznej
          • cień opadowy stoków zawietrznych
      • Efekty fenowe
          • Szybki zanik pokrywy na stokach objętych fenem
Zbiór zmiennych niezależnych
            Czynniki morfometryczne – c.d.
• Forma terenu
     • Forma wklęsła
             » zastoisko zimnego powietrza
             » miejsce zwiększonej akumulacji przewiewanego przez wiatr śniegu
             » obszar często zacieniony
     • Forma wypukła
             » miejsce zwiększonego wywiewania (deflacji) śniegu
             » miejsce intensywnej operacji słonecznej


• Nachylenie stoków
     • Większe nachylenie  większe prawdopodobieństwo ruchów
       grawitacyjnych
     • Zróżnicowanie ilości dochodzącego promieniowania


• Ekspozycja stoków
     • Zróżnicowanie ilości dochodzącego promieniowania
         – N – najlepsze warunki do konserwacji pokrywy
         – S – najgorsze warunki do konserwacji pokrywy
Zbiór zmiennych niezależnych
• Wysokość n.p.m.
  – warstwa DEM o rozdzielczości 50m




   Ryc. 2. Wysokość n.p.m. w obszarze badań [m]
Zbiór zmiennych niezależnych
• Nachylenie i ekspozycja stoków
  r.slope.aspect
Zbiór zmiennych niezależnych
•   Nachylenie i ekspozycja stoków

r.slope.aspect elevation=dem.500 slope=nachylenie aspect=ekspozycja
Ryc. 3. Nachylenie stoków w obszarze badań [°]




   Ryc. 4. Ekspozycja stoków w obszarze badań [°]
Zbiór zmiennych niezależnych

• Forma terenu (wklęsłość/wypukłość)

  – r.neighbors + r.mapcalc
  – r.mfilter + r.mapcalc

         Analiza sąsiedztwa:

     • r.neighbors - możliwość dobierania wielkości „ruchomego okna”
       oraz parametru statystycznego (średnia, max, min, odchylenie
       standardowe itp.). Stały kształt okienka.

     • r.mfilter - możliwość określania kształtu „ruchomego okna”,
       wyłącznie suma lub średnia (w tym ważona)
Zbiór zmiennych niezależnych

       Analiza sąsiedztwa
         ruchome okno

                            Krok 1
                            okno 3x3 rastry
                            Krok 2
                            Przesunięcie okna
                            Krok 3
                            okno 3x3 rastry
                            Krok 4
                            Przesunięcie okna
Zbiór zmiennych niezależnych
• Forma terenu  zwartość formy
                  r.neighbors input=dem.500 output=srH size=9
Zbiór zmiennych niezależnych
   • Forma terenu (wklęsłość/wypukłość)
      r.mapcalc ‘forma=dem.500-srH’




Ryc. 5. Forma terenu dla sąsiedztwa 15km




      Ryc. 6. Forma terenu dla sąsiedztwa 1km
Zbiór zmiennych niezależnych
• Ekspozycja cyrkulacyjna stoków (wyeksponowanie/zasłonięcie)

          r.mfilter + r.mapcalc




 r.mfilter input=dem.500 output=zasl_NW filter=nazwa.txt repeat=1
Zbiór zmiennych niezależnych
• Ekspozycja cyrkulacyjna stoków (wyeksponowanie/zasłonięcie)

       r.mapcalc ‘zasloniecieNW=dem.500-zasl_NW’




Ryc. 7. Zasłonięcie/wyeksponowanie
z sektora NE dla odległości 15km


           Ryc. 8. Zasłonięcie/wyeksponowanie
             z sektora SW dla odległości 15km
• Rola lasu/kosodrzewiny w różnicowaniu pokrywy śnieżnej
    – Wzrost szorstkości podłoża
       • wzmożona akumulacja śniegu przenoszonego przez wiatr
    – Buforowa rola warstwy koron:
       • Brak bezpośredniej operacji słonecznej
       • Utrudniony odpływ warstwy powietrza ochładzanej od powierzchni
         śniegu
       • Zatrzymywanie śniegu na gałęziach drzew
• Źródło danych – zreklasyfikowany model pokrycia terenu o
  rozdzielczości 25m (1-las, 2-teren niezalesiony)
r.mapcalc ‘pokrycie=if(klasy_uzytkowania==1||klasy_uzytkowania==3,1,0)’




                                                 Zbiór danych jakościowych 
                                                 osobne równania estymacji
                                                 wysokości pokrywy śnieżnej dla
                                                 lasu i obszarów niezalesionych



Ryc. 9. Zreklasyfikowany model pokrycia terenu
Zestawienie zbiorów zmiennych
• Zestawienie wartości zmiennych dla punktów
   pomiarowych
 r.what input= dem50m,nachylenie,
   ekspozycja,forma3,forma5,forma9,forma15,fo
   rma21,forma25,zasloniecie5SW,zasloniecie5
   SE,zasloniecie5NW,zasloniecie5NE, (…)
   <plik.csv >wynik.txt
     • plik.csv – plik z zestawieniem zmiennych zależnych
       (wysokości pokrywy śnieżnej) dla punktów o znanych
       współrzędnych
     • wynik.txt – plik wynikowy z pełnym zestawieniem zmiennych
       zależnych i niezależnych dla punktów o znanych
       współrzędnych
Zestawienie zbiorów zmiennych
• Zestawienie wartości zmiennych dla punktów
  pomiarowych
Budowa równań estymacji pokrywy śnieżnej
• Wykorzystanie pakietu statystycznego R
  i metody regresji wieloczynnikowej

>R
> data=read.table(file=„wynik.txt",header=T,sep="|",dec=".")
> names(data)
> zalezne=data[ ,c(3)]
> niezalezne=data[ ,-c(3,4)]
> library(leaps)
> library(car)
> m0.subs=regsubsets(x=niezalezne,y=zalezne,method=c("forward"))
> summary(m0.subs)
> m0=lm(zalezne~zasl10SW+x+ms.org50+zasl5SE,niezalezne)
> vif(m0)
> summary(m0)
Budowa równań estymacji pokrywy śnieżnej
• Wykorzystanie pakietu statystycznego R
  i metody regresji wieloczynnikowej




                                           Współczynniki
                                           estymacji



                                             Podstawowe
                                             statystyki
Modelowanie wysokości pokrywy
•    r.mapcalc ‘maksHSlas=294.5+0,121*zasloniecie10SW-0,001*X’

•    r.mapcalc ‘maksHSpolana=34,327+0,147*zasloniecie20SW-
     0,237*forma25+0,101zasloniecie50NE’

•    r.mapcalc ‘maksHS=if(pokrycie==1,maksHSlas,maksHSpolana)’




    Ryc. 10. Modelowana miąższość pokrywy śnieżnej w fazie maksymalnej wysokości
Modelowanie wysokości pokrywy




Ryc. 11. Modelowana miąższość pokrywy
śnieżnej w fazie początkowych przyrostów
(akumulacji)




     Ryc. 11. Modelowana miąższość pokrywy
                     śnieżnej w fazie ablacji)
Modelowanie wysokości pokrywy
Zestawienie zmiennych użytych w równaniach estymacji
                                                                Faza maksymalnego
                                                                                     Faza wiosennych nawrotów
                                                Faza wzrostu   ekwiwalentu wodnego         pokrywy (FN)
                   ZMIENNE                                           (FMEW)
                                                pokrywy (FW)
                                                               tereny      tereny      tereny        tereny
                                                                leśne     nieleśne      leśne       nieleśne
                                       20km         ***                     ***
   Zasłonięcie/wyeksponowanie w
                                       10km                     ***
            sektorze SW
                                        5km                                              **
   Zasłonięcie/wyeksponowanie w
                                        15km        ***                                  *
            sektorze NW
   Zasłonięcie/wyeksponowanie w         50km                                 **
            sektorze NE                 15km                                            ***           ***
    wskaźnik wklęsłości/wypukłości (r=25km)                                 ***
                   współrzędna x                                ***
                        R2                          0,66       0,76         0,63        0,42         0,47
    Błąd standardowy reszt z równań estymacji       7cm        20cm         26c m      32c m         30cm




 Walidacja modeli ocena krzyżowa

Weitere ähnliche Inhalte

Andere mochten auch

Czym jest bioróżnorodność?
Czym jest bioróżnorodność?Czym jest bioróżnorodność?
Czym jest bioróżnorodność?
nowedrogirozwojupl
 
Case study marki Poznan z Albumu Superbrands Polska 2012
Case study marki Poznan z Albumu Superbrands Polska 2012Case study marki Poznan z Albumu Superbrands Polska 2012
Case study marki Poznan z Albumu Superbrands Polska 2012
Superbrands Polska
 
article about the tourism branding. Milianets Mariana
article about the tourism branding. Milianets Marianaarticle about the tourism branding. Milianets Mariana
article about the tourism branding. Milianets Mariana
Mariana Milianets
 
Strukturalna organizacja systemów komputerowych. Wydanie V
Strukturalna organizacja systemów komputerowych. Wydanie VStrukturalna organizacja systemów komputerowych. Wydanie V
Strukturalna organizacja systemów komputerowych. Wydanie V
Wydawnictwo Helion
 
Przedszkole Jezykowe - Europejska Akademia Dziecka w Bielawie
Przedszkole Jezykowe - Europejska  Akademia  Dziecka  w BielawiePrzedszkole Jezykowe - Europejska  Akademia  Dziecka  w Bielawie
Przedszkole Jezykowe - Europejska Akademia Dziecka w Bielawie
silverhead
 

Andere mochten auch (15)

Wywiad behawioralny
Wywiad behawioralnyWywiad behawioralny
Wywiad behawioralny
 
Czym jest bioróżnorodność?
Czym jest bioróżnorodność?Czym jest bioróżnorodność?
Czym jest bioróżnorodność?
 
CHANGING THE ORGANIZATIONAL CULTURE OF ENTERPRISE
CHANGING THE ORGANIZATIONAL CULTURE OF ENTERPRISECHANGING THE ORGANIZATIONAL CULTURE OF ENTERPRISE
CHANGING THE ORGANIZATIONAL CULTURE OF ENTERPRISE
 
Case study marki Poznan z Albumu Superbrands Polska 2012
Case study marki Poznan z Albumu Superbrands Polska 2012Case study marki Poznan z Albumu Superbrands Polska 2012
Case study marki Poznan z Albumu Superbrands Polska 2012
 
Podatek VAT w jednostkach samorządu terytorialnego
Podatek VAT w jednostkach samorządu terytorialnegoPodatek VAT w jednostkach samorządu terytorialnego
Podatek VAT w jednostkach samorządu terytorialnego
 
Optimizing Outcome-Driven Change: It's About the Process, Not the Technology
Optimizing Outcome-Driven Change: It's About the Process, Not the TechnologyOptimizing Outcome-Driven Change: It's About the Process, Not the Technology
Optimizing Outcome-Driven Change: It's About the Process, Not the Technology
 
Catalog OsteoBiol - biomateriale pentru stomatologie
Catalog OsteoBiol - biomateriale pentru stomatologieCatalog OsteoBiol - biomateriale pentru stomatologie
Catalog OsteoBiol - biomateriale pentru stomatologie
 
article about the tourism branding. Milianets Mariana
article about the tourism branding. Milianets Marianaarticle about the tourism branding. Milianets Mariana
article about the tourism branding. Milianets Mariana
 
Strukturalna organizacja systemów komputerowych. Wydanie V
Strukturalna organizacja systemów komputerowych. Wydanie VStrukturalna organizacja systemów komputerowych. Wydanie V
Strukturalna organizacja systemów komputerowych. Wydanie V
 
Przedszkole Jezykowe - Europejska Akademia Dziecka w Bielawie
Przedszkole Jezykowe - Europejska  Akademia  Dziecka  w BielawiePrzedszkole Jezykowe - Europejska  Akademia  Dziecka  w Bielawie
Przedszkole Jezykowe - Europejska Akademia Dziecka w Bielawie
 
shopcamp zabrze/magda górak (profeina)/ pr dla sklepów internetowych
shopcamp zabrze/magda górak (profeina)/ pr dla sklepów internetowychshopcamp zabrze/magda górak (profeina)/ pr dla sklepów internetowych
shopcamp zabrze/magda górak (profeina)/ pr dla sklepów internetowych
 
Case study IDMnet - AdProfile - Intencje Zakupowe - telewizja n
Case study IDMnet - AdProfile - Intencje Zakupowe - telewizja nCase study IDMnet - AdProfile - Intencje Zakupowe - telewizja n
Case study IDMnet - AdProfile - Intencje Zakupowe - telewizja n
 
Cod deontologic
Cod deontologicCod deontologic
Cod deontologic
 
Raportul Studiului Balanced Scorecard in Romania 2010
Raportul Studiului Balanced Scorecard in Romania 2010Raportul Studiului Balanced Scorecard in Romania 2010
Raportul Studiului Balanced Scorecard in Romania 2010
 
Raport audio
Raport audioRaport audio
Raport audio
 

Mehr von WGUG

Mehr von WGUG (17)

Moduł sztucznych sieci neuronowych dla GRASS 7
Moduł sztucznych sieci neuronowych dla GRASS 7Moduł sztucznych sieci neuronowych dla GRASS 7
Moduł sztucznych sieci neuronowych dla GRASS 7
 
GRASS a R
GRASS a RGRASS a R
GRASS a R
 
Spolecznosc polonizacja grass
Spolecznosc polonizacja grassSpolecznosc polonizacja grass
Spolecznosc polonizacja grass
 
Interfejsy graficzne w systemie GRASS
Interfejsy graficzne w systemie GRASSInterfejsy graficzne w systemie GRASS
Interfejsy graficzne w systemie GRASS
 
Skrypty grass
Skrypty grassSkrypty grass
Skrypty grass
 
Wprowadzenie do systemu GIS - GRASS
Wprowadzenie do systemu GIS - GRASSWprowadzenie do systemu GIS - GRASS
Wprowadzenie do systemu GIS - GRASS
 
GRASS GIS - perspektywy rozwoju
GRASS GIS - perspektywy rozwojuGRASS GIS - perspektywy rozwoju
GRASS GIS - perspektywy rozwoju
 
Sieciowe serwery danych
Sieciowe serwery danychSieciowe serwery danych
Sieciowe serwery danych
 
Modelowanie opadu
Modelowanie opaduModelowanie opadu
Modelowanie opadu
 
GRASS w modelowaniu hydrologicznym
GRASS w modelowaniu hydrologicznymGRASS w modelowaniu hydrologicznym
GRASS w modelowaniu hydrologicznym
 
Analizy Przestrzenne z wykorzystaniem GRASS vol.15
Analizy Przestrzenne z wykorzystaniem GRASS vol.15Analizy Przestrzenne z wykorzystaniem GRASS vol.15
Analizy Przestrzenne z wykorzystaniem GRASS vol.15
 
Pracownia GIS w oparciu o oprogramowanie darmowe
Pracownia GIS w oparciu o oprogramowanie darmowePracownia GIS w oparciu o oprogramowanie darmowe
Pracownia GIS w oparciu o oprogramowanie darmowe
 
wprowadzenie do grass
wprowadzenie do grasswprowadzenie do grass
wprowadzenie do grass
 
Modelowanie promieniowania słonecznego
Modelowanie promieniowania słonecznegoModelowanie promieniowania słonecznego
Modelowanie promieniowania słonecznego
 
Przygotowywanie prezentacji kartograficznej w GRASS
Przygotowywanie prezentacji kartograficznej w GRASSPrzygotowywanie prezentacji kartograficznej w GRASS
Przygotowywanie prezentacji kartograficznej w GRASS
 
System GRASS
System GRASSSystem GRASS
System GRASS
 
Szorstkosc miasto-grass
Szorstkosc miasto-grassSzorstkosc miasto-grass
Szorstkosc miasto-grass
 

Modelowanie przestrzennego zroznicowania wysokosci pokrywy snieznej w sudetach zachodnich

  • 1. mgr inż. Hanna Ojrzyńska Modelowanie przestrzennego zróżnicowania wysokości pokrywy śnieżnej w Sudetach Zachodnich
  • 2. Założenia wstępne • Praca z systemem GIS GRASS i systemem statystycznym R • zastosowanie metody regresji wieloczynnikowej • Zbiór zmiennych zależnych = dane pomiarowe • Zbiór zmiennych niezależnych = warstwy rastrowe z informacją o rozkładzie czynników morfometrycznych i pokryciu terenu • Modelowanie średniej wysokości pokrywy śnieżnej w 3 charakterystycznych fazach jej rozwoju: • Okres początkowych przyrostów pokrywy • Okres maksimum miąższości pokrywy • Okres wiosennej ablacji pokrywy Modele estymacji budowane w oparciu o „dzień charakterystyczny” dla danej fazy pokrywy
  • 3. Zbiór zmiennych zależnych Dane pomiarowe z sezonu zimowego 2003/2004 Pomiary codzienne: •Tyczki śnieżne •Sieć pomiarowa IMGW i CHMI Pomiary patrolowe: •Tyczki śnieżne •Pomiary wyskalowaną sondą śnieżną Ryc. 1. Rozmieszczenie punktów pomiaru miąższości pokrywy śnieżnej (A- posterunki i stacje IMGW i CHMU; B – stanowiska z zainstalowanymi tyczkami śnieżnymi; C – pomiary przy użyciu przenośnych sond śnieżnych).
  • 4. Zbiór zmiennych zależnych • Przygotowanie zbioru zmiennych: – nadanie współrzędnych punktom pomiarowym (układ PUWG92) – zestawienie wyników pomiarów dla wybranych „dni charakterystycznych” w konkretnych fazach rozwoju pokrywy – przygotowanie pliku.csv z zestawieniem danych w kolumnach (kolejno) -współrzędna X -współrzędna Y -wysokość pokrywy śnieżnej w dniu charakterystycznym -nr porządkowy punktu
  • 5. Zbiór zmiennych zależnych • Import pliku .csv do systemu GRASS v.in.ascii
  • 6. Zbiór zmiennych zależnych • Import pliku .csv do systemu GRASS v.in.ascii –z input=plik.csv output=wektor format=point fs=_ skip=0 x=1 y=2 z=3 cat=0
  • 7. Zbiór zmiennych niezależnych Czynniki morfometryczne • forma parametryzacji wpływu morfologii terenu na rozkład przestrzenny elementów meteorologicznych odpowiedzialnych za kształtowanie pokrywy śnieżnej • 62 warstwy rastrowe; DEM, pochodne DEM dla różnych odległości bądź sektorów kierunkowych – Wysokość nad poziomem morza (wzrost wysokości =) • spadek temperatury powietrza • spadek prężności pary wodnej w atmosferze • wzrost częstości opadów śnieżnych – „Ekspozycja cyrkulacyjna” stoków • Stoki dowietrzne i zawietrzne • Większe sumy opadów na stronie dowietrznej • cień opadowy stoków zawietrznych • Efekty fenowe • Szybki zanik pokrywy na stokach objętych fenem
  • 8. Zbiór zmiennych niezależnych Czynniki morfometryczne – c.d. • Forma terenu • Forma wklęsła » zastoisko zimnego powietrza » miejsce zwiększonej akumulacji przewiewanego przez wiatr śniegu » obszar często zacieniony • Forma wypukła » miejsce zwiększonego wywiewania (deflacji) śniegu » miejsce intensywnej operacji słonecznej • Nachylenie stoków • Większe nachylenie  większe prawdopodobieństwo ruchów grawitacyjnych • Zróżnicowanie ilości dochodzącego promieniowania • Ekspozycja stoków • Zróżnicowanie ilości dochodzącego promieniowania – N – najlepsze warunki do konserwacji pokrywy – S – najgorsze warunki do konserwacji pokrywy
  • 9. Zbiór zmiennych niezależnych • Wysokość n.p.m. – warstwa DEM o rozdzielczości 50m Ryc. 2. Wysokość n.p.m. w obszarze badań [m]
  • 10. Zbiór zmiennych niezależnych • Nachylenie i ekspozycja stoków r.slope.aspect
  • 11. Zbiór zmiennych niezależnych • Nachylenie i ekspozycja stoków r.slope.aspect elevation=dem.500 slope=nachylenie aspect=ekspozycja
  • 12. Ryc. 3. Nachylenie stoków w obszarze badań [°] Ryc. 4. Ekspozycja stoków w obszarze badań [°]
  • 13. Zbiór zmiennych niezależnych • Forma terenu (wklęsłość/wypukłość) – r.neighbors + r.mapcalc – r.mfilter + r.mapcalc Analiza sąsiedztwa: • r.neighbors - możliwość dobierania wielkości „ruchomego okna” oraz parametru statystycznego (średnia, max, min, odchylenie standardowe itp.). Stały kształt okienka. • r.mfilter - możliwość określania kształtu „ruchomego okna”, wyłącznie suma lub średnia (w tym ważona)
  • 14. Zbiór zmiennych niezależnych Analiza sąsiedztwa ruchome okno Krok 1 okno 3x3 rastry Krok 2 Przesunięcie okna Krok 3 okno 3x3 rastry Krok 4 Przesunięcie okna
  • 15. Zbiór zmiennych niezależnych • Forma terenu  zwartość formy r.neighbors input=dem.500 output=srH size=9
  • 16. Zbiór zmiennych niezależnych • Forma terenu (wklęsłość/wypukłość) r.mapcalc ‘forma=dem.500-srH’ Ryc. 5. Forma terenu dla sąsiedztwa 15km Ryc. 6. Forma terenu dla sąsiedztwa 1km
  • 17. Zbiór zmiennych niezależnych • Ekspozycja cyrkulacyjna stoków (wyeksponowanie/zasłonięcie) r.mfilter + r.mapcalc r.mfilter input=dem.500 output=zasl_NW filter=nazwa.txt repeat=1
  • 18. Zbiór zmiennych niezależnych • Ekspozycja cyrkulacyjna stoków (wyeksponowanie/zasłonięcie) r.mapcalc ‘zasloniecieNW=dem.500-zasl_NW’ Ryc. 7. Zasłonięcie/wyeksponowanie z sektora NE dla odległości 15km Ryc. 8. Zasłonięcie/wyeksponowanie z sektora SW dla odległości 15km
  • 19. • Rola lasu/kosodrzewiny w różnicowaniu pokrywy śnieżnej – Wzrost szorstkości podłoża • wzmożona akumulacja śniegu przenoszonego przez wiatr – Buforowa rola warstwy koron: • Brak bezpośredniej operacji słonecznej • Utrudniony odpływ warstwy powietrza ochładzanej od powierzchni śniegu • Zatrzymywanie śniegu na gałęziach drzew • Źródło danych – zreklasyfikowany model pokrycia terenu o rozdzielczości 25m (1-las, 2-teren niezalesiony) r.mapcalc ‘pokrycie=if(klasy_uzytkowania==1||klasy_uzytkowania==3,1,0)’ Zbiór danych jakościowych  osobne równania estymacji wysokości pokrywy śnieżnej dla lasu i obszarów niezalesionych Ryc. 9. Zreklasyfikowany model pokrycia terenu
  • 20. Zestawienie zbiorów zmiennych • Zestawienie wartości zmiennych dla punktów pomiarowych r.what input= dem50m,nachylenie, ekspozycja,forma3,forma5,forma9,forma15,fo rma21,forma25,zasloniecie5SW,zasloniecie5 SE,zasloniecie5NW,zasloniecie5NE, (…) <plik.csv >wynik.txt • plik.csv – plik z zestawieniem zmiennych zależnych (wysokości pokrywy śnieżnej) dla punktów o znanych współrzędnych • wynik.txt – plik wynikowy z pełnym zestawieniem zmiennych zależnych i niezależnych dla punktów o znanych współrzędnych
  • 21. Zestawienie zbiorów zmiennych • Zestawienie wartości zmiennych dla punktów pomiarowych
  • 22. Budowa równań estymacji pokrywy śnieżnej • Wykorzystanie pakietu statystycznego R i metody regresji wieloczynnikowej >R > data=read.table(file=„wynik.txt",header=T,sep="|",dec=".") > names(data) > zalezne=data[ ,c(3)] > niezalezne=data[ ,-c(3,4)] > library(leaps) > library(car) > m0.subs=regsubsets(x=niezalezne,y=zalezne,method=c("forward")) > summary(m0.subs) > m0=lm(zalezne~zasl10SW+x+ms.org50+zasl5SE,niezalezne) > vif(m0) > summary(m0)
  • 23. Budowa równań estymacji pokrywy śnieżnej • Wykorzystanie pakietu statystycznego R i metody regresji wieloczynnikowej Współczynniki estymacji Podstawowe statystyki
  • 24. Modelowanie wysokości pokrywy • r.mapcalc ‘maksHSlas=294.5+0,121*zasloniecie10SW-0,001*X’ • r.mapcalc ‘maksHSpolana=34,327+0,147*zasloniecie20SW- 0,237*forma25+0,101zasloniecie50NE’ • r.mapcalc ‘maksHS=if(pokrycie==1,maksHSlas,maksHSpolana)’ Ryc. 10. Modelowana miąższość pokrywy śnieżnej w fazie maksymalnej wysokości
  • 25. Modelowanie wysokości pokrywy Ryc. 11. Modelowana miąższość pokrywy śnieżnej w fazie początkowych przyrostów (akumulacji) Ryc. 11. Modelowana miąższość pokrywy śnieżnej w fazie ablacji)
  • 26. Modelowanie wysokości pokrywy Zestawienie zmiennych użytych w równaniach estymacji Faza maksymalnego Faza wiosennych nawrotów Faza wzrostu ekwiwalentu wodnego pokrywy (FN) ZMIENNE (FMEW) pokrywy (FW) tereny tereny tereny tereny leśne nieleśne leśne nieleśne 20km *** *** Zasłonięcie/wyeksponowanie w 10km *** sektorze SW 5km ** Zasłonięcie/wyeksponowanie w 15km *** * sektorze NW Zasłonięcie/wyeksponowanie w 50km ** sektorze NE 15km *** *** wskaźnik wklęsłości/wypukłości (r=25km) *** współrzędna x *** R2 0,66 0,76 0,63 0,42 0,47 Błąd standardowy reszt z równań estymacji 7cm 20cm 26c m 32c m 30cm Walidacja modeli ocena krzyżowa