Reprodukce klimatických charakteristik prostřednictvím interpolací meteorologického generátoru

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62156489%3A43210%2F06%3A00104149" target="_blank" >RIV/62156489:43210/06:00104149 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Reproduction of climatic characteristics by interpolated weather generator

Popis výsledku v původním jazyce

Stochastic weather generators (WGs) are used to produce observed-like synthetic weather series, which may serve as an input to various weather-dependent models (e.g. crop models [1,2,3,4,5] and rainfall-runoff models [3]). Typically, WGs are used in assessing sensitivity of the modelled processes to variability and changes in climatic characteristics.To calibrate WG for the ungauged location, WG parameters may be interpolated from the surrounding stations. In our previous experiments, we tested three interpolation techniques: kriging or co-kriging run from ArcGIS, neural networks and nearest neighbours. In this contribution, we focus on the nearest neighbours interpolator which defines the interpolated value as a weighted average from the surrounding stations using a bell-shaped distance-based weight. The performance of the interpolation techniques is examined in two ways: (i) accuracy of interpolation of individual WG parameters is assessed in terms of the Root-Mean-Square Error and R

Název v anglickém jazyce

Reproduction of climatic characteristics by interpolated weather generator

Popis výsledku anglicky

Stochastic weather generators (WGs) are used to produce observed-like synthetic weather series, which may serve as an input to various weather-dependent models (e.g. crop models [1,2,3,4,5] and rainfall-runoff models [3]). Typically, WGs are used in assessing sensitivity of the modelled processes to variability and changes in climatic characteristics.To calibrate WG for the ungauged location, WG parameters may be interpolated from the surrounding stations. In our previous experiments, we tested three interpolation techniques: kriging or co-kriging run from ArcGIS, neural networks and nearest neighbours. In this contribution, we focus on the nearest neighbours interpolator which defines the interpolated value as a weighted average from the surrounding stations using a bell-shaped distance-based weight. The performance of the interpolation techniques is examined in two ways: (i) accuracy of interpolation of individual WG parameters is assessed in terms of the Root-Mean-Square Error and R

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

DG - Vědy o atmosféře, meteorologie

OECD FORD obor

—

Projekt

<a href="/cs/project/GA205%2F05%2F2265" target="_blank" >GA205/05/2265: Kalibrace generátoru meteorologických dat pro místa s žádnými či neúplnými pozorováními</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2006

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

EMS Annual Meeting Abstracts

ISSN

1812-7053

e-ISSN

—

Svazek periodika

3

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

2

Strana od-do

241-242

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—