番外篇 GIS之地震地圖 取得連結 Facebook X Pinterest 以電子郵件傳送 其他應用程式 1月 05, 2021 番外篇 GIS之地震地圖班級 : 土木三乙 學號 : 107340220 姓名 : 羅茗葳 日期 : 2020/01/06這兩篇文章提到地震在GIS的應用,運用過往的地震紀錄,可以分看出地震的分布來判斷出危險地帶,也可將地表加速度做為一個數據來檢視每年地震的加速度比趨勢,也可將單次地震在不同地區的數據繪出等高線圖,看出該次地震對不同地區的影響。參考網站 : https://www.esri.com/news/arcwatch/0411/japans-earthquake.htmlhttp://www.viewsoftheworld.net/?p=5652Google 關鍵字 : erthquake map 取得連結 Facebook X Pinterest 以電子郵件傳送 其他應用程式 留言
數值天氣預報 ECMWF與GFS比較 12月 20, 2020 數值天氣預報 ECMWF與GFS比較 班級 : 土木三乙 學號 : 107340220 姓名 : 羅茗葳 日期 : 2020/12/20 歐洲中期天氣預報中心(ECMWF),也是數值天氣預報的一種,為每天生成四次的預報,也提供空氣質量分析、大氣分成監測、水文預報等,前篇提到的全球預報系統(GFS)是由納稅人資助,可以免費提供給需要的人,而歐洲中期天氣預報中心(ECMWF)是由歐洲國家支持的獨立政府管理,此篇文章中比較了空間分辨率,GFS的網格距離為9km,而ECMWF為13km,ECMWF較GFS空間分辨率高,兩者也採用不同的控制方程式,還有因為NOAA與ECMWF兩組織對於天氣預報的占比不同,NOAA是由子公司(NCEP)的子公司(EMC)來主要負責天氣預報 參考網站 : https://blog.weather.us/model-mania-what-are-the-ecmwf-and-gfs-models-and-why-are-they-different/ https://www.ecmwf.int/ https://en.wikipedia.org/wiki/European_Centre_for_Medium-Range_Weather_Forecasts Google 關鍵字 : numerical weather prediction application 閱讀完整內容
番外篇 數值天氣預報模型 11月 26, 2020 番外篇 數值天氣預報模型 班級 : 土木三乙 學號 : 107340220 姓名 : 羅茗葳 日期 : 2020/11/26 這是一個國家環境預測中心(NCEP)的天氣網站,這裡可以看到各地區的各項氣候參數,如降水、風暴軌跡等,可以看到預測的氣候軌跡。 參考網站 : https://www.weather.gov/mqt/fitz_nwp https://mag.ncep.noaa.gov/model-guidance-model-area.php Google 關鍵字 : numerical weather prediction application 閱讀完整內容
番外篇 - 氣候站 11月 11, 2020 氣候站 班級 : 土木三乙 學號 : 107340220 姓名 : 羅茗葳 日期 : 2020/11/12 對於上次GCM介紹有提到網格中的氣候參數(如風速、濕度、降雨量等),這些都是需要量測的,而這些數值可以利用氣象站測得,若需要更高解析度的網格,以提高氣候模擬的精確性,則網格需再縮小,這也代表氣象站的數量必須增加,如第一篇文章所介紹到的 自動氣候站(AWS) ,將站所在位置的天氣狀況(如溫度、氣壓、風速等參數)條件輸入,進行監控、紀錄。但若網格在更細緻或是 附近沒有氣象站的情況 呢,在第二篇文章介紹到了 虛擬氣候站(VWS) ,虛擬氣候站是利用下載氣候數據經計算後整合,使用了人工神經網絡(ANN)與Hardlim將自動氣候站的每日數據(如溫度、降水、濕度、風速等參數)進行插值, 1. 且用了sigmoid、雙曲正切hyperbolic tangent (tanh)、softsign and rectified linearunit (relu)來激活函數。 2. 為了對比人工神經網絡插值,用了反距離權重inverse distance weighting、反距離平方權重inverse-squared distance weighting 、多線性回歸multilinear regression and 隨機森林回歸random forest regression。 3. 為了驗證模型,從每日數劇中刪除一個隨機氣象站,並將插值與實際氣象站比較。 4. 在夏季、冬季月份進行插值,以檢查更多極端現象期間模型的功能,結果為插值方法對於一年期間的溫度等變量R^2最高為0.98,且冬、夏模型準確性較低。 參考網站 : https://www.bioenergyconsult.com/weather-monitoring-station/ https://link.springer.com/article/10.1007/s00521-020-04727-8 Google 關鍵字 : virtual weather stations、automatic weather monitoring station 閱讀完整內容
留言
張貼留言