地理資訊系統

  數值天氣預報 - 3 班級 : 土木三乙   學號 : 107340220   姓名 : 羅茗葳   日期 : 2020/11/25 由於大氣是一個複雜的系統，初始條件(已知狀態)的小誤差會被放大而變成大誤差(小誤差可能是海洋上或人煙稀少的地方沒有氣象觀測站，而產生數據的誤差)，因為目前無法完全確定大氣初始狀態中的每個細節，圖一中表示當初始條件不同時，在一開始差異不大，但往後一周會完全不同。 集合預報 : 在不同的初始條件，各自運算出不同的結果，而這些結果都是有可能性的。圖中紅線為最佳的預測，藍色圖塊為所有可能發生的預測 參考網站 : https://www.metoffice.gov.uk/research/weather/ensemble-forecasting/what-is-an-ensemble-forecast http://www.atmo.arizona.edu/students/courselinks/fall16/atmo336/lectures/sec6/weather_forecast.html Google 關鍵字 :  numerical weather prediction application 圖一 圖二

  氣候模型解析-2 班級 : 土木三乙   學號 : 107340220   姓名 : 羅茗葳   日期 : 2020/11/17 這是補充前篇氣候模型解析的不足，前面氣候模型分析時有提到 空間分辨率 ，是將複雜的氣候系統"網格單位"化，基於一些基本物理學的方程式控制著氣候系統，下圖從1970年至2007年間逐漸增加氣候條件到氣候模型中，當條件越多或網格距離越小，則空間分辨率越高，計算時間也拉長。而FAR(First AR)、SAR(Second AR)、TAR(Third AR)、AR4、AR5是聯合國政府間氣候變遷委員會(IPCC)一至四次的全球暖化評估。而這篇文章中解釋到 時間分辨率 最常見的是跨越式法 leapfrogging method，大致是利用目前時段的氣候條件來推算下一時段的氣候，與空間分辨率相同，當時間步長越短代表越高分辨率，也代表花更多的時間計算。 北極冰融冰速率、結冰量增加或形狀改變了，這可以寫一串程式，但還有若雲出現、若雲散了或者下雨了，又再要另一串程式，太陽輻射穿過大氣層被吸收或反射、風改變洋流、植被從土壤中傳輸水分，這些全部都可以各自成為一個可考慮的條件，把所有條件納入形成系統，但又得考慮系統被改變時，如地球軌道、太陽週期改變、火山爆發(微粒噴入平流層，改變地球的輻射平衡，使較少能量進入地球，導致地球變冷)、生質能燃燒、臭氧層破洞、森林砍伐、溫室氣體等。當 基本物理量形成的系統 與 改變系統的因素 都加入氣候模型，是可以達到與實際觀測到的變化類似或完全模擬，以致實現預測未來。這就像基礎工程的計算邊坡穩定與擋土牆側力來設計擋土牆，或者用水文學的IDF曲線來設計降雨強度、DAD曲線來設計水利工程，我們也可以利用氣候模型來改善我們持續惡化的環境。 參考網站 : https://www.carbonbrief.org/qa-how-do-climate-models-work file:///C:/Users/NTUT-CE/Downloads/%E6%88%90%E6%9E%9C%E5%A0%B1%E5%91%8A_%E6%B0%A3%E5%80%99%E8%AE%8A%E9%81%B7%E5%B0%8D%E6%B0%B4%E7%92%B0%E5%A2%83%E4...

  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

  氣候模型解析 班級 : 土木三乙   學號 : 107340220   姓名 : 羅茗葳   日期 : 2020/11/06 文中主要介紹到分辨率的重要概念，分辨率又分空間分辨率與時間分辨率。 空間分辨率 : 為模型中的網格單元大小，因地球表面上溫度、風速等，不斷在變化，即使超級計算機也無法完整計算，而網格的概念為計算一個點的值(溫度、風速)，若為分辨率100km的模型，則從點向東、西、南、北移動100km在測一次，也可呈現高分辨率的模型網格(如50km、25km)，提供更精細範圍內來預測未來的氣候，但也需要更強大的計算機，同理，也可以向上延伸至大氣層。 時間分辨率 : 為模型中的時間步長，與空間分辨率一樣，若太精細，則需要付出計算時間的代價，且如果花費太長的時間計算，經過太多"模型世界"的時間，反而變得不準確 參考網站 : https://www.climate.gov/maps-data/primer/climate-models http://eo.ucar.edu/staff/rrussell/climate/modeling/climate_model_resolution.html Google 關鍵字 :  what is Numerical Weather Prediction、what is  general circulation model

  NWP與GCM的差別 班級 : 土木三乙   學號 : 107340220   姓名 : 羅茗葳   日期 : 2020/10/28 NWP主要為區域性的 運算 ，需要加入在 邊界條件 與 初始條件 來執行，這是非常重要的，利用空間與時間轉換成計算機能夠執行的方程式，而有些無法利用方程式推算出的且會影響到整體物理行為的，都需合理化為物理參數或統計近似。 GCM屬於全球性的 演算 ，因為屬於長時間的演算，對於大氣、海洋、陸地、等物理參數的影響，相對於短時期的NWP是非常敏感，如溫度、二氧化碳排放量等。 參考網站 : https://www.weather.gov/media/ajk/brochures/NumericalWeatherPrediction.pdf http://www-das.uwyo.edu/~geerts/cwx/notes/chap12/nwp_gcm.html https://scied.ucar.edu/interactive/simple-climate-model Google 關鍵字 :  what is Numerical Weather Prediction、what is  general circulation model 圖一、 水文循環物理過程 圖二、NWP在不同參數下所不同的呈現

  數值天氣預報 - 2 班級 : 土木三乙   學號 : 107340220   姓名 : 羅茗葳   日期 : 2020/10/22 隨著計算機技術的出現，NWP取代了主觀的天氣預報，從經驗判斷變成數值模擬，加上GIS的運用可對天氣數據進行可視化的表現，如將過去的天氣與現在的天氣圖疊加，看出大氣的趨勢，以跟蹤大氣的運動狀態。但有了NWP不代表能完整的預測、模擬出百分之百準確的數值、型態，因為地球上的大氣或是其他星球的大氣都是不完全穩定的，大氣是複雜的，隨不同的時間點會產生各種變因、擾動。 參考網站 : https://www.geospatialworld.net/article/a-gis-application-for-weather-analysis-and-forecasting/ Google 關鍵字 :  Numerical Weather Prediction

  GIS運用在緊急管理 班級 : 土木三乙   學號 : 107340220   姓名 : 羅茗葳   日期 : 2020/10/14 因災害所帶來的危害所造成的影響，讓GIS的運用具有重要性，本文章提到GIS與綜合緊急管理(CEM)方法能解決自然災害的挑戰，CEM分為四階段，緩解mitigation、準備preparedness、應對response、恢復recovery。 1. 緩解 : 主要在災害前的緩解策略，能減少生面和財產的損失。 2. 準備 : 在災害來臨前利用GIS來預先模擬、判斷災害的行為，如美國國家海洋與大氣管理局(NOAA)使用了SLOSH模型來預測颶風，判斷暴風雨中發生洪水的位置。 3. 應對 : 美國陸軍工程兵團(USACE)通過不同領域的專家來支持災害的應對，如工程、生物學、水文學、地質學、應急管理、GIS等專家。 4. 恢復 : 目的是使財產、社會和個人生計回復正常狀態，恢復期間也可以觀察自然災害導致的地質變化等來更新數據和系統。 參考網站 : https://www.gislounge.com/how-gis-is-used-in-all-phases-of-emergency-management/ Google 關鍵字 :  GIS Disaster Management