Statistický postprocessing vícerozměrných klimatických dat
| Název práce v češtině: | Statistický postprocessing vícerozměrných klimatických dat |
|---|---|
| Název v anglickém jazyce: | Statistical postprocessing of multidimensional climate data |
| Klíčová slova: | postprocessing|časové řady|klima |
| Klíčová slova anglicky: | postprocessing|time series|climate |
| Akademický rok vypsání: | 2025/2026 |
| Typ práce: | bakalářská práce |
| Jazyk práce: | |
| Ústav: | Katedra fyziky atmosféry (32-KFA) |
| Vedoucí / školitel: | doc. Mgr. Jiří Mikšovský, Ph.D. |
| Řešitel: |
| Zásady pro vypracování |
| V rámci práce se nejprve předpokládá vypracování rešerše existujících vícerozměrných technik statistického postprocessingu klimatických časových řad. Po vyhodnocení aplikačních vlastností již publikovaných metod bude následovat příprava vlastního algoritmu pro vícerozměrný postprocessing, zohledňujícího časové řady všech dostupných klimatických proměnných v dané lokalitě i jejich vazby. Aplikace tohoto algoritmu bude provedena na datech generovaných vybraným regionálním klimatickým modelem pro oblast střední Evropy; pro jeho kalibraci a validaci budou použita gridovaná měření v denním časovém kroku. |
| Seznam odborné literatury |
| J. T. Schoof (2013): Statistical Downscaling in Climatology. Geography Compass 7: 249–265, DOI: 10.1111/gec3.12036
A. J. Cannon (2018): Multivariate quantile mapping bias correction: an N‑dimensional probability density function transform for climate model simulations of multiple variables. Climate Dynamics 50:31–49, DOI: 0.1007/s00382-017-3580-6 M. Vrac & P. Friederichs (2015): Multivariate—Intervariable, Spatial, and Temporal—Bias Correction. Journal of Climate 28: 218-237, DOI: 10.1175/JCLI-D-14-00059.1 a další dle potřeby a pokynů vedoucího práce |
| Předběžná náplň práce |
| Numerické modely klimatického systému, založené na komplexní matematické reprezentaci relevantních fyzikálních a chemických procesů, představují klíčový zdroj informací o klimatu minulém i budoucím. I přes svou vysokou složitost jsou tyto simulace nicméně stále zatíženy řadou systematických chyb - chyb, jejichž detekci a redukci je možné provádět pomocí statistických technik. Navrhovaná práce se tímto tématem zabývá s ohledem na možnosti aplikace vícerozměrných metod analýzy časových řad, korigujících nejen systematické chyby statistických rozdělení dílčích klimatických veličin, ale i diskrepance v jejich vzájemných vazbách. |