Praca doktorska
Geographical and synoptic drivers of climate and bioclimate in the Carpathian region
| dc.abstract.en | The Carpathian region exhibits distinctive climate and bioclimate patterns that are influenced by various geographical and synoptic drivers. This study aims to explore the spatial and altitudinal distribution of climate and bioclimate in the region while examining their relationship with atmospheric circulation. By employing a combination of clustering, regression, machine learning, correlation, and interpolating anomalies on transects techniques, I investigate the climate and bioclimate dynamics in this mountainous region. In conducting this research, gridded climate variables are utilised from the CarpatClim project dataset, including daily meteorological data such as cloud cover, precipitation, and air temperature. Universal Thermal Climate Index dataset is created and applied to assess thermal stress. Geographical variables, namely latitude, longitude, and elevation, are obtained from the CarpatClim model, while circulation indices (strength, vorticity, and direction of airflow) and types serve as independent variables for describing atmospheric circulation patterns. To objectively classify the climate within the Carpathian region, dynamic time warping and partitioning around medoids are employed based on multivariate time series of air temperature, diurnal temperature range, and precipitation. The resulting clustering is evaluated using the Caliński-Harabasz Index and Silhouette Coefficient. Principal Component Analysis is used to reduce the dimensionality of the data and visualise it on 2D plots. Locally weighted polynomial regression and correlation analyses are conducted to examine the relationships between circulation indices and climate variables. Furthermore, the machine learning ensemble algorithm, boosting regression, is applied to predict the generalised extreme values distribution of climate and bioclimate extremes and determine the relative importance of geographical and synoptic drivers. Climate and bioclimate anomalies are visualised on gridded maps and interpolated transects due to circulation types. The findings reveal the existence of eight distinct local climate types in the Carpathian region. The study demonstrates that dividing the region into 5-6 clusters yields similar results to the well-known Köppen-Geiger climate classification. Accurate clustering outcomes depend on careful considerations of clustering algorithms, distance measures, and variable normalisation. Acknowledging the limitations of climate clustering, this study proposes the potential use of segmentation techniques to create continuous spatial units. The ensemble boosting regression model achieves root mean squared error values ranging from 0.66 to 2.67. Each driver’s relative importance (weight, gain, and cover feature importance), including month, latitude, longitude, strength, vorticity, and direction of airflow is presented. The significance of geographical factors such as elevation and latitude and synoptic drivers like airflow strength, vorticity, and direction are analysed and discussed in relation to climate variables. The study highlights the importance of spatial and temporal factors and atmospheric circulation patterns in predicting extreme climate events. The findings contribute to an improved understanding of climate dynamics and hold the potential to enhance forecasting and climate modelling efforts. Furthermore, this study offers insights into the relationships between circulation types and climate patterns, modifications to the atmospheric classification scheme, and emphasises the importance of considering airflow indices in future research. Overall, this study enhances our understanding of the complex interactions between the Carpathian region’s geography, atmospheric circulation, climate, and bioclimate. It provides valuable insights that can guide further research and contribute to improved regional climate assessments and predictions. |
| dc.abstract.en | Region Karpacki wykazuje charakterystyczne wzorce klimatyczne i bioklimatyczne kształtowane przez różnorodne czynniki geograficzne i synoptyczne. Niniejsze badanie ma na celu zbadanie przestrzennego i wysokościowego rozkładu klimatu i bioklimatu w regionie oraz ich związku z cyrkulacją atmosferyczną. Wykorzystując kombinację technik klasteryzacji, regresji, uczenia maszynowego, korelacji i interpolacji anomalii na transektach, badam dynamikę klimatu i bioklimatu w tym regionie górskim. W przeprowadzaniu tego badania wykorzystano siatkowe zmienne klimatyczne z bazy danych projektu CarpatClim, obejmujące codzienne dane meteorologiczne, takie jak zachmurzenie, opady atmosferyczne i temperatura powietrza. Utworzono i zastosowano zbiór danych Universal Thermal Climate Index w celu oceny stresu termicznego. Dane dotyczące zmiennych geograficznych, tj. wysokość, szerokość oraz długość geograficzna, zostały uzyskane z modelu CarpatClim, podczas gdy indeksy cyrkulacji (siła, wirowość i kierunek przepływu powietrza) oraz typy cyrkulacji służą jako niezależne zmienne do opisu wzorców cyrkulacji atmosferycznej. W celu obiektywnego sklasyfikowania klimatu, zastosowano dynamiczne dopasowanie czasowe i klastrowanie oparte na medoidach, na postawie wielowymiarowych szeregów czasowych temperatury powietrza, dziennego zakresu temperatury i opadów. Otrzymane grupy są oceniane za pomocą indeksu Calińskiego-Harabasza i współczynnika Silhouette. Analiza składowych głównych jest używana do zmniejszenia wymiarowości danych i ich wizualizacji na wykresach. Przeprowadza się lokalnie ważoną regresję wielomianową i analizy korelacji, aby zbadać zależności między indeksami cyrkulacji a zmiennymi klimatycznymi. Dodatkowo, zastosowano algorytm uczenia maszynowego, regresję boostingową, do prognozowania dystrybucji uogólnionych ekstremalnych wartości klimatu i bioklimatu oraz określenia względnej istotności czynników geograficznych i synoptycznych. Anomalie klimatyczne i bioklimatyczne są wizualizowane na mapach siatkowych i interpolowanych transektach z uwzględnieniem typów cyrkulacji. Wyniki badania ujawniają istnienie ośmiu odrębnych lokalnych typów klimatu w regionie Karpackim. Badanie wykazuje, że podział regionu na 5-6 grup daje podobne wyniki do dobrze znanej klasyfikacji klimatycznej Köppena-Geigera. Dokładne wyniki klastrowania zależą od doboru algorytmów klastrowania, miar odległości i normalizacji zmiennych. Biorąc pod uwagę ograniczenia klastrowania klimatycznego, w tym badaniu proponuje się potencjalne zastosowanie technik segmentacji w celu tworzenia ciągłych jednostek przestrzennych. Zastosowanie modelu boosting pozwala uzyskać wartości błędu średniokwadratowego od 0,66 do 2,67. Przedstawiono względną istotność poszczególnych czynników: miesiąc, szerokość geograficzna, długość geograficzna, siła, wirowość i kierunek przepływu powietrza. Znaczenie czynników geograficznych oraz synoptycznych, jest analizowane i omawiane w kontekście zmiennych klimatycznych. Badanie podkreśla znaczenie czynników przestrzennych, czasowych i wzorców cyrkulacji atmosferycznej w prognozowaniu skrajnych zdarzeń klimatycznych. Wyniki te przyczyniają się do lepszego zrozumienia dynamiki klimatu i mają potencjał wzmocnienia wysiłków dotyczących prognozowania i modelowania klimatu. Ponadto, to badanie dostarcza wglądu w zależności między typami cyrkulacji a wzorcami klimatycznymi, modyfikacje schematu klasyfikacji atmosferycznej oraz podkreśla znaczenie uwzględnienia indeksów przepływu powietrza w przyszłych badaniach. Ogólnie rzecz biorąc, to badanie wzbogaca naszą wiedzę o złożonych interakcjach między geografią regionu Karpackiego, cyrkulacją atmosferyczną, klimatem i bioklimatem. Dostarcza cennych informacji, które mogą kierować dalszymi badaniami i przyczynić się do poprawy regionalnych ocen i prognoz klimatycznych. |
| dc.affiliation.department | Wydział Geografii i Studiów Regionalnych |
| dc.contributor.author | Skrynyk, Oleh |
| dc.date.accessioned | 2023-10-26T11:48:18Z |
| dc.date.available | 2023-10-26T11:48:18Z |
| dc.date.defence | 2023-12-05 |
| dc.date.issued | 2023-10-26 |
| dc.description.additional | Link archiwalny https://depotuw.ceon.pl/handle/item/4728 |
| dc.description.promoter | Błażejczyk, Krzysztof |
| dc.description.promoter | Kotarba, Andrzej |
| dc.identifier.uri | https://repozytorium.uw.edu.pl//handle/item/4728 |
| dc.language.iso | en |
| dc.rights | ClosedAccess |
| dc.subject.en | climate and bioclimate anomalies |
| dc.subject.en | cubic spline interpolation on transect |
| dc.subject.en | generalised extreme values distribution |
| dc.subject.en | Bayesian optimization |
| dc.subject.en | extreme gradient boosting |
| dc.subject.en | machine learning regression |
| dc.subject.en | partitioning around medoids clustering |
| dc.subject.en | dynamic time warping of time series |
| dc.subject.en | Carpathian region |
| dc.subject.en | anomalie klimatu i bioklimatu |
| dc.subject.en | interpolacja splajnu sześciennego na transekt |
| dc.subject.en | uogólniony rozkład wartości ekstremalnych |
| dc.subject.en | optymalizacja Bayesowska |
| dc.subject.en | ekstremalne wzmacnianie gradientowe |
| dc.subject.en | uczenie maszynowe regresje |
| dc.subject.en | klastrowanie oparte na medoidach |
| dc.subject.en | szereg czasowy |
| dc.subject.en | dynamiczne dopasowanie czasowe |
| dc.subject.en | region Karpacki |
| dc.title | Geographical and synoptic drivers of climate and bioclimate in the Carpathian region |
| dc.title.alternative | Geograficzne i synoptyczne uwarunkowania klimatu i bioklimatu w regionie Karpat |
| dc.type | DoctoralThesis |
| dspace.entity.type | Publication |