📄Работа №174591
Тема: Сравнительный анализ различных баз данных в Баренцевом море
Тип работы
Бакалаврская работа
Предмет
гидрология
Объем:
55 листов
Год:
2024
Просмотров:
42
4390
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
ВВЕДЕНИЕ 2
Глава 1. Физико-географическое описание Баренцева моря 3
1.1. Географическое расположение 3
1.2. Гидрография 5
1.3. Рельеф и геологическое строение дна 9
1.4. Климат 10
1.5. Ледовый режим 11
Глава 2. Материалы и методы исследования 13
Глава 3. Сравнительный анализ прогностической модели HYCOM с
натурными данными в Кольском заливе 15
3.1. Материалы и методы 15
3.2. Результаты сравнения 16
3.3. Выводы 22
Глава 4. Сравнительный анализ прогностической модели HYCOM с
натурными данными в Баренцевом море 23
4.1. Материалы и методы 23
4.2. Анализ разрезов 25
4.3. Анализ распределения коэффициентов корреляции 39
4.4. Квантильный анализ 44
4.5. Анализ распределения среднеквадратичной ошибки 48
ЗАКЛЮЧЕНИЕ 51
Список используемых источников 53
Глава 1. Физико-географическое описание Баренцева моря 3
1.1. Географическое расположение 3
1.2. Гидрография 5
1.3. Рельеф и геологическое строение дна 9
1.4. Климат 10
1.5. Ледовый режим 11
Глава 2. Материалы и методы исследования 13
Глава 3. Сравнительный анализ прогностической модели HYCOM с
натурными данными в Кольском заливе 15
3.1. Материалы и методы 15
3.2. Результаты сравнения 16
3.3. Выводы 22
Глава 4. Сравнительный анализ прогностической модели HYCOM с
натурными данными в Баренцевом море 23
4.1. Материалы и методы 23
4.2. Анализ разрезов 25
4.3. Анализ распределения коэффициентов корреляции 39
4.4. Квантильный анализ 44
4.5. Анализ распределения среднеквадратичной ошибки 48
ЗАКЛЮЧЕНИЕ 51
Список используемых источников 53
📖 Введение
В настоящее время в океанологии весьма распространены различные системы прогностического моделирования, они значительно облегчают обработку данных и во многих случаях могут заменить натурные наблюдения, что в свою очередь, может сделать более доступным многие исследования. Однако при расчетах какой-либо модели учитываются не все физические процессы, как в океане, так и на суше, из-за чего данные о стратификации водных масс могут не совпадать с реальностью. Таким образом, возникает необходимость оценки, насколько хорошо конкретная модель реанализа отражает действительность.
Целью данной работы является выполнение сравнительного анализа прогностической модели реанализа HYCOM с натурными данными в акватории Баренцева моря.
Для достижения цели решались следующие задачи:
1. Изучить физико-географические и гидрометеорологические условия формирования вод Баренцева моря;
2. Сформировать базы данных экспедиционных наблюдений и соответствующих данных реанализа HYCOM;
3. Выполнить сравнительный анализ двух наборов данных на основе визуального и статистического анализов.
Результаты работы были апробированы на конференциях:
1. Конференция Студенческого Научного Общества (СНО) Института гидрологии и океанологии РГГМУ (Санкт-Петербург, 20-21 апреля 2023);
2. XII Международная научно-практическая конференция «Морские исследования и образование» (MARESEDU-2024) (Москва, 23-27 октября 2024);
Целью данной работы является выполнение сравнительного анализа прогностической модели реанализа HYCOM с натурными данными в акватории Баренцева моря.
Для достижения цели решались следующие задачи:
1. Изучить физико-географические и гидрометеорологические условия формирования вод Баренцева моря;
2. Сформировать базы данных экспедиционных наблюдений и соответствующих данных реанализа HYCOM;
3. Выполнить сравнительный анализ двух наборов данных на основе визуального и статистического анализов.
Результаты работы были апробированы на конференциях:
1. Конференция Студенческого Научного Общества (СНО) Института гидрологии и океанологии РГГМУ (Санкт-Петербург, 20-21 апреля 2023);
2. XII Международная научно-практическая конференция «Морские исследования и образование» (MARESEDU-2024) (Москва, 23-27 октября 2024);
✅ Заключение
Соответствие значений прогностических данных модели HYCOM натурным измерениям не выполняется в частных случаях, что подтверждается значимыми расхождениями показателей при сравнительном анализе двух совокупностей по среднеквадратичной ошибке, коэффициенту корреляции и квантильному анализу.
Замечено, что максимальные несоответствия по солености, в основном наблюдаются на станциях расположенных под влиянием речного плюма вблизи Кольского залива на первом разрезе, что подтвердилось значимыми завышенными ошибками модели в слое воды до 70 метров, из чего следует вывод, что прогностическая модель не учитывает короткопериодные аномальные физические процессы влияющие на прибрежную акваторию. Также значимые заниженные ошибки модели по солености, можно наблюдать на севере первого разреза и почти на всех станциях разреза 2,3 и 4, что говорит о том, что модель HYCOM плохо описывает конвективные процессы проходящие близ ледовой кромки. В случаях с температурой не было выявлено значимых ошибок, однако практически все они имеют большой разброс по квантильному анализу, особенно после глубин в 50 метров, это связано с тем, что модель неточно выделяет фронтальную зону, в основном, всегда сглаживая основные распределения характеристик по температуре и солености.
Таким образом, в прибрежной зоне качество прогнозируемых данных модели HYCOM достаточно низкое, что связано с множеством непредсказуемых локальных процессов, таких как паводки, стоки мелких рек, резкое таяния снега и льда. Данная модель не может учесть вышеперечисленные мелкомасштабные процессы. Однако когда моделирование переносится в открытые акватории, где физические
процессы более предсказуемы, из-за значительно больших масштабов, данные модели значительно точнее описывают натурные измерения.
Замечено, что максимальные несоответствия по солености, в основном наблюдаются на станциях расположенных под влиянием речного плюма вблизи Кольского залива на первом разрезе, что подтвердилось значимыми завышенными ошибками модели в слое воды до 70 метров, из чего следует вывод, что прогностическая модель не учитывает короткопериодные аномальные физические процессы влияющие на прибрежную акваторию. Также значимые заниженные ошибки модели по солености, можно наблюдать на севере первого разреза и почти на всех станциях разреза 2,3 и 4, что говорит о том, что модель HYCOM плохо описывает конвективные процессы проходящие близ ледовой кромки. В случаях с температурой не было выявлено значимых ошибок, однако практически все они имеют большой разброс по квантильному анализу, особенно после глубин в 50 метров, это связано с тем, что модель неточно выделяет фронтальную зону, в основном, всегда сглаживая основные распределения характеристик по температуре и солености.
Таким образом, в прибрежной зоне качество прогнозируемых данных модели HYCOM достаточно низкое, что связано с множеством непредсказуемых локальных процессов, таких как паводки, стоки мелких рек, резкое таяния снега и льда. Данная модель не может учесть вышеперечисленные мелкомасштабные процессы. Однако когда моделирование переносится в открытые акватории, где физические
процессы более предсказуемы, из-за значительно больших масштабов, данные модели значительно точнее описывают натурные измерения.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.