아침에 일어나 보니 눈이 많이 내리고 있었다.
그래서 눈이 어떻게 내리는지 저만의 방식으로 분석해보려 합니다.
강릉에 눈이 많이 오네요
방재기상정보시스템 자료검색결과
2월 15일 16시 현재 강원도 강릉시 사천면 방동리 북강릉전망대에서 25.4cm 떨어져 있다.
강원도 강릉시 용강동 강릉전망대에서 해발 13cm 지점에서 관측됐다.
저번에 눈이 왔을 때는 10cm도 안 되었는데 이번에는 왜 이렇게 많이 내리는지 궁금하네요.
Lingdong 지역의 일기 예보는 어렵습니다.
적어도 한 번은 들었을 것입니다.
Taibai Mountains에 의해 막혀 있기 때문에 매우 불규칙하고 예측하기 어렵습니다.
따라서 서울 등 영서 지역과는 적설 메커니즘이 조금 다르다.
내가 배운 것에서
시베리아의 고기압을 가진 찬 공기가 북서쪽에서 유입되며 잉시 지역은 주로 12월부터 1월까지 눈이 내립니다.
떨어지기 때문에 건조한 눈나는 들었다
Lingdong 지역의 눈은 바다에서 북동풍이 불어오는 1월에서 2월 사이에 내립니다.
젖은 눈나는 배웠다
아직 클라우드 관련 강의를 들어보지 않아서 정말 완벽한 결과를 얻기는 어렵지만 열심히 해보도록 하겠습니다.
저는 보통 학교 휴게실에서 신문을 많이 읽습니다.
그 중 영동폭설에 관한 논문에서는 주로 2월에서 3월까지 늦겨울에 발생하는 경향이 있으며,
겨울이 지나면 약해지는 시베리아 고기압과 모바일 저기압이 합쳐져 한반도 남부를 지나간다.
이것이 링동의 강설량에 가장 중요한 요인인데, 북동풍의 차가운 공기가 북풍과 만나면 북풍에서 동중국해로 유입되기 때문이다.
바다 사이의보고 된 차이점
해수면이 상승함에 따라 대류 불안정으로 인해 눈구름과 눈이 내립니다.
여기서 눈여겨봐야 할 것은 이동하는 사이클론으로 만날지, 북동풍이 부는 바람으로 만날지.
첫 번째는 모바일 사이클론과의 접촉점입니다.
위의 기상도를 보면 한반도를 가로질러 남쪽으로 이동하는 사이클론을 볼 수 있습니다.
재점검 결과 2월 9일 이후 동중국해를 우회한 이동성 사이클론이
한반도 남쪽으로 동쪽으로 이동하면서 시베리아 고기압에 대응하는 것으로 보인다.
이것은 수직 측풍입니다.
방재기상정보시스템에서 데이터를 가져와 파이썬으로 그렸습니다.
분석 후 마지막에 코드를 게시하겠습니다.
시간대는 오전 5시 30분부터 오후 7시까지입니다.
오전 5시 30분부터는 바람이 200m와 약한 바람을 제외하고는 대부분 북동풍으로 보입니다.
5시 50분까지는 고도에 따라 북동풍이 유지되는 듯 보였지만, 6시부터는 남서풍의 빈도가 높아졌다.
그러면 바람이 혼돈스러워 보인다.
그러다가 6시 50분에 다시 주로 북동풍으로 바뀌었습니다.
전체적으로는 북동풍의 빈도가 높기 때문에 영동의 강설 특성을 갖고 있는 것으로 보인다.
#자료 불러오기
df1 = open('/content/drive/MyDrive/고층파일/wd.csv', 'r', encoding = 'utf-8-sig')
df2 = open('/content/drive/MyDrive/고층파일/ws.csv', 'r', encoding = 'utf-8-sig')
import numpy as np
#자료 전 처리
wd_df = ()
rea = csv.reader(df1)
for row in rea:
for j in np.arange(0, 10):
wd_df.append(row(j))
df1.close
ws_df = ()
rea = csv.reader(df2)
for row in rea:
for j in np.arange(0, 10):
ws_df.append(row(j))
df2.close
wd_df1 = list(map(int, wd_df))
ws_df1 = list(map(float, ws_df))
#단위 적용
wd1 = units.Quantity(wd_df1, 'degrees')
ws1 = units.Quantity(ws_df1, 'knots')
#바람 성분 구하기
u1, v1 = mc.wind_components(ws1, wd1)
#array 형태로 만든 후 모양 변경
u2 = np.array(u1)
v2 = np.array(v1)
u3 = u2.reshape(20, 10)
v3 = u2.reshape(20, 10)
#wind barbs 위치
x = np.arange(0, 10)
y = np.arange(0, 20)
#2차원 좌표로 만들기
X, Y = np.meshgrid(x, y)
#x축, y축 라벨
xx = ('07:00', '06:50', '06:40', '06:30', '06:20', '06:10', '06:00',
'05:50', '05:40', '05:30')
yy = ('AWS', '200m', '300m', '400m', '500m', '600m', '700m', '800m', '900m', '1000m',
'1100m', '1200m', '1300m', '1400m', '1500m', '1600m', '1700m', '1800m', '1900m', '2000m')
#수직 측풍 그림
fig, ax = plt.subplots(figsize = (18, 10))
ax.barbs(X, Y, u3, v3)
ax.set_title('February 15th, 5:30 am to 7:00 am vertical side wind', fontsize = 20)
ax.set_xlabel('Time\n(every ten minutes from 5:30 a.m. to 7:00 a.m)', fontsize = 15)
ax.set_ylabel('Height(m)', fontsize = 15)
plt.xlim(-0.5, 10)
plt.ylim(-1, 20)
ax.set_xticks(np.arange(0, 10))
ax.set_xticklabels(xx, fontsize = 10)
ax.set_yticks(np.arange(0, 20))
ax.set_yticklabels(yy, fontsize = 10)
ax.grid()그 결과 이번에는 눈이 내렸습니다
기상도에 따른 시베리아 고기압과 이동 저기압의 대응
수직 측풍 기준 북동풍 주파수
내 분석 수준에서 마이그레이션 메커니즘 나는 기분이 좋다
나중에 이러한 현상을 분석할 것입니다.
이 긴 게시물을 읽어 주셔서 감사합니다!
!