Analiza Tendintelor de Aridizare In Romania Folosind Indicele Palmer Pentru Severitatea Secetei

Economie

Analiza Tendintelor de Aridizare In Romania Folosind Indicele Palmer Pentru Severitatea Secetei

Byadmin ianuarie 1, 2024

Analiza tendințelor de aridizare în România folosind indicele Palmer pentru severitatea secetei

Cuprins

Capitolul 1. Introducere

Seceta este un fenomen ce ține de hazardele naturale. Acest fenomen provoacă daune importante și afecteză un număr mare de oameni la nivel global. În condițiile schimbării climei, frecventa și intensitatea secetelor se modifică, impactul lor crescând. De aceea, monitorizarea și analiza acestui fenomen devin prioritare în comunitatea științifică. Variabila climatică importantă în studiul secetei este cantitatea de precipitații, dar există și alți factori cu efect amplificativ al deficitului de precipitații: temperatura, viteza vântului, umiditatea aerului, etc. În zone cu relief accidentat, expoziția, panta, profunzimea și textura solurilor modulează și ele impactul deficitului de precipitații (referinta). Seceta este definită diferit, în funcție de tipul de impact sau activitate socio-economică afectată.

1.1. Seceta meteorologică

Din punct de vedere meteorologic, un interval secetos este cel pentru care există un deficit important în regimul precipitațiilor. Seceta meteorologică se instalează după 10 zile consecutive fără precipitații (în anotimpul cald). Persistența secetei meteorologice se apreciază în funcție de numărul de zile fără precipitații și de numărul de zile cu precipitații sub media multianuală a perioadei pentru care se face analiza.

1.2. Seceta agrometeorologică

Din punct de vedere agricol, seceta este definită prin parametri care afectează dezvoltarea și producția culturilor. Pe langă cantitatea de precipitații, în seceta agrometeorologică devin importanți și alti parametri ca rezerva de apă din sol, evapotranspirația potențială, evapotranspirația reală, deficitul de apă din sol etc.

Cerințele de apă ale plantelor depind de:

condițiile de mediu cum ar fi parametrii meteorologici (precipitațiile, temperatura, umiditatea);

parametrii hidrologici și fizici ai solului;

fază de dezvoltare a culturii;

specia de cultură.

1.3. Seceta hidrologică

Seceta hidrologică se asociază cu perioadele în care precipitațiile sunt prea slabe sau de scurtă durată, astfel încât nu au efect asupra alimentării directe cu apă a rețelei hidrologice.

Figura 1. Schema impactelor pe care le produce seceta la diferite nivele (după Barbu și Popa, 2011).

Rezultatul secetelor hidrologice se face simțit în timp și spațiu pe suprafețe mult mai mari. În acest caz apar efecte asupra alimentării cu apă potabilă și industrială, asupra producerii de energie hidroelectrică și afectează semnificativ starea ecosistemelor).

1.4. Monitorizarea secetei – clasificarea indicilor de secetă

Monitorizarea secetei presupune definirea unor indici specifici. Au fost concepuți mai mulți indici care au avantajele și dezavantajele lor, putând fi folosiți la o scără mai mare sau mai redusă în timp și spațiu. Unii au valabilitate mai mare în regiuni plane, alții în zone cu relief accidentat.

Indicii pentru cuantificarea secetei au fost concepuți cu scopul de a diferenția și delimita între ele regiuni climatice diferite sub raportul lungimii perioadelor de secetă și severității acesteia. Cel mai frecvent se utilizează, calculați pe baza unor variabile meteorologice/climatice. Exemple de astfel de indici simpli, bazați pe măsurarea precipitațiilor și temperaturii sunt indicele de ariditate (De Martonne) și indicele Lang. Există indici bazați numai pe măsurarea precipitațiilor:

Procentul precipitațiilor (P%);

Indexul standardizat al precipitațiilor (SPI);

Frecvența decilelor precipitațiilor;

Exemple de indici complecși derivați din măsurătorile meteorologice sunt urmatorii:

Koncek

Thornthwaite

Indicele de variație anotimpuală a umidității efective

Indicele eficienței termice globale (Thornthwaite)

Indicele de concentrație estivală a eficacității termice

Umiditatea relativă (P/ETP)

Indicele de nesaturație Meyer

Indexul Palmer pentru evaluarea severității secetei

Indicele umidității culturilor (Palmer)

Indicele de aprovizionare al apelor de suprafață

Indicele de combatere a secetei

Tabelul 1. Principalele caracteristici ale indicatorilor secetei folosiți în agrometeorologie (după Barbu și Popa, 2011).

Capitolul 2. Date și metodologie

2.1. Indicele Palmer pentru severitatea secetei (IPSS)

Indicele Palmer pentru Severitatea Secetei (IPSS sau indicele PALMER) a fost introdus de climatologul american Palmer (1965). Deși numele său se referă doar la “secetă”, indicele poate fi aplicat și pentru analiza excesului de umiditate.

Indicele a fost utilizat pentru analiza severității secetelor din perioada instrumentală (Diaz, 1983; Karl, 1983; Dai et al., 1998), pentru reconstituirea unor secete în condiții paleoclimatice (Stahle et al.,1985; Cook et al., 1999) sau pentru analiza schimbării climei (Karl et al.,1996; Dai și colaboratorii, 2004). De asemenea, IPSS a fost aplicat atât pentru stații meteorologice individuale (Guttman,1991; Guttman et al., 1992), cât și pentru areale (Dai et al.,1998; Dai și colaboratorii, 2004). Byun și Wilhite (1999) consideră că rezoluția temporală potrivită pentru IPSS este de o lună sau cel puțin două săptămâni.

IPSS măsoara efectul cumulat al deficitului/surplusului de precipițatii lunare raportat la cantitatea optimă de precipițatii, aceasta din urmă definită drept cantitatea de precipitații necesară pentru menținerea unui conținut optim de apă in sol, astfel încăt plantele să aibă o creștere normală (ferită de stresul lipsei de apă) într-o anumită regiune (Qi și Wilson, 2000). Palmer a construit indicele care îi poartă numele pe baza componentelor bilanțului hidric, în cazul unui areal anume, luând în considerare nu doar deficitul de precipitații, ci și alte variabile ca temperatura aerului și conținutul de apă disponibilă din sol (Hayes, 2002).

Obiectivul inițial al IPSS a fost de a permite compararea condițiilor de umiditate din areale diferite (Palmer, 1965). Din punct de vedere al analizei secetei o valoare a IPSS de -3,5 în Podișul Dobrogei de Sud are aceeași semnificație cu o valoare de -3,5 în Podișul Central Moldovenesc sau în Carolina de Sud (Barbu și Popa, 2011). Datorită faptului că evaluarea severității secetei cu ajutorul IPSS se bazează nu doar pe aportul precipitațiilor și al temperaturilor, ci și pe caracteristicile solurilor, cele mai bune rezultate sunt obținute în regiuni cu relief relativ plan, cât mai omogen din punct de vedere al condițiilor fizico-geografice. De astfel, Palmer a dezvoltat indicele în regiuni de câmpie din statele Iowa și Kansas, iar cercetările ulterioare au dovedit că IPSS dă rezultate concludente mai ales în astfel de regiuni.

Tabel 2.1. Calificative acordate lunilor în funcție de Indicele Palmer pentru Severitatea Secetei (IPSS) (după Barbu și Popa, 2011).

Unul din argumentele care pledează pentru utilizarea IPSS constă în capacitatea acestuia de a urmări perisitența secetei. De exemplu, o lună cu exces de precipitații care apare într-o perioadă extinsă cu deficit, nu înseamnă finalul secetei (Hayes, 2002). Această situație nu este întotdeauana bine evidențiată cu ajutorul altor indici (ca SPI) care nu iau în considerare condițiile pluviometrice precedente celor din luna pentru care se calculează indicele de secetă. Calificativele acordate lunilor în funcție de IPSS au fost stabilite de Palmer (1965) tocmai pentru a “puncta” începutul și sfârșitul unei perioade secetoase (Tabelul 1).

IPSS se diferențiază față de alți indici prin inerția sa, ceea ce nu este mereu un avantaj; astfel, începutul și sfarșitul secetei pot fi marcate artificial, datorită inerției IPSS. Alley (1984) face o sinteză a avantajelor utilizării IPSS. Printre cele mai evidente se numară cuantificarea abaterii față de normală a alimentării cu apă dintr-un areal față de normală a alimentării cu apă dintr-un areal și comparația temporală și spațială între condițiile de secetă.

Literatura științifică a domeniului (Alley (1984); Karl și Knight (1985); Hayes, 2002) evidențiază punctele slabe ale Indicelui Palmer:

pragurile de atribuire a calificativelor au fost acordate doar în funcție de cercetările lui Palmer din Iowa și Kansas, și nu pe baza unor studii de caz complexe;

IPSS este sensibil la caracteristicile solului, iar coeficientul dependent de tipul de sol este insuficient pentru surprinderea detaliilor proceselor din sol;

nu se iau in calcul precipitațiile solide (topirea zăpezii e un factor neglijat);

tehnica Thornthwaite de estimare a evapotranspirației potențiale este relativ simplistă din perspectiva proceselor implicate în evapotraspirație.

Calculul IPSS se bazează pe date de precipitații, temperatura aerului, condiții pedologice generale (conținutul apei disponibile din sol) și condiții radiative (latitudinea locului). Pentru a obține valoarea IPSS, este necesar ca în prealabil să se calculeze un indice al anomaliei umidității din sol (Zi) pentru fiecare lună (i), după urmatoarea formulă:

unde: k este un factor empiric de ponderare, specific fiecărui areal; α, β, γ, δ sunt coeficienți de evapotranspirație, alimentare, scurgere și pierdere a apei în sol, calculați ca ponderi ale cantităților reale față de cele potențiale pentru fiecare variabilă; P, PE, PR, PRO, PL reprezintă cantitatea reală de precipitații, evapotranspirația potențială calculată după metoda Thornthwaite, alimentarea potențială, scurgerea potențială și pierderea umezelii solului.

Pentru calcularea indicelui Palmer am folosit în această lucrare programul SC-PDSI (Wells, 2003). Acest pachet de software se bazează pe un program FORTRAN folosit la calculul indicelui Palmer lunar, program realizat de National Climate Data Center (NCDC), Statele Unite. Aplicația a fost transpusă în C++, făcându-se mai multe modificări, inclusiv posibilitatea de autocalibrare a indicelului. Acest program este capabil să calculeze IPSS lunar inițial, IPSS lunar autocalibrat (self-calibrating) și cel săptămânal, precum și indexul săptămânal de umiditate al culturilor (CMI).

Fișierele de intrare sunt aceleași ca și cele care însoțesc programul furnizat de http://nadss.unl.edu. Programul necesită câteva fișiere de intrare denumite specific.

Pentru a calcula doar IPSS-ul lunar, sunt necesare patru fișiere:

fișier ce conține valorile medii lunare ale temperaturii pentru o stație (monthly_T);

fișier ce conține sumele lunare de precipițatii pentru o stație (monthly_P);

fișier ce contine valorile medii multianuale ale temperaturii pentru o stație (mon_T_normal sau T_normal) ;

fișier ce contine 2 parametri (capacitatea de rețentie a apei în sol și latitudinea) pentru o stație (parametru).

În fișierul parametru, primul număr trebuie să fie întotdeauna capacitatea disponibilă de reținere a apei în sol (Available Water Holding Capacity sau AWC). Cel de-al doilea număr trebuie să fie latitudinea stației Deoarece IPSS este un index de acumulare (adică, o valoare depinde direct de valoarea anterioară), lipsuri numeroase în datele de intrare vor avea consecințe majore asupra datelor de ieșire. De asemenea IPSS depinde și de mediile pe termen lung utilizate în ecuația de bilanț al apei și în consecință utilizarea de serii de timp scurte nu este recomandabilă. Sunt necesare date pe o perioadă de cel puțin 25 de ani. Valoarea AWC este foarte importantă pentru determinarea IPSS și de aceea se recomandă utilizarea de date cât mai precise de la specialiștii în agricultură.

Fișierele de ieșire sunt rezultatul calcului IPSS-ului și conțin, în principal, patru indici diferiți:

1. IPSS (Indicele Palmer pentru Severitatea Secetei);

2. Indicele IPSS de ponderare(WPLM);

3. Index Palmer de Secetă Hidrologică (PHDI);

4. Indexul Z Palmer (ZIND).

În plus față de acești indicii, programul calculează și IPSS-ul lunar inițial, IPSS-ul lunar autocalibrat, IPSS-ul săptămânal, etc.

Datele de observație folosite în această lucrare sunt cele de la 113 stații meteorologice ce acoperă tecoperă teritoriul României. Înainte de calculul indicelui Palmer și a indicilor asociați, datele de intrare au fost omogenizate și lipsurile înlocuite cu pachetul software M.A.S.H. (Szentimrey, 1998; Szentimrey, 2007; Szentimrey, 2011; Lakatos și colaboratorii, 2011). Intervalul analizat este 1961-2010. S-au folosit pentru analizele urmatoare varianta indicelui IPSS autocalibrat. Au fost calculate tendințele (folosind metoda Sen) și semnificația statistică asociată lor (folosind testul neparametric Mann-Kendall). Analiza tendințelor a fost realizată pentru lunile sezonului cald (mai, iunie, iulie și august, luni importante pentru culturile agricole) și pentru valorile anuale ale indicelui Palmer.

2.2. Testul neparametric Mann-Kendall

Testul Mann-Kendall (Mann, 1945) este un test neparametric utilizat la identificarea tendințelor în seriile de date. El compară magnitudinea relativă a eșantionului de date – în locul valorilor șirurilor de date (Gilbert, 1987). Unul dintre marile avantaje ale acestui test constă în faptul că datele nu trebuie să fie asociate unei anumite distribuții (e.g. distribuția normală). Valorile șirului de date sunt evaluate ca șir ordonat temporal. Fiecare valoare este comparată cu toate valorile precedente. Valoarea inițială a statisticii Mann-Kendall, S, este convenită a fi 0 (nu există tendință). Dacă o valoare dintr-un an ulterior este mai mare decât o valoare dintr-un an precedent, S crește cu o unitate. Pe de altă parte, dacă valoarea este mai mică, S scade cu 1. Suma totală a acestor incremente și scăderi duce la valoarea finală a lui S (Helsel & Hirsch, 1992; Salas 1993).

Ipoteza nulă și cea alternativă a testului Mann-Kendall pentru variabila aleatoare x sunt:

Dacă x1, x2, … , xn reprezintă cele n valori ale unui șir de date, unde xj este valoarea la momentul de timp j, statistică S a testului Mann-Kendall este dată de:

unde sgn() reprezintă funcția semn:

O valoare pozitivă a lui S indică o tendință crescătoare, iar o valoare negativă – o tendință de scădere. Pentru a verifică dacă tendința este semnificativă din punct de vedere statistic, este necesară calcularea probabilității asociate lui S și eșantionului n. Pentru valori mari ale lui n Distribuția lui S poate fi aproximată cu o distribuție normală cu media zero și deviație standard :

unde n reprezintă numărul de valori din șirul de date, m este numărul de grupuri de valori egale (dacă există), iar ti este numărul de valori din grupul i.

Statistică normată Z va fi:

Tendința de scădere se identifică atunci cănd Z este negativ și probabilitatea asociată este mai mare decât nivelul de semnificație. Dacă Z este negativ și probabilitatea asociată este mai mare decât nivelul semnificativ, tendința este de creștere. În cazul în care probabilitatea asociată este mai mică decât nivelul semnificativ, nu există tendință.

2.3. Analiza funcțiilor ortogonale empirice (EOF-uri)

Analiza funcțiilor ortogonal empirice (EOF-uri) este o metodă utilizată în analizele statistice multivariate. Scopul principal al analizei EOF este de a reduce dimensionalitatea unui set multivariat de date prin transformarea variabilelor originare într-un un set de variabile noi de dimensiune mult mai mică (Rîmbu, 2011). Noul set de date, de dimensiune mai mică, trebuie sa conțină o mare parte din variabilitatea setului de date original. Analiza EOF elimină ceea ce se consideră a fi zgomot climatic și permite reprezentarea mult mai simplă a seturilor mari de date. Pe lângă simplificarea și filtrarea datelor inițiale, analiza EOF este și un instrument util în investigarea configurațiilor spațio-temporale care caracterizează variabilitatea comună a datelor primare.

Primul pas în analiza EOF este construirea matricei datelor primare. Presupunem că setul originar de date care trebuie analizat este format din seriile de timp a K variabile măsurate la N momente de timp egal distanțate. Seria de timp a variabilei k, k=1,K se scrie pe coloana k a matricii [X] (Rîmbu, 2011) .

Matricea [X] este numită matricea de date sau matricea datelor originale.

Al doilea pas este construirea matricei anomaliilor [X]. Prin anomalii înțelegem diferența dintre valorile scrise pe o coloană oarecare a matricei de date și media aritmetică a coloanei respective, adică:

unde este o matrice patratică cu N linii și N coloane ale carei elemente sunt cifra 1. Ultimul termen din relația de mai sus poate fi scris desfășurat sub forma:

Al treilea pas în analiza EOF este construirea matricei de covarianță [S]. Matricea de covarianță [S] se calculează prin înmulțirea matricei anomaliilor transpusă cu matricea originală a anomaliilor :

Dacă seriile inițiale conțin valori standardizate ale anomaliilor celor K variabile, atunci matricea de covarianță [S] este identică cu matricea de corelație. Dimensiunea matricei de covarianță [S] este (KxK), unde K este numărul de variabile analizate.

În continuare, se calculează vectorii și valorile proprii pentru matricea de covarianță [S]. Dacă matricea de covarianță are o dimensiune mică atunci vectorii și valorile proprii se pot calcula analitic. Dacă [S] are dimensiune mare, cum se întâmplă de obicei, atunci se folosesc metode numerice(Rîmbu, 2011) .

Fiecarei configurații EOF îi este asociată o serie de timp a cărei lungime este egală cu numărul de elemente ale seriilor de timp analizate, în cazul nostru N. Aceste serii se numesc componente principale (PC-uri, de la "principal components"). Valoarea PC-ului indică ponderea sau importanța EOF-ului corespunzator, în descrierea datelor la un moment de timp dat. Matricea PC-urilor, notată cu [PC] se obține prin înmulțirea matricei anomaliilor cu matricea vectorilor proprii (Rîmbu, 2011)

Matricea componentelor principale, [PC], are K linii și N coloane. Fiecare linie conține seria de timp a PC-ului corespunzător. În urma analizei EOF rezultă un vector de dimensiune K care conține valorile proprii, o matrice de dimensiune KxK care conține, pe coloane, cei K vectori proprii, și o matrice de dimensiune KxN care conține, pe linii, componentele principale (PC). O configuratie spatială de EOF împreună cu PC-ul și valoarea proprie corespunzatoare definesc un mod de variație al variabilelor analizate (Rîmbu, 2011)

Capitolul 3. Rezultate

3.1. Calculul IPSS

În graficele următoare, am reprezentat grafic evoluția temporală a indicelui IPSS, calculat folosind datele de temperatură brute și cele omogenizate, cât și precipitațiile brute și cele omogenizate. În general nu au existat discrepanțe între indicele omogenizat și indicele neomogenizat. Diferențe mai mari apar în general la stațiile de munte, deoarece la aceste stații precipitațiile omogenizate sunt usor subestimate, metoda de omogenizare folosită neținând cont de altitudine.

Din figura 3 se observă, pentru stația Arad, o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate. Se poate observa că perioada 1982-1995 a fost cea mai îndelungată perioadă de secetă indiferent de luna sezonului căld pentru care se face analiza.

În ceea ce priveste evoluția valorilor anuale a indicelului Palmer pentru stația Arad se observa aceeași tendință că cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori aproape identice pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate.

Pentru stația Botoșani se observă din figura de mai sus o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate. Contrar celor observate pentru stația Arad perioada 1965-1982 a fost cea mai îndelungată perioadă cu exces de umiditate indiferent de luna sezonului cald pentru care se face analiza.

Referitor la evoluția valorilor anuale a indicelului Palmer pentru stația Botoșani se observă aceeași tendință că cea evideniată pentru lunile sezonului căld. De asemenea s-au obținut valori aproape identice pentru indicele Palmer utilizând atat datele brute căt și cele omogenizate.

Din figura 7 se observă, pentru stația Călărași, aceeași evoluție relativ uniformă a indicelui Palmer pentru lunile sezonului cald, cu perioade alternative de secetă și exces de umiditate. Cu toate acestea s-au înregistrat mai multe valori negative ale indicelui Palmer ceea ce indică faptul că au existat mai multe perioade de secetă comparativ cu perioadele cu exces de umiditate.

Figura 3. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația utilizând datele brute și datele omogenizate.

Figura 4. Evoluția valorilor anuale ale indicelui Palmer pentru stația Arad utilizând datele brute și datele omogenizate.

Figura 5. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Botoșani utilizând datele brute și datele omogenizate.

Figura 6. Evoluția valorilor anuale ale indicelui Palmer pentru stația Botoșani utilizând datele brute și datele omogenizate.

Figura 7. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Călărași utilizând datele brute și datele omogenizate.

Figura 8. Evoluția valorilor anuale ale indicelui Palmer pentru stația Călărași utilizând datele brute și datele omogenizate.

Figura 9. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația utilizând datele brute și datele omogenizate.

Figura 10. Evoluția valorilor anuale ale indicelui Palmer pentru stația Constanța utilizând datele brute și datele omogenizate.

Figura 11. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Drobeta Turnu Severin utilizând datele brute și datele omogenizate.

Figura 12. Evoluția valorilor anuale ale indicelui Palmer pentru stația Drobeta Turnu Severin utilizând datele brute și datele omogenizate.

Evoluția valorilor anuale a indicelului Palmer pentru stația Călărași este reprezentată in figura 8, observându-se aceeași tendință că cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori aproape identice pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate.

Pentru Constanța se observă din figura de mai sus o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate. Cu toate acestea s-au obținut, cel puțin pentru prima jumătate a perioadei analizate, mai multe valori negative ceea ce indică perioade mai lungi de secetă

În figura 10 este reprezentată evoluția valorilor anuale a indicelului Palmer pentru stația Constanța, observându-se aceeași tendință că cea evidențiată pentru lunile sezonului căld. Utilizând atât setul de date brute sau setul de date omogenizate s-au obținut valori aproape identice pentru indicele Palmer.

Din figura 11 se observă că valorile indicelui Palmer pentru lunile sezonului cald pentru stația Drobeta Turnu Severin utilizând datele brute și datele omogenizate sunt majoritar negative pentru perioada 1982-2005 ceea ce indică o secetă extremă pentru partea de sud-vest a României.

În ceea ce priveste evoluția valorilor anuale a indicelului Palmer pentru stația Drobeta Turnu Severin se observă aceeași tendință că cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori aproape identice pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate. Valorile negative obținute pentru perioada 1982-2005 indică o secetă extremă pentru această stație.

Pentru partea de sud a teritoriului Romaniei au fost analizate atât datele brute cât și cele omogenizate pentru stația Giurgiu. Din figura 13 se observă că valorile indicelui Palmer pentru lunile mai, iunie, iulie și august sunt majoritar negative pentru perioada 1981-2010 ceea ce indică perioade lungi de secetă pentru partea de sud a României.

În figura 14 este reprezentată evoluția valorilor anuale a indicelului Palmer pentru stația Giurgiu, observându-se aceeași tendință că cea evidențiată pentru lunile sezonului cald. Utilizând atât setul de date brute sau setul de date omogenizate s-au obținut valori aproape identice pentru indicele Palmer negative. În perioada 1981-2010 valorile calculate sunt majoritar negative ceea ce indică perioade lungi de secetă pentru partea de sud a României.

Figura 13. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația utilizând datele brute și datele omogenizate.

Figura 14. Evoluția valorilor anuale ale indicelui Palmer pentru stația Giurgiu utilizând datele brute și datele omogenizate.

Figura 15. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația utilizând datele brute și datele omogenizate.

Figura 16. Evoluția valorilor anuale ale indicelui Palmer pentru stația Galați utilizând datele brute și datele omogenizate.

Figura 17. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația utilizând datele brute și datele omogenizate.

Figura 18. Evoluția valorilor anuale ale indicelui Palmer pentru stația Iași utilizând datele brute și datele omogenizate.

Figura 19. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația utilizând datele brute și datele omogenizate.

Figura 20. Evoluția valorilor anuale ale indicelui Palmer pentru stația Oradea utilizând datele brute și datele omogenizate.

Pentru partea de sud-est a Romaniei au fost analizate datele brute și cele omogenizate pentru stația Galați. Se observă din figură de mai sus o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate.

Referitor evoluția valorilor anuale a indicelului Palmer pentru stația Galați se observă aceeași tendință ca cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori asemănătoare dar nu identice pentru indicele Palmer utilizând setul de date brute și setul de date omogenizate.

Pentru stația Iași se observă din figura 17 o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate. În ultima parte a perioadei analizate valorile indicelui Palmer sunt negative indicând faptul că perioada de după anul 1998 a fost o perioadă secetoasă pentru această parte a teritoriului României.

Referitor evoluția valorilor anuale a indicelului Palmer pentru stația Iași se observă aceeași tendință că cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori aproape identice pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate. După anul 1998 valorile indicelui Palmer sunt negative indicând faptul că această perioadă a fost o perioadă secetoasă pentru partea de est a teritoriului României.

În partea de vest a României au fost analizate datele brute și datele omogenizate corespunzătoare stației Oradea și Timișoara. În figura 19 este prezentată evoluția valorilor obținute pentru indicele Palmer observându-se o tendință relativ uniformă a acestuia pentru cele patru luni ale sezonului cald, cu perioade alternative de secetă și exces de umiditate. Perioada de secetă cea mai lungă a fost înregistrată in perioada 1990-1996.

În figura 20 este reprezentată grafic evoluția valorilor anuale a indicelului Palmer pentru stația Oradea. Se observă aceeași tendință ca cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori asemănatoare pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate. Pentru stația din nordul României, Satu Mare se observă din figura de mai sus o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate. Pentru ultima parte a perioadei analizate în toate lunile sezonului cald valorile indicelui Palmer obținute cu datele brute care sunt diferite față de cele obținute utilizând datele omogenizate.

Figura 21. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Satu Mare utilizând datele brute și datele omogenizate.

Figura 22. Evoluția valorilor anuale ale indicelui Palmer pentru stația Satu Mare utilizând datele brute și datele omogenizate

Figura 23. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Timișoara utilizând datele brute și datele omogenizate.

Figura 24. Evoluția valorilor anuale ale indicelui Palmer pentru stația Timișoara utilizând datele brute și datele omogenizate

Figura 25. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Tulcea utilizând datele brute și datele omogenizate.

Figura 26. Evoluția valorilor anuale ale indicelui Palmer pentru stația Tulcea utilizând datele brute și datele omogenizate.

Valorilor anuale a indicelului Palmer pentru stația Satu Mare reprezentate in figura 21 au aceeași tendință ca cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori asemănatoare pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate.

În ceea ce priveste evoluția indicelui Palmer pentru cea de-a doua stație din vestul României și anume stația Timișoara se observă din figura de mai sus o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate. De asemenea valorile obținute pentru această stație sunt asemănătoare celor obținute pentru stația Oradea, cu valori negative ale indicelui Palmer cu precădere în perioada 1982-1995 ceea ce arată faptul că această perioadă a fost una secetoasă.

Referitor la evoluția valorilor anuale a indicelului Palmer pentru stația Timișoara se observă aceeași tendință că cea evidențiată pentru lunile sezonului cald. S-au obținut valori aproape identice pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate, cu valori negative cu precădere în perioada 1982-1995 ceea ce arată faptul că această perioadă a fost una secetoasă.

Pentru analiza evoluției indicelui Palmer în lunile sezonului cald în Delta Dunării s-au utilizat datele brute și cele omogenizate pentru stația Tulcea. Valorile obținute indică faptul că în perioada analizată perioadele de secetă și cele cu exces de umiditate au alternat fără a se putea identifica perioade de timp mai lungi de secetă sau cu exces de umiditate.

În figura 26 este reprezentată grafic evoluția valorilor anuale a indicelului Palmer pentru stația Tulcea. Se observă aceeași tendință ca cea evidențiată pentru lunile sezonului cald. De asemenea s-au obținut valori asemănatoare pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate.

Pentru stația Vaslui se observă din figura de mai sus o evoluție relativ uniformă a indicelui Palmer pentru lunile mai, iunie, iulie și august, cu perioade alternative de secetă și exces de umiditate. Valorile obținute sunt similare atât pentru calculul efectuat cu datele brute cât și cu cele omogenizate. Singura diferență se evidențiază pentru anul 1975 unde cele două valori ale indicelui sunt diferite.

În figura de mai jos sunt reprezentate grafic valorile anuale a indicelului Palmer pentru stația Vaslui. Se observă aceeași tendință că cea evidențiată pentru lunile sezonului cald.

Figura 27. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Vaslui utilizând datele brute și datele omogenizate.

Figura 28. Evoluția valorilor anuale ale indicelui Palmer pentru stația Vaslui utilizând datele brute și datele omogenizate.

Figura 29. Evoluția indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pentru stația Vârful Omu utilizând datele brute și datele omogenizate.

Figura 30. Evoluția valorilor anuale ale indicelui Palmer pentru stația Vârful Omu utilizând datele brute și datele omogenizate.

De asemenea s-au obținut valori asemănătoare pentru indicele Palmer utilizând atât datele brute cât și cele omogenizate, singura diferență se evidențiază pentru anul 1975 unde valoarea indicelui calculată cu datele brute este mai mare comparativ cu cea obținută cu datele omogenizate.

De asemenea s-a calculat indicele Palmer pentru o stație de munte și anume stația Varful Omu pentru a se putea evidenția o oarecare diferență comparativ cu celelalte stații. Au fost utilizate datele brute și datele omogenizate obținandu-se valori ale indicelui Palmer ce indică pentru perioada 1961-1981 exces de umiditate, iar perioada următoare fiind caracterizată de secetă. Din analiza valorilor obținute se poate desprinde concluzia că evoluția indicelui Palmer este relativ uniformă indifrent de setul de date utilizat pentru lunile mai, iunie, iulie și august

În figura 30 este reprezentată grafic evoluția valorilor anuale a indicelului Palmer pentru statia Vârful Omu observându-se aceeași tendință ca cea evidențiată pentru lunile sezonului cald. Valorile indicelui Palmer obținute atât cu datele brute cât și cu cele omogenizate indică pentru perioada 1961-1981 au exces de umiditate, iar perioada următoare secetă.

3.2. Tendințe ale valorilor indicelui Palmer

În această parte a lucrării se prezintă rezultatele obținute asupra evoluțiilor tendințelor și a semnificației lor statistice pentru lunile sezonului cald (lunile mai, iunie,iulie și august) și pentru valorile anuale ale indicelui Palmer. Datele de observație folosite în această lucrare sunt datele omogenizate de la 113 stații meteorologice ce acoperă teritoriul României pe perioada 1961 – 2010. Datele au fost disponibile din baza de date a Administrației Naționale de Meteorologie. În cele 5 hărți s-au reprezentat semnificația tendinței care este notată cu Z și valoarea pantei (P) asociata tendinței liniare care arată cu cât a scăzut sau a crescut IPSS pe o perioadă de 50 de ani.

(a)

(b)

(c)

(d)

Figura 31(a, b, c și d). Reprezentarea spațială a tendințelor indicelui Palmer pentru lunile sezonului cald (mai, iunie, iulie și august) pe perioada de 50 de ani (1961-2010). Zonele hașurate prezintă tendințe semnificative statistic la nivelul de încredere de 90% (conform testului Mann-Kendall).

Din figura 31, observăm o tendință de aridizare mai ales în sud-vestul și sud-estul României, acolo unde în 50 de ani valorile indicelui Palmer au crescut, în general, cu mai mult de 2 unități. În regiuni din nord-vestul țării, indicele Palmer prezintă în 50 de ani creșteri semnificative statistic de aproximativ o unitate, sugerând prezența unei tendințe spre excendent de apă în sol. Din punct de vedere spatial, putem spune că nu există variatii de la o lună la alta, ceea ce se vede mai clar când examinăm figura 32 unde sunt ilustrate valorile tendințele în valorile medii anuale ale indicelui Palmer.

Figura 32. Tendințele pe perioada de 50 de ani (1961-2010) pentru valorile anuale ale indicelui Palmer. Zonele hașurate prezintă tendințe semnificative statistic la nivelul de încredere de 90% (conform testului Mann Kendall)

Figura 33. Tendințele pe perioada 1961-2100 pentru valorile anuale ale indicelui Palmer. Zonele hașurate prezintă tendințe semnificative statistic la nivelul de încredere de 90% (conform testului Mann Kendall)

3.3. Analize EOF

În această parte a lucrării se prezintă rezultatele obținute din analiza funcțiilor empirice ortogonale (EOF), aplicată indicelui IPSS, calculat din valorile omogenizate la 113 stații, pe toată perioada 1961-2010. Au fost reținute primele două configurații EOF care explică 65% din varianța totală și s-au analizat seriile temporale asociate acestor configurații, din punct de vedere al semnificației tendinței liniare. Configurația primului EOF și a seriei temporale asociate sunt prezentate in figura 33.

Figura 33. Configurația primului EOF (stanga) și seria temporală asociată (dreapta).

Primul EOF explică 58% din varianța totală a câmpului, având același semn pe toată țara, cu valori mai mari în sud-vest (variabilitatea climatică maximă) și mai mici în sud-est. Seria temporală asociată acestei configurații prezintă o caracteristică de variabilitatate decenală, cu valori mai ridicate în primele două decenii și mai scăzute între 1981-1996. Acest rezultat sugerează faptul că variabilitatea IPSS ar putea fi controlată de mecanisme fizice la scară mare cu caracteristici de variabilitate temporală pronunțată (e.g. Oscilația Nord-Atlantică-NAO).

Figura 34. Configurația celui de-al doilea EOF (stanga) și seria temporală asociată (dreapta).

În figura 34 este prezentată configurația celui de al doilea EOF, care explică 7% din varianța totală a câmpului, cu același semn (pozitiv) pe toată țara, însă cu o distribuție diferită a centrilor cu variabilitate maximă și minimă. Astfel, se sugerează o variabilitate mai pronunțată în câteva regiuni izolate din vest, nord-vest și sud-est.

Seria temporală asociată acestei configurații prezintă o tendință de scădere, cu valori puternic pozitive pană în anul 1976 și aproape de zero sau negative în rest. Valoarea maximă corespunzătoare anilor 1970-1971 se datorează cantităților mari de precipitații din acei ani, ce au condus la inundații masive pe arii extinse, marcate cu valori pozitive în configurația EOF . Tendința de scădere a valorilor indicelui Palmer, indică o tendință generală spre deficit de precipitații, spre aridizare.

Capitolul 4. Concluzii și perspective

Un studiu privind tendința de aridizare a teritoriului României nu s-a făcut până în prezent utilizând un set atât de mare de date și pentru o perioadă îndelungată. Pentru acest studiu s-a utilizat indicele Palmer introdus de climatologul american Palmer în anul 1965. În literatura de specialitate indicele Palamer mai poartă și numele de indice Palmer pentru Severitatea Secetei (IPSS). Deși numele său se referă doar la “secetă”, indicele poate fi aplicat și pentru analiza excesului de umiditate.

IPSS măsoara efectul cumulat al deficitului/surplusului de precipițatii lunare raportat la cantitatea optimă de precipițatii, aceasta din urmă definită drept cantitatea de precipitații necesară pentru menținerea unui conținut optim de apă în sol, astfel încât plantele să aibă o creștere normală (ferită de stresul lipsei de apă) într-o anumită regiune. Indicele a fost construit pe baza componentelor bilanțului hidric, în cazul unui areal anume, luând în considerare nu doar deficitul de precipitații, ci și alte variabile că temperatura aerului și conținutul de apă disponibilă din sol. Obiectivul inițial al IPSS a fost de a permite compararea condițiilor de umiditate din areale diferite. Astfel, din punct de vedere al analizei secetei aceeași valoare a IPSS calculate pentru Podișul Dobrogei de Sud are aceeași semnificație și în Podișul Central Moldovenesc sau în Carolina de Sud.

Printre avantajele indicelui Palmer se numară cuantificarea abaterii față de normală a alimentării cu apă dintr-un areal și comparația temporală și spațială între condițiile de secetă. Punctele slabe ale Indicelui Palmer ar fi faptul că pragurile de atribuire a calificativelor au fost acordate doar în funcție de cercetările lui Palmer din Iowa și Kansas, și nu pe baza unor studii de caz complexe; sensibilitatea acestui indice la caracteristicile solului, coeficientul dependent de tipul de sol fiind insuficient pentru surprinderea detaliilor proceselor din sol; faptul că nu se iau în calcul precipitațiile solide (topirea zăpezii e un factor neglijat), etc.

Pentru calcularea indicelui Palmer s-a folosit în această lucrare programul SC-PDSI (Wells, 2003). Acest pachet de software se bazează pe un program FORTRAN folosit la calculul indicelui Palmer lunar, program realizat de National Climate Data Center (NCDC), Statele Unite. Acest program este capabil să calculeze IPSS lunar inițial, IPSS lunar autocalibrat (self-calibrating) și cel săptămânal, precum și indexul săptămânal de umiditate al culturilor (CMI).

Datele de observație folosite în această lucrare sunt cele de la 113 stații meteorologice ce acoperă teritoriul României. Înainte de calculul indicelui Palmer și a indicilor asociați, datele de intrare au fost omogenizate și lipsurile înlocuite cu pachetul software M.A.S.H.. Intervalul analizat este 1961-2010, iar pentru analize am folosit varianta indicelui IPSS autocalibrat. Tendințele au fost calculate folosind metoda Sen, iar semnificația statistică asociată acestora a fost determinată cu ajutorul testului neparametric Mann-Kendall. Analiza tendințelor și calculul valorilor anuale ale indicelui Palmer au fost realizate pentru cele mai importante luni pentru culturile agricole și anume lunile sezonului cald mai, iunie, iulie și august.

După calculul indicelui Palmer am reprezentat grafic evoluția temporală a indicelui IPSS pentru 14 stații distribuite uniform pe teritoriul României. Indicele Palmer a fost calculat folosind datele de temperatură brute și cele omogenizate, cât și precipitațiile brute și cele omogenizate. În general nu au existat discrepanțe între indicele omogenizat și indicele neomogenizat. Diferențe mai mari apar în general la stațiile de munte, deoarece la aceste stații precipitațiile omogenizate sunt ușor subestimate, metoda de omogenizare folosită neținând cont de altitudine.

Din analiza rezultatelor obținute se poate concluziona faptul că exista o tendință de aridizare mai ales în sud-vestul și sud-estul Romaniei, acolo unde în 50 de ani valorile indicelui Palmer au scăzut, în general, cu mai mult de 2 unități. În unele regiuni din nord-vestul țării, indicele Palmer prezintă în 50 de ani creșteri semnificative statistic, de aproximativ o unitate, sugerând prezența unei tendințe spre excendent de apă în sol. Din punct de vedere spațial, putem spune că nu există variații de la o lună la alta, ceea ce se vede și din analiza valorilor obținute pentru tendințele în valorile medii anuale ale indicelui Palmer. Trebuie menționat că o analiză a tendințelor de acest tip folosește modelul tendinței liniare, care este o simplificare a realității. O astfel de analiză ne spune mai puțin despre tendințele neliniare ce apar în date. Pe de altă parte, această analiză a tendințelor este una de tip univariat, fiecare stație fiind analizată individual, fără a se lua în calcul covarianța generală din câmpul de date. O astfel de analiză a covarianței câmpului de date a fost realizată prin descopmpunerea în funcții ortogonale empirice (EOF).

De asemenea, au fost reprezentate grafic rezultatele obținute din analiza primelor două configuratii spațiale ale funcțiilor ortogonale emiprice (EOF), care explică 65% din varianța totală și s-au analizat seriile temporale asociate acestor configurații. Primul EOF explică 58% din varianța totală a câmpului, având același semn pe toată țara, cu valori mai mari in sud-vest (variabilitatea climatică maximă) și mai mici in sud-est. Rezultatele obținute indică faptul că variabilitatea IPSS ar putea fi controlată de mecanisme fizice la scară mare cu caracteristici de variabilitate temporală cu un pronunțat caracter decenal. Configurația celui de al doilea EOF, care explică 7% din varianța totală a câmpului, cu același semn (pozitiv) pe toată țara, însă cu o distribuție diferită a centrilor cu variabilitate maximă și minimă. Valoarea maximă corespunzătoare anului 1971 se datorează cantităților mari de precipitații din acel an, ce au condus la inundații masive pe arii extinse, marcate cu valori pozitive în configurația EOF. Tendința de scădere a valorilor indicelui Palmer după anul 1971 arată tendința generală spre deficit de apă în sol.

Acest tip de analiză, folosind indicele IPSS, poate fi extins pe câmpuri de date rezultate din experimentele numerice cu modele climatice care realizează proiecții în viitor pentru a sintetiza efectul simultan al precipitațiilor și temperaturii asupra tendințelor de aridizare de pe teritoriul României.

Bibliografie

Abramopoulos, F., Rosenzweig C., Choudhury B. 1988. Improved ground hydrology calculations for global climate models (GCMs): Soil water movement and evapotranspiration. Journal of Climate 1:921-941.

Alley, W. M. 1984. The Palmer Drought Severity Index: limitations and applications. Journal of Climate and Applied Meteorology 23:1100-1109.

Barbu, I, I. Popa. 2011. Monitorizearea riscului de apariție a secetei în pădurile din România. Forestierã IX .

Assessment. 1999. Climate change impacts in the . , March 22-24, 1999. Univesity; 200 pp.

Cleaveland, M. K., Stahle D. W. 1996. Variability of hydrological drought in the Ozark Highlands, 1680-1980. In Tree Rings, Environment and Humanity, Dean JS, Meko DM, Swetnam TW (eds). Department of Geosciences, ; 43-50.

Dai, A., K. E. Trenberth, and T. R. Karl. 1998. Global variations in droughts and wet spells: 1900-1995. Geophysical Research Letters 25(17): 3367-3370.

D'Arrigo, R. D., Jacoby G. C. 1991. A 1000-year record of winter precipitation from northwestern , : A reconstruction from tree-rings and its relationship to El Nino and the Southern Oscillation. Holocene 1:95-101.

Diaz, H. F. 1983. Some aspects of major dry and wet periods in the contiguous , 1895-1981. Journal of Climate and Applied Meteorology 22:3-16.

Gilbert, R.O., 1987. Statistical methods for environmental pollution monitoring. Van .

Grisșino-Meyer, H. D. 1996. A 2129-year reconstruction of precipitation for north-western , . In Tree Rings, Environment and Humanity, Dean JS, Meko DM, Swetnam TW (eds). Department of Geosciences, ; 191-204.

Guttman, N. B. 1991. A sensitivity analysis of the Palmer Hydrologic Drought Index. Water Resources Bulletin 27:797-807.

Helsel, D. R., Hirsch, R. M., 1992. Statistical Methods in Water Resources. Elsevier, (522 pp.).

Hu, Q, and G. D. Willson. 2000. Effects of temperature anomalies on the Palmer Drought Severity Index in the central .

Karl, T. R. 1986. The sensitivity of the Palmer Drought Severity Index and Palmer's Z-Index to their calibration coefficients including potential evapotranspiration. Journal of Climate and Applied Meteorology 25:77-86.

Karl, T. R, Koscielny A. J. 1982. Drought in the : 1895-1981. Journal of Climatology 2:313-329.

Karl, T. R, Quayle RG. 1981. The 1980 summer heat wave and drought in historical perspective. Monthly Weather Review 109:2055-2073.

Kendall, M. G. 1970. Rank Correlation Methods, London: Griffin, ISBN 0-85264-199-0.

Lakatos, M., Szentimrey, T., Bihari, Z., Szalai, S, 2011: Homogenization of daily data series for extreme climate indices calculation, Proceedings of COST-ES0601 (HOME) Action Management Committee and Working Groups and Sixth Seminar for Homogenization and Quality Control in Climatological Databases, Budapest, 26-30 May 2008. WCDMP-No. 76, WMO/TD-NO. 1576, 2011, pp. 100-109.

Mann, H. B. (1945), Nonparametric tests against trend, Econometrica, 13, 245-259.

Wells, N. 2003. National Agricultural Decișion Support System. PDSI User Manual.

Madden, R. A, Williams J. 1981. The correlation between temperature and precipitation in the and . Monthly Weather Review 106:142-147.

Monteith, J. L. 1976. Evaporation and surface temperature. Quarterly Journal of Royal Meteorological Society 107:1-27.

Monteith, J. L. 1973. Principles of Environmental Phsics. Elsevier: .

Palmer, W. C. 1965. Meteorological drought. US Weather Bureau, Research Paper No. 45, 58 pp.

Rîmbu, N. 2011. Statistică și grafică elementară în R, Ars Academică, Bucuresti.

Salas, J. D. 1993. Analysis and modeling of hydrologic time series. Ch. 19, în (ed), Handbook of Hydrology, McGraw Hill.

Stahle, D. W., Cleaveland MK, Hehr JG. 1985. A 450-year drought reconstruction for , . Nature 316:530-532.

Steel, R. G. D., Torrie J. H. 1960. Principles and Procedures of Statistics. McGraw-Hill: ; 183-191, Chapter 10.

Szinell, C. S., Bussay A., Szentimrey T. 1998. Drought tendencies in . International Journal of Climatology 18:1479-1491.

Thornthwaite, C. W., 1948. An approach toward a rational classification of climate. Geographical Review 38:55-94.

Szentimrey, T., 1999: Multiple Analysis of Series for Homogenization (MASH), Proceedings of the Second Seminar for Homogenization of Surface Climatological Data, Budapest, Hungary; WMO, WCDMP-No. 41, pp. 27-46.

Szentimrey, T., 2007: Manual of homogenization software MASHv3.03, Hungarian Meteorological Service.

Szentimrey, T., 2011: Methodological questions of series comparison, Proceedings of COST-ES0601 (HOME) Action Management Committee and Working Groups and Sixth Seminar for Homogenization and Quality Control in Climatological Databases, Budapest, 26-30 May 2008, WCDMP-No. 76, WMO/TD-NO. 1576, 2011, pp. 1-7.