Interní projekt ÚMK: Kontrola pravidelných meteorologických dat v databázi CLIDATA Pavel Lipina Rozšířená porada vedoucích ÚMK 4. – 5. listopadu 2014, Praha

Řešitelský tým Ing. Pavel Lipina, (květen 2013 až září 2014), podíl práce na projektu (za ČHMÚ): 35 % Mgr. Miroslav Řepka, podíl práce 20 % RNDr. Anna Valeriánová, podíl práce 5 % RNDr. Radim Tolasz, Ph.D., podíl práce 25 % RNDr. Ladislav Metelka, Ph.D., podíl práce 5 % Mgr. Stanislava Kliegrová, Ph.D., podíl práce 10 % Doba řešení projektu: květen 2013 až září 2014

Cíle projektu: příprava metodiky a algoritmů pro kontrolu pravidelných (1min, 10min (15min) nebo 1hod.) meteorologických dat v databázi CLIDATA. cílem je každodenní kontrola dat automaticky měřených meteorologických prvků za 1-3 dny zpětně, se snahou vytvoření algoritmů a nástrojů pro automatickou kontrolu, detekci chyb a odstranění nebo označení chybných nebo podezřelých dat.

Projekt se skládal s těchto dílčích etap: Způsoby detekce podezřelých nebo chybným pravidelných meteorologických dat (Lipina, Tolasz) Rozbor potenciálně chybných dat a definice limitů jednotlivých meteorologických prvků k detekci a kontrole (Kliegrová, Metelka, Valeriánová, Tolasz, Lipina) Příprava zadání tvorby (programování aplikace (aplikací) ke kontrole pravidelných dat (Lipina, Tolasz) Programování aplikací (Walder, KW Data, s.r.o.) Testování aplikace (Řepka, Lipina, Tolasz) Tvorba dokumentace (Řepka, Lipina) Vyhodnocení aplikací a jejich zavedení do zkušebního a běžného provozu (Tolasz, Lipina)

Možné způsoby detekce chybných nebo podezřelý dat v databázi CLIDATA: 1. Zasílání e-mailů do konference CLIDATA 2. Kontrola grafických dat na portále ČHMÚ (výstup dat dobrovolnických stanic ze sběrného SW MeteoCentrum a RainCentrum) 3. Kontrola grafických dat na portále ČHMÚ (výstup dat všech standardních stanic ČHMÚ) 4. Hlásná a předpovědní povodňová služba (HPPS) 5. Speciální aplikace na zobrazení meteorologických dat.

Zasílání e-mailů do konference CLIDATA

2. Kontrola grafických dat na portále ČHMÚ – grafy z MeteoCentrum a RainCentrum

3. Kontrola grafických dat na portále ČHMÚ (grafy z dat v databázi CLIDATA)

4. Hlásná a předpovědní povodňová služba (HPPS)

Mezní limity prvků v databázi CLIDATA zkratka název prvku popis prvku měřítko horní limit dolní limit jednotka D Směr větru 1 360 stupně Dmax Směr Fmax Směr maximální rychlosti větru Dprum Směr větru prům Směr větru průměrný F Rychlost větru 0,1 55 m/s Fmax Max rychlost Maximální rychlost větru 60 Fprum Rychlost prům Rychlost větru průměrná 50 H Vlhkost relat Relativní vlhkost vlhkoměru 100 % P Tlak vzduchu 1100 700 hPa SRA1H Srážka-1H Úhrn srážek za 1 hodinu 150 mm SRA10M Srážka-10M Úhrn srážek za 10 minut SSV10M Sluneční svit Úhrn slunečního svitu 600 s T Teplota Teplota vzduchu 45 -45 °C TMA Teplota max Teplota maximální TMI Teplota min Teplota minimální TPM Teplota příz Teplota přízemní minimální -43 T05 Teplota půdy 5 Půdní teplota - 5 cm -20 T10 Teplota půdy 10 Půdní teplota - 10 cm 42 -18 T20 Teplota půdy 20 Půdní teplota - 20 cm 35 -15 T50 Teplota půdy 50 Půdní teplota - 50 cm 28 -8 T100 Teplota půdy100 Půdní teplota - 100 cm 23 -2 H_Hg Vlhkost rel. Hg Rel. vlhkost vzduchu z hygrografu P_Bg Tlak Bg Tlak vzduchu podle barografu T_Tg Teplota Tg Teplota vzduchu podle termografu 43

Aplikace Pravidelná kontrola

Aplikace Edituj data

Aplikace Edituj intenzity

Aplikace Kontrola intenzit

Aplikace pro kontrolu slunečního svitu

Závěry Detekce chyb řeší aktivně pracovníci OMK pobočky téměř denně Na pobočce Ostrava jsou zkušenosti takové, že kontrolám pravidelných dat se denně stačí věnovat 10 až 15 minut. Takto jsme schopni udržovat i pravidelná data v poměrně dobrém stavu i přes jejich veliký počet (přibližně 370 automatických stanic, okolo 150 automatických srážkoměrů podniků Povodí?). V případě výskytu větších problémů (ucpané srážkoměry, rozsáhlejší závady na čidlech či provozu stanice, doplňování krátkodobých výpadků v pravidelných datech), využíváme aplikaci Edituj data. Tato aplikace umožní alespoň částečně opravit data z ucpaných a vyčištěných srážkoměrů, umí doplnit krátkodobé výpadky v datech, nebo opravit chybná data za delší období. Upravená data získají definované příznaky (flagy). Uživatelé dat tak mohou identifikovat reálná a opravená data a podle potřeby je dále využívat. Pracovníci RPP by operativně řešili hlavně chyby srážkových dat