Salah Basem Ajjur는 현재 Hamad Bin Khalifa University에서 기후 및 인위적 영향을 받는 건조 지역의 수자원의 지속 가능한 관리 분야에서 박사 학위를 취득하고 있습니다. 그의 작업의 핵심 부분은 기후 변화의 영향을 받는 계절 특성과 이것이 농업, 생태계 등에 미치는 영향을 이해하는 것입니다.
아라비아 반도 국가의 일반적인 위치와 고도 [1].
아주르(Ajjur)는 자신의 최근 간행물 인 아라비아 반도의 70년에 걸친 계절 특성 중단 [1]의 작업에 대해 다음과 같이 말합니다. “이 지역은 계절의 급격한 변화(예: 가뭄 기간 연장, 강수량 및 극심한 더위 등)와 관련된 수많은 현상을 경험합니다. , 온도 및 습도 주기의 계절적 변화). 따라서 온도, 풍속, 강수량, 상대습도, 구름량, 지정학적 높이 등과 같은 여러 기후 및 수문학적 매개변수에서 21세기까지의 미래 변화를 탐구해야 했습니다. 날씨와 기후에 사용되는 표준 데이터 형식 데이터는 NetCDF(네트워크 공통 데이터 형식)입니다. 이를 위해서는 다양한 기간에 걸쳐 NetCDF 파일의 대규모 데이터 세트를 분석해야 하는데 이는 번거롭고 시간 소모적입니다."
아주르 는 국립환경예측센터(NCEP)/국립대기연구센터(NCAR) 재분석에서 얻은 역사적 기후학적 매개변수를 분석함으로써 사계절의 특징이 천문학적, 전통적인 계절 정의와 다르며 특히 2019년에는 더욱 그러하다는 사실을 발견했습니다. 지난 30년. 1990~2019년 데이터를 70년 분석(1950~2019)과 비교했을 때 그는 여름에는 추가 연장이, 겨울에는 부족함을 발견했습니다[1].
1950~2019년 기간 외에 5개의 중복 기간 동안 정의된 아라비아 반도 계절의 특성[1].
"Origin 새 버전(2021b)은 NetCDF 데이터 파일을 원활하게 처리할 수 있습니다. Origin에서는 여러 NetCDF 파일을 쉽게 가져오고 연결할 수 있습니다. 가져오기 옵션을 통해 데이터 슬라이싱, 평균화, 시간 축 건너뛰기, 수식 삽입을 할 수 있었습니다."
이번 작업에서 Origin이 어떻게 도움을 주었는지에 대해 그는 “Origin은 기후 데이터를 처리하는 새로운 기능을 통해 내 목표를 달성하는 데 도움이 되었고 시간과 노력을 절약해주었습니다… Origin(2021b)의 새 버전은 NetCDF 데이터 파일을 원활하게 처리할 수 있습니다. Origin은 여러 NetCDF 파일을 쉽게 가져오고 연결할 수 있습니다. 가져오기 옵션을 통해 데이터 슬라이싱, 평균화, 시간 축 건너뛰기, 수식 삽입 등을 수행할 수 있었습니다. OriginLab YouTube 채널 의 예NetCDF 파일에서 일일, 월간, 계절별 평균 집계 데이터를 가져오는 방법을 보여주는 데 유용합니다. 또한 행렬 데이터를 뒤집고, 회전하고, 보간하고, 여러 가지 방법으로 선형 피팅을 수행하는 방법을 보여줍니다. 저는 Python과 R에서 이러한 기능을 코딩하는 데 많은 시간을 보냈습니다. 또한 Origin을 사용하면 분석을 여러 번 복제할 수 있었습니다. 연구 중인 기후 매개변수(예: NetCDF 파일)를 변경하면 자동 계산 옵션이 한 번의 클릭으로 분석을 반복합니다.”
"Origin에서 제가 주목한 또 다른 영역은 내장된 Python의 최신 개선 사항입니다. 이러한 개선 사항은 번거로운 백그라운드 작업 없이 기후 데이터의 현대적인 사용을 처리하는 데 도움이 됩니다. 여기에는 다양한 구조, 다양한 날짜 형식을 가진 NetCDF 파일 처리가 포함됩니다. , 등."
Origin의 임베디드 Python 지원도 Ajjur의 핵심 기능이었습니다. 그는 “내가 Origin에 관심을 갖게 된 또 다른 영역은 내장된 Python의 최신 개선 사항입니다. 이러한 개선 사항은 성가신 배경 작업을 많이 하지 않고도 기후 데이터의 최신 사용을 처리하는 데 도움이 됩니다. 여기에는 다양한 구조, 다양한 날짜 형식 등을 가진 NetCDF 파일 처리가 포함됩니다. 또한 Origin 프로그래밍의 최신 개선 사항은 기계 학습, 데이터 처리 및 인공 신경망의 새로운 기술에 대한 사용자 지식을 확장합니다. 여러 연구 문제에서 저는 먼저 Origin의 그래픽 사용자 인터페이스(GUI)를 사용하여 필요한 Python 패키지를 설치했습니다. 그런 다음 Python 코드와 함수를 작성하고 Python 코드와 Origin 행렬 간에 데이터를 교환했습니다. 또한 Origin 소프트웨어와 함께 외부 Python(내 컴퓨터에 설치됨)을 사용했습니다. 이와 관련하여 Origin은 외부 Python에서 내 데이터를 처리한 후 필요한 추가 분석과 그래프 작성을 수행하는 데 도움을 주었습니다.”
본 연구에서 사용된 1950~2019년 기간 중 겨울의 중심 날짜(12월 24일)에 사용된 12개 기후 매개변수의 평균 패턴[1]
1990~2019년 기간 동안 겨울의 중심 날짜(12월 18일)에 대해 본 연구에서 사용된 12개 기후 매개변수의 평균 패턴[1]
본 연구에서 1950~2019년 기간 동안 여름의 중심 날짜(7월 8일)에 대해 사용된 12개 기후 매개변수의 평균 패턴[1]
본 연구에서 1990~2019년 기간 동안 여름의 중심 날짜(6월 13일)에 대해 사용된 12개 기후 매개변수의 평균 패턴[1]
Origin의 향후 사용에 대해 Ajjur는 “저는 Origin에서 다변량 통계적 접근 방식을 발견할 계획입니다. 주로 주성분 분석과 군집분석을 활용하겠습니다. 주성분 분석은 수많은 입력 변수를 정보 손실을 최소화하면서 차원을 주성분으로 축소하여 분석하는 접근 방식입니다. 이 분석은 기후 연구를 위한 대규모 데이터 세트 분석 프로세스를 쉽게 만드는 유용한 방법입니다. 군집 분석은 데이터 세트 변수를 군집이라는 더 작은 그룹으로 분류하는 데 사용되는 통계적 접근 방식입니다. 이 방법은 종관 기후학을 개발하는 데 신뢰할 수 있습니다. “
버전 2021b의 베타 단계에서 NetCDF 기능에 대해 우리와 협력해 주신 Salah Ajjur에게 감사드리며, 이러한 기능이 기후 데이터를 연구하는 광범위한 과학계에 유용하길 바랍니다.
USA International
