Methods for gap filling in long term meteorological series and correlation analysis of meteorological networks

Climate data are very useful in many fields of the scientific research. Nowadays, in many cases these data are available through giant data-base that are often yielded by automatic meteorological networks. In order to make possible research analysis and the running of computational models, these data base need to be validated, homogenized, and to be without missing values. Validation and homogenization are common operations, nowadays: the organizations that manage these data-base provide these services. The main problem remain the reconstruction of the missing data. This dissertation deal with two main topics: (a) the reconstruction of missing values of daily precipitation and temperature datasets; (b) a base analysis on the time and space correlation between stations of a meteorological network. (a) At first, a new adaptive method to reconstruct temperature data is described. This method is compare with a non-adaptive one. A detailed analysis of the effects of the number of predictors for a regression-based approach (to reconstruct daily temperature data) and their search strategy is then presented. Precipitation and temperature are the most important climatological variables, so, a method to reconstruct daily precipitation data is chosen through a comparison of four technique. (b) The methods selected in phase (a) make it possible to reconstruct the two data-base (precipitation and temperature) that will be used for the next and last work: the correlation analysis, through time and space of network data.

I dati climatologici sono molto utili in molti campi della ricerca scientifica. Oggigiorno, molte volte questi dati sono disponibili sottoforma di enormi data-base che sono spesso prodotti da stazioni meteorologiche automatiche. Affinché analisi di ricerca e lavori di modellistica siano possibili su questi data-base, essi devono subire un’opera di omogeneizzazione, validazione e ricostruzione dei dati mancanti. Le operazioni di validazione ed omogeneizzazione sono già per lo più condotte dalle organizzazioni che gestiscono questi dati. Il problema principale rimane quello della ricostruzione dei dati mancanti. Questa tesi si occupa principalmente di due argomenti: (a) la ricostruzione di valori mancanti di insiemi di dati di precipitazione e temperatura giornalieri; (b) un’analisi fondamentale sulla correlazione spazio-temporale tra le stazioni di una rete meteorologica. (a) Per prima cosa, si presenta un nuovo modello adattivo per ricostruire i dati di temperatura. Questo modello viene confrontato con uno non adattivo. Poi si presenterà un’analisi dettagliata sulla scelta ed il numero di predittori per metodi di ricostruzione di tipo multi-regressivo. Precipitazioni e temperatura sono le più importanti variabili climatologiche, così, viene scelto un metodo per ricostruire anche i dati giornalieri di pioggia, questa scelta viene fatta attraverso un confronto fra 4 tecniche. (b) Questi due metodi (ricostruzione di pioggia e temperature) permettono di ricostruire i data-base che vengono usati per il prossimo ed ultimo lavoro: l’analisi di correlazione, attraverso le coordinate spaziale e temporale della rete.