wview und DEP. FROM NORM Kalkulation bei den NOAA Reports

[Django]

HI,

ich bin gerade dabei die Darstellung der NOAA-Reports auf der Seite hier etwas zeitgemäßer und auch durchsuchbarer darzustellen, als in der bisherigen Tabellaren Struktur.

Was ich noch nicht verstanden habe ist die Berechnung von Temperatur- und Niederschlags-Abweichungen zum Normal. Weiß zufällig jemand, was hier die Basis der Berechnung ist?


Servus
Django

[Gyvate]

es handelt sich dabei um über größere Zeiträume für den jeweiligen Monat (und Region) ermittelte (Temperatur-/Regen-)Werte
siehe z.B https://de.wikipedia.org/wiki/Normalperiode
oder
https://www.dwd.de/DE/leistungen/deutsc ... _node.html

Wenn Du über mehrere Jahre eigener Aufzeichnungen verfügst, kannst Du diese Werte auch für Dich selbst berechnen.
Allerdings sind die DWD-Werte wahrscheinlich umfänglicher.

In CumulusMX müssen die z.B. in einer Tabelle eingetragen werden, damit diese Angabe in den NOOA-Reports auch richtig vorkommt.

Wenn Du da etwas anderes daraus machen willst, was ggf. hübscher und vielleicht auch Deiner Meinung nach besser lesbar etc. ist, kannst Du das dann aber genau genommen nicht mehr länger NOAA-Report nennen. Die NOAA hat da ihre Vorgaben: https://www.noaa.gov/

Da sollte dann ein neuer kreativer Name her wie z.B. "Monats-/Jahresübersicht der Klimawerte (analog NOAA)" oder etwas Ähnliches

[Django]

HI,

mir geht's in erster Linie um die Berechnungsgrundlage. Mir wird wohl nichts weiter übrig bleiben, als den Quellcode von wview weiter zu durchforsten. Im Moment ist mir (noch) nicht ganz klar, was da wview als Bemessungsgrundlage heranzieht, aber das werd' ich schon noch herausfinden.

Bei den graphisch durchsuchbaren NOAA basierenden Auswertungen geht es mir speziell, um eine Möglichkeit, längerfristige Trends darzustellen, wie z.B. der NOAA-Temperatur-Daten und der Temperaturtage (Raster) die man hier im langjährigen Vergleich eben besser sehen kann, also im "manuellen" gegenüberstellen der Datenblätter.

Die NOAA-Reports (in Textform) sind nach wie vor → hier ← zu finden. Die graphischen Aufbereitung zum Vergleichen und Durchsuchen tragen den Titel "graph. Aufbereitung der NOAA Klimatologische Zusammenfassung (Tage|Monate|Jahre)". Das sollte meiner bescheidenen Meinung nach durchaus ausreichen, da diese Seiten ja weder ANNUAL CLIMATOLOGICAL SUMMARY noch MONTHLY CLIMATOLOGICAL SUMMARY heissen. Also sollte die NOAA hier keinen Anlass zu Beanstandungen finden können.

ttyl
Django

[Gyvate]

mir geht's in erster Linie um die Berechnungsgrundlage. Mir wird wohl nichts weiter übrig bleiben, als den Quellcode von wview weiter zu durchforsten. Im Moment ist mir (noch) nicht ganz klar, was da wview als Bemessungsgrundlage heranzieht, aber das werd' ich schon noch herausfinden.

Du kannst ja gerne nach irgendwelchem Quellcode forschen.
Aber die Normalwerte kommen nicht über eine einfache Formel zustande, wie Du aus dem DWD Link sicher erkennen kannst, sondern sie basieren auf über Jahre aufgezeichneten Daten (hier in ganz Deutschland), für die es dann die entsprechenden Tabellen bzw. Grafiken gibt. Die kann man benutzen.
Ggf. hat wview genau diese Tabelle(n) "im Bauch". Denn einfach so berechnen kann man die nicht.
Und vielleicht willst Du es ja standortgenau haben und nicht als Deutschlandmittel.

Du kannst natürlich gerne versuchen, Dir die gesamte Datenbasis des DWD über Jahrzehnte zu besorgen und alles nochmal neu nachrechnen.

M.M.n. am einfachsten wäre es, Dir die für Deinen Standort relevanten Normalwerte von der DWD Website herauszusuchen.
Das sind 2 x 12 = 24 Werte (jeweils die Mittlere Normaltemperatur für jeden Monat und die mittlere Normal-Niederschlagsmenge für jeden Monat). Die kannst Du in einer Tabelle hinterlegen und als Referenz benutzen.

[Django]

Ich durchforste nicht irgendwelche Quellen, sondern den Quellcode von wview, denn wview errechnet ja irgendwie diese Werte und ich möchte wissen wie. Sicher wird wview nicht den DWD als Quelle verwenden, da bin ich mir sicher.

Beispiel:

Code: Alles auswählen

                   ANNUAL CLIMATOLOGICAL SUMMARY for 2023


NAME: Wetterstation-Pliening  CITY: Pliening              STATE: Bayern              
ELEV:  504.1 m    LAT: 48.2 N    LONG: 11.8 E


                 TEMPERATURE (C), RAIN (mm), WIND SPEED (kph)

                            DEP.    HEAT    COOL
          MEAN  MEAN        FROM    DEG     DEG                          MAX   MAX  MIN   MIN
 YR  MO   MAX   MIN   MEAN  NORM    DAYS    DAYS     HI DATE   LOW DATE >=32.2 <=0  <=0  <=-17.8
---------------------------------------------------------------------------------------------
2023 01    6.3   0.6   3.5   2.9   828.7     0.0   19.9   1   -6.9  23      0    3   13    0
2023 02    7.5   0.3   3.4   1.9   728.2     0.0   17.6  21   -7.9   9      0    0   14    0
2023 03   12.3   3.3   7.3   2.0   587.3     0.0   20.7  13   -1.2   1      0    0    7    0
2023 04   12.7   4.5   8.3  -1.7   525.5     0.0   22.8  22   -3.2   5      0    0    3    0
2023 05   19.8   9.8  14.6   0.8   206.6    10.6   28.4  21    5.6  18      0    0    0    0
2023 06   26.7  14.2  20.4   2.2     7.1   120.9   34.2  22   10.3  13      2    0    0    0
2023 07   27.9  15.8  21.4   1.5    10.5   207.8   37.6  15    9.3  27      4    0    0    0
2023 08   25.4  14.5  19.4   0.2    23.4    70.4   33.2  15   10.2   8      2    0    0    0
2023 09
2023 10
2023 11
2023 12
---------------------------------------------------------------------------------------------
          17.3   7.9  12.3   2.4  2917.2   409.6   37.6 JUL   -7.9 FEB      8    3   37    0


                            PRECIPITATION (mm)

                  DEP.    MAX         ---DAYS OF RAIN---
                  FROM    OBS.                OVER
 YR  MO  TOTAL    NORM    DAY  DATE   0.254  2.54   25.4
---------------------------------------------------------
2023 01   11.0   -34.7    2.8    5       9      1      0
2023 02   30.2    -2.7   11.0   25       6      3      0
2023 03   36.8     1.3    9.2   30      13      8      0
2023 04   68.6    28.2   22.6   28      14      7      0
2023 05   38.4   -39.0   10.0   11       9      7      0
2023 06   25.0   -71.5    9.8    8       6      4      0
2023 07   48.0   -32.0   10.8   17      16      6      0
2023 08   40.2   -42.5    9.2    6      11      8      0
2023 09
2023 10
2023 11
2023 12
---------------------------------------------------------
         298.2  -379.4    22.6 APR      84     44      0


                              WIND SPEED (kph)

                              DOM
 YR  MO    AVG     HI   DATE  DIR
----------------------------------
2023 01    6.3   62.8    15   SSW
2023 02    8.0   64.4     3    SW
2023 03    7.9   72.4    10   SSW
2023 04    5.9   56.3     1   SSW
2023 05    4.9   59.5     5    NE
2023 06    4.8   59.5    20   ENE
2023 07    5.1   77.2    12   SSW
2023 08    6.3   59.5     3   SSE
2023 09
2023 10
2023 11
2023 12
----------------------------------
           6.1   77.2   JUL   SSW

[Gyvate]

na dann bin ich mal gespannt, wie wview diese Daten für einen Standort in Deutschland ermittelt.
Du wirst uns das ja dann bestimmt hier mitteilen, wenn Du es herausgefunden hast.

[Django]

Klaro werd' ich das hier hinterlegen, o.k. sofern mir nicht wieder "das Wetter Stationsform" unter'm Allerwertesten wegzieht.

Wird aber ein Weilchen duern, da ich nicht gerade der Oberflieger in C-Programming bin. Aber soviel kann ich schon mal kund tun: In der htmlgenerator/noaaGenerate.c wird eine Variable normYearTemp verwendet und die

Code: Alles auswählen

...

    //  ... compute the "normal" values for each month  
    dbsqliteNOAAComputeNorms( normalTemp, normalRain, &normYearTemp, &normYearRain ); 

...

dbsqliteNOAAComputeNorms wird dann in der common/dbsqlite.h verwendet.

Code: Alles auswählen

...

/*  ... dbsqliteNOAAComputeNorms: compute monthly and yearly norms                                                                                                       
*/         
extern int dbsqliteNOAAComputeNorms
(          
    float*   temps,
    float*   rains,
    float*   yearTemp,
    float*   yearRain
); 

... 

[Gyvate]

das sieht danach aus, dass das Programm auf Grundlage der vorhandenen Stationshistorie diesen Mittelwert berechnet.

D.h. dann natürlich auch, dass die Qualität des Ergebnisses von der Anzahl der vorhandenen Aufzeichnungsjahre abhängig ist.
Wobei es für einen Vergleich schon besser wäre, die DWD-Daten dafür heranzuziehen, weil man ja vielleicht nicht die Abweichung vom eigenen Mittel sondern die vom Standort/regionsbezogenen Mittel nehmen sollte. Das ist ja der Sinn dieser Normalen.

[Django]

Ja, das mit der Kalkulation macht wview intern, nur die für mich sich stellende Frage ist: Wie?

Und ja, dass die Qualität der Ergebnisse nicht mit einem DWD mithalten kann, ist mir schon bewusst, schliesslich betreibe ich ja "nur" eine private Wetterstation (meine Beweggründe finden sich bei den Stationsdaten und in der Presseschau) - o.k. zwar zum Grossteil mit doch professionellen Mitteln - aber eben keine offizielle des DWD. Die nötige Fläche von mind. 4,5 x 2 mtr. und Abstände zu umgebenden Hindernissen laut DWD für das Messfeld bei Grundstückspreisen von > 1.000 € pro m² sprengen dann doch "geringfügig" mein Budget.

Mein Anspruch ist bei meinem Vorhaben lediglich die Daten die die Station erfasst und die von wview aufbereitet und gespeichert werden und aktuell in Textform generiert und an die NOAA übertragen werden, durchsuchbar und graphisch zu präsentieren, mehr nicht! Ich will mich keinesfalls mit den Profis vom DWD messen, noch mit anderen bekannten Hypochondern aus dem "professionellen Wetterlager".

[Gyvate]

zu den zwei und mehr Nachkommastellenfetischisten muss man nicht gehören - aber jedem das Seine.

Mich hat es, nachdem klar war, was die Normalwerte für Regen und Temperatur sind, 1/2 Stunde Arbeit gekostet, diese Daten für meinen Standort aus den DWD-Karten zu extrahieren und sie in einer/zwei Tabelle/n zu hinterlegen.
CumulusMX, das ich u.a. benutze, bietet diese Tabellen leer zum Ausfüllen durch den Benutzer an.
Einmal gemacht und schon habe/hatte ich eine verläßliche Referenz auf die Normalen.
Wenn man mit wview arbeitet, muss man halt dessen Eigenheiten berücksichtigen.

Sicher ist das Erstellen der Normalwerte durch monatliche Mittelwertbildung über die Stationshistorie besser als nichts.
Das ist mit hoher Wahrscheinlichkeit genau das, was wview macht. Der Code-Auszug läßt dies bereits erahnen.

Aus einem der NOAA-Reports von wview kann man ja durch einfache Subtraktion die benutzten Monatsnormalwerte bestimmen.
Und man kann die ja dann mit den DWD-Werte für die Region, in der man wohnt, vergleichen. Vielleicht sind ja die eigenen Aufzeichnungen bereits eine genügend gute Grundlage ...