Browsing by discipline "Meteorologi"

Islannissa purkautui Eyjafjallajökull-niminen tulivuori 14.4.2010. Purkauksen voimakkuus ja siitä syntynyt tuhkapilvi pysäytti lähes koko Euroopan lentoliikenteen Suomi mukaan lukien. Tässä pro gradu -tutkielmassa kerrotaan, miksi juuri Islannissa purkautui tulivuori, ja mitä vaikutuksia purkauksella oli. Tutkielma esittelee erilaisia menetelmiä havainnoida ja mallintaa tuhkan kulkeutumista. Tulkitsemalla ja yhdistämällä erilaisten mallien ja menetelmien tuloksia pyritään vastaamaan kysymykseen: oliko Suomessa tuhkaa vai ei? Tutkielma painottuu kaukokartoitusmittauksiin sekä satelliiteista että maanpinnalta. Satelliittiaineisto on peräisin Ilmatieteen laitoksen (IL) Lapin ilmatieteellisessä tutkimuskeskuksessa vastaanotettavista satelliiteista. Käytetyt satelliitti-instrumentit ovat MODIS (Moderate Resolution Imaging Spectroradiometer) ja OMI (Ozone Monitoring Instrument). Maanpinnalta tehdyt kaukokartoitushavainnot on tehty Brewer-spektrofotometrilla ja PFR-aurinkofotometrillä (Precision Filter Radiometer). PFR-mittauksia on sekä Sodankylästä että Jokioisista ja Brewer-mittauksia Sodankylästä. Kaukokartoitusaineiston lisäksi tutkielmassa käytetään kahta numeerista mallia: IL:n SILAMia (System for Integrated modeLling of Atmospheric coMposition) sekä UK Met Officen NAMEa (Numerical Atmospheric-dispersion Modelling Environment). Näiden lisäksi IL:n rikkidioksidimittausverkostoa käytetään sekä vertailussa satellittiaineiston kanssa että trajektorianalyysissä. Tutkielmassa käytettiin erilaisia lähestymistapoja tuhkan olemassaolon ja määrän selvittämiseen. Minkään yksittäisen mittauksen tai mallin perusteella ei kuitenkaan voida varmasti sanoa, oliko Suomessa vulkaanista tuhkaa vai ei keväällä 2010. Tätä voidaan pitää tutkielman tärkeimpänä johtopäätöksenä. Tulivuorten purkausten havainnoimisessa ja monitoroinnissa onkin tärkeää yhdistää erilaisten mittausten, ja mallien tuloksia ja tarkastella näitä suurena kokonaisuutena.

Eddy covariance (EC)-flux measurement technique is based on measurement of turbulent motions of air with accurate and fast measurement devices. For instance, in order to measure methane flux a fast methane gas analyser is needed which measures methane concentration at least ten times in a second in addition to a sonic anemometer, which measures the three wind components with the same sampling interval. Previously measurement of methane flux was almost impossible to carry out with EC-technique due to lack of fast enough gas analysers. However during the last decade new instruments have been developed and thus methane EC-flux measurements have become more common. Performance of four methane gas analysers suitable for eddy covariance measurements are assessed in this thesis. The assessment and comparison was performed by analysing EC-data obtained during summer 2010 (1.4.-26.10.) at Siikaneva fen. The four participating methane gas analysers are TGA-100A (Campbell Scientific Inc., USA), RMT-200 (Los Gatos Research, USA), G1301-f (Picarro Inc., USA) and Prototype-7700 (LI-COR Biosciences, USA). RMT-200 functioned most reliably throughout the measurement campaign and the corresponding methane flux data had the smallest random error. In addition, methane fluxes calculated from data obtained from G1301-f and RMT-200 agree remarkably well throughout the measurement campaign. The calculated cospectra and power spectra agree well with corresponding temperature spectra. Prototype-7700 functioned only slightly over one month in the beginning of the measurement campaign and thus its accuracy and long-term performance is difficult to assess.

Sään ennustamisessa tärkeä työväline on numeerinen säämalli, jossa ilmakehän tilan kuvaaminen perustuu niin sanottujen perusyhtälöiden ratkaisemiseen. Niiden avulla lasketaan tuulen nopeuden, ilmanpaineen, lämpötilan ja kosteuden muutokset pienin aika-askelin eteenpäin. Numeerinen säämalli tarvitsee lähtötiedokseen laadultaan hyviä havaintoja ilmakehän todellisesta tilasta. Joka vuorokausi kymmenet in-situ- ja kaukohavaintojärjestelmät tekevät havaintoja ilmakehästä sen pintakerroksesta ylärajaan asti. Pelkät havainnot eivät kuitenkaan riitä antamaan tarpeeksi tarkkoja lähtötietoja säämallille. Ongelman ratkaisu on data-assimilaatiojärjestelmä. Se yhdistää laatukontrollin läpikäyneen havaintotiedon ja mallitiedon, jota kutsutaan ennakkokentäksi, ja luo niiden avulla analyysin ilmakehän todellisesta tilasta. Havaintojärjestelmäkokeiden (OSE) avulla testataan havaintojärjestelmien vaikutuksia data-assimilaatiojärjestelmän tuottamien analyysien ja niistä tuotettujen sääennusteiden laatuun. OSE:n avulla selvitetään, kuinka hyvin saatavilla olevia havaintoja käytetään hyväksi, tai kannattaako jokin uusi havaintojärjestelmä ottaa mukaan operatiiviseen ennustusjärjestelmään. Tämän tutkielman aluksi tutustutaan lyhyesti numeerisiin säämalleihin, havaintojärjestelmiin ja dataassimilaatiojärjestelmiin, minkä jälkeen tehdään yleinen kirjallisuuskatsaus havaintojärjestelmäkokeiden suorittamisesta. Sen jälkeen keskitytään Doppler-säätutkan tuottamien tutkasäteen suuntaisten tuulen nopeushavaintojen hyödyntämiseen rajoitetun alueen HIRLAM-säämallissa, mitä on tutkittu viime vuosina Ilmatieteen laitoksessa (IL). Kaukohavaintojärjestelmien käyttö on lisääntynyt viime vuosien aikana kehittyneiden analyysimenetelmien ansiosta. Tavanomaisten in-situ- havaintojärjestelmien raju vähentäminen dataassimilaatiossa ei näytä kuitenkaan vielä olevan mahdollista. Kaukohavainnot ovat useiden OSE-kokeiden perusteella parantaneet analyysiä ja ennusteita erityisesti alueilla, joissa tavanomainen havaintoverkosto on harva. Tutkatuulihavaintojen on ajateltu tuovan parannuksia rajoitetun alueen säämalleihin, sillä niiden avulla saadaan tärkeää lisätietoa tuulen ageostrofisista ominaisuuksista. Sen johdosta pienen mittakaavan sääilmiöiden kuten meri- ja rinnetuulien ennustettavuuden toivotaan paranevan. IL:ssa on kehitetty tutkatuulihavaintojen käsittely- ja mallintamismenetelmiä, minkä jälkeen on suoritettu OSE Suomen tutkaverkoston tuulihavainnoilla aikavälille 1.-29.2.2008 HIRLAMin operatiiviselle 3D-VAR dataassimilaatiojärjestelmälle. Kyseisen OSE:n aineisto on saatu käyttöön tähän tutkielmaan. Kontrolliassimilaatiossa CON ovat mukana kaikki operatiiviset havaintojärjestelmät ja koeassimilaatioon RAD_ALL on syötetty myös tutkatuulihavainnot. Tässä tutkielmassa OSE:n tulokset todennetaan TEMP-tuulihavaintojen avulla tutkimalla ennakkokentän ja analyysin harhaa sekä satunnaisvirhettä. Tulosten perusteella tutkatuulihavainnot parantavat ennakkokenttää ja analyysiä erityisesti keskitroposfäärissä, mutta alatroposfäärissä vaikutus analyysiin on lähes neutraali. Koska tutkatuulihavainnot ulottuvat n. 4-6 km korkeuteen, ne eivät vaikuta ylätroposfäärin analyysiin. Tulokset eivät kuitenkaan ole tilastollisen testin perusteella tilastollisesti merkitseviä. Parhaimmillaan RAD_ALLassimilaation voidaan osoittaa olevan CON-assimilaatiota parempi 20% merkitsevyystasolla. Lopuksi suoritettu tapaustutkimus osoittaa, että tutkatuulihavaintojen vaikutus näkyy tuulen nopeuden analyysi-inkrementtikentässä sekä jossain määrin myös lyhyessä 12h pintapaine-ennusteessa Suomen alueella. Tapaustutkimuksen perusteella tutkatuulihavaintojen vaikutus analyysiin ja ennusteeseen näyttäisi olevan lähes neutraali. OSE:n toistaminen kesäkuukaudelle voisi olla hyödyllistä, koska talvella ei esiinny esimerkiksi merituulia. Tämän tutkielman tulosten perusteella tutkatuulihavaintojen käyttäminen HIRLAMin 3D-VAR assimilaatiojärjestelmässä on hyödyllistä.

Kiihtyvä muuttoliike maaseuduilta kaupunkeihin tulee lähivuosikymmeninä edelleen kasvattamaan tiiviisti rakennettuja kaupunkialueita. Rakennusten ja rakenteiden varastoiman lämpösäteilyn sekä osittain myös liikenteen ja teollisuuden tuottaman hukkalämmön vaikutuksesta kaupunkialueiden ympärille muodostuu lämpösaareke ja se havaitaan voimakkaimpana usein erityisesti yöaikaan. Voimistuessaan lämpösaarekkeilla on monia haitallisia ominaisuuksia. Kesäkuukausina tukahduttavat helteet yleistyvät ja lisääntyvän sähkönkulutukset myötä myös kiinteistöjen ylläpidon kustannukset kasvavat. Talvella lämpösaareke voi vaikeuttaa teiden kunnossapitoa ja kiihdyttää rakenteisiin ja tienpintoihin syntyviä routavaurioita. Kiihtyvän muuttoliikkeen myötä myös tiedon tarve kasvaa, jotta kaupunkilaisten elinympäristö voidaan säilytetään mahdollisimman miellyttävänä. Tässä työssä tutkittiin eri menetelmillä kaupunkien lämpösaarekeilmiötä voimistavaa ihmisperäisen lämpövuon sekä lämmön varastotermin käyttäytymistä Helsingin kantakaupungin alueella. Lämmön varastotermin käyttäytymistä tutkittiin energiataseyhtälön jäännösterminä sekä mallintamalla varastotermiä suoraan hystrereesimallin avulla. Työssä pyrittiin myös selvittämään, voidaanko lämmön varastotermin muutoksen suuruutta arvioida suoraan pintalämpötilahavaintojen avulla. Ihmisperäisen lämpövuon käyttäytymistä mallinnettiin LUCY-mallin sekä yksinkertaisen viilennys- ja lämmitystarvelukuihin perustuvan HDD/CDD-mallin avulla. Työssä tarkasteltiin lisäksi mallien suorituskykyjä sekä eri menetelmillä saatujen tulosten eroja. Ihmisperäisen lämmön vuota mallinnettaessa havaittiin, kuinka sekä LUCY- että HDD/CDD-malli tuottivat samoilla lämpötilan kynnysarvoilla varsin samankaltaisia tuloksia. Keskikesällä arvot vaihtelivat pääosin välillä 25-30 Wm-2, keskitalvella välillä 40-50 Wm-2. Tulosten pohjalta HDD/CDD-malli voi jatkossa olla monessa tilanteessa yksinkertaisuutensa vuoksi helpompi menetelmä mallintaa ihmisperäisen lämpövuon käyttäytymistä. Lämmön varastotermin tapauksessa havaittiin, että myös hystereesimalli tuottaa etenkin kesäkuukausien aikana muiden menetelmien avulla laskettujen arvojen kanssa hyvin samankaltaisia tuloksia. Talvella heikentyneen säteilypakotteen havaittiin hävittävän tuloksista lyhytaikaisen vaihtelun, mutta keskiarvoistetut tulokset olivat yhä hyvin linjassa muiden menetelmien tulosten kanssa. Lämmön varastotermin käyttäytymistä tarkisteltiin myös suoraan energiataseyhtälön avulla olettamalla ihmisperäinen lämmön vuo merkitykkettömän pieneksi. Nyt käytetty yksinkertaistus havaittiin kuitenkin tuloksista selvästi, talvella residuaalimenetelmällä lasketut varastotermin arvot olivat noin 50 ja kesällä noin 25 Wm-2 pienempiä kuin muilla menetelmillä saadut tulokset. Sekä hystereesimalli että residuaalimenetelmä vaikuttivat tulosten perusteella toimivalta tavalta mallintaa varastotermin käyttäytymistä. Pintalämpötilojen avulla lasketut varastotermin arvot eivät kuitenkaan näyttäneet olevan vertailukelpoisia muiden menetelmien tulosten rinnalla. Mallin havaittiin olevan hyvin herkkä muutoksille käytettyjen vakioiden arvoissa ja niiden tarkkojen arvojen määrittäminen osoittauitui hyvin haastavaksi.

Tässä Pro gradu -työssä tutkittiin yksiulotteisen numeerisen mallin alkutilan kosteusprofiilin vaikutusta sadeveden haihtumisen ja sen aiheuttaman ilman jäähtymisen voimakkuuteen lyhyellä aikavälillä. Tutkimuksessa mallinnettiin mesoskaalan konvektiiviseen systeemiin liittyvää tasaisen sateen alueen alasinpilveä idealisoiduissa olosuhteissa "äärettömänä alasimena''. Alasinpilven alarajaa mallinnettiin pitämällä sadeveden sekoitussuhde vakioarvossa 0,143 g/kg yhdellä mallipinnalla 570 hPa:n korkeudessa koko malliajon ajan. Tutkimuksessa tarkasteltiin tältä mallipinnalta putoavan sadeveden haihtumisen aiheuttamaa vesihöyryn sekoitussuhteen kasvua ja lämpötilan laskua. Malliajot suoritettiin viidellä eri alkutilan kosteusprofiililla käyttäen yksiulotteista OpenIFS SCM -mallia. Kaikki muut alkutilan muuttujat pidettiin samoina kaikissa tapauksissa. Kaikissa tapauksissa käytetty lämpötila- ja ensimmäinen kosteusprofiili muodostettiin käyttäen ERA-Interim -uusanalyysiä. Neljä muuta kosteusprofiilia muodostettiin painottaen ERA-Interimin avulla luotua kosteusprofiilia gaussin funktiolla 300-960 hPa:n välillä siten, että painotus oli suurin 590 hPa:n korkeudella. Kaikkein kosteinta tapausta ei kuitenkaan huomioitu tulosten tarkastelussa, sillä kyseisessä tapauksessa malli käynnisti konvektion välittömästi eivätkä tulokset tästä syystä olleet vertailukelpoisia muiden tapausten kanssa. Alkutilan kosteusprofiili vaikuttaa sekä haihtumisen voimakkuuteen että jäähtyvän kerroksen rakenteeseen. Kosteammat alkutilat johtivat haihtumisen heikkenemiseen, mutta samalla suurempi osa samasta sadevesimäärästä pääsi putoamaan alemmille mallipinnoille. Tästä syystä haihtuminen ja jäähtyminen alkoivat vaikuttaa alemmilla mallipinnoilla aiemmin. Ensimmäisten 30 minuutin aikana malliajon alusta ero haihtumisen aiheuttaman ilman jäähtymisen voimakkuudessa kasvoi suurimmillaan jopa kolminkertaiseksi, kun alkutilan suhteellinen kosteus kyseisessä kerroksessa oli 40 % -yksikköä pienempi. Todellisessa ilmakehässä voimakkaampi haihtuminen kuivilla alueilla vahvistaa mesoskaalan kyllästymättömän laskuvirtauksen voimakkuutta tasaisen sateen alueella. Tällöin rajakerroksen yläpuolelle voi muodostua ohut lämmin anomalia, joka on tarpeeksi voimakas estämään konvektion myöhemmän kehityksen alueella. Kosteilla alueilla heikompi haihtuminen ensinnäkin johtaa heikompaan laskuvirtaukseen ja toisekseen lisää haihtumista alemmissa kerroksissa, mikä voi estää lämmintä anomaliaa muodostumasta.

Ilmastonmuutoksen vaikutusta trooppisiin hirmumyrskyihin tarkasteltaessa tulee yhdistää teorioiden, havaintojen ja mallisimulaatioiden tuloksia. Epävarmuustekijät liittyvät trooppisten hirmumyrskyjen luonnolliseen vaihteluun, tulevien pakotteiden suuruuteen ja vaikutukseen, sekä mallisimulaatioiden rajoituksiin ja osittain myös teorioiden puutteisiin. Vaikka kiinnostus kohdistuu trooppisten hirmumyrskyjen muutoksiin niiden kaikilla esiintymisalueilla, ovat useammat tutkimukset kuitenkin keskittyneet Pohjois-Atlantille, koska havainnot ovat sieltä luotettavampia ja kattavat pidemmän ajanjakson. Teorioiden ja mallisimulaatioiden mukaan trooppisten hirmumyrskyjen voimakkuus tulee kasvamaan ilmastonmuutoksen myötä termodynaamisen tehokkuuden ja termodynaamisen epätasapainon kasvaessa sekä pintatuulennopeuden heikentyessä. Voimakkuuden kasvun myötä myös tuhoisuus, joka koostuu myrskyjen maksimipintatuulen kuutiosta, eliniästä ja määrästä, kasvaa CMIP5-mallisimulaatioiden mukaan ainakin yli 20 % 8.5 W/m²:n säteilypakotteella vuoteen 2100 mennessä. Voimakkuuden kasvun lisäksi tuhoisuuden noususta vastaa osin myös mahdollisesti trooppisten hirmumyrskyjen eliniän ja voimakkaimpien myrskyjen määrän kasvu. Trooppisten hirmumyrskyjen sademäärä kasvaa, kun ilmakehän vesihöyrysisältö kasvaa ilmaston lämmetessä. Mallisimulaatioiden mukaan trooppisten hirmumyrskyjen globaali sademäärä kasvaa keskimäärin n. 20 % n. 6 W/m²:n säteilypakotteella vuoteen 2100 mennessä. Sademäärä Pohjois-Atlantilla kasvaa n. 10–30 % 4.5 W/m²:n säteilypakotteella vuoteen 2100 mennessä. Mallisimulaatioilla havaitaan myös Pohjois-Atlantin trooppisten hirmumyrskyjen ratojen siirtyvän itään päin ilmastonmuutoksen vaikutuksesta. Ilmastonmuutoksen aiheuttamien keskitroposfäärin kyllästysvajeen kasvun sekä konvektiivisen massavuon laskun arvellaan vaikuttavan trooppisten hirmumyrskyjen määrää laskevasti ja pintatuulennopeuden heikentymisen määrää nostavasti. CMIP5-mallien tulokset ovat sekalaisia sekä globaalin että alueellisten määrien muutosten suhteen ja riippuvaisia käytetystä mallisimulaation menetelmästä. Kuitenkin voimakkaimpien trooppisten hirmumyrskyjen määrä tulee melko varmasti nousemaan globaalin voimakkuuden kasvaessa. Teoria on kuitenkin vielä vajavaista trooppisten hirmumyrskyjen synnyn ja määrän suhteen. Mallien horisontaalisen resoluution kasvaessa tuloksista odotetaan tulevan varmempia.

Nykyään sääennusteet perustuvat useimmiten numeeristen sääennustusmallien (NWP) tuottamiin laskelmiin. Tavallisesti ennusteet ovat deterministisiä, joten ne eivät kerro mitään ennusteen epävarmuudesta. Epävarmuus on kuitenkin tärkeä tieto ennustettaessa harvinaisia ja vaarallisia sääilmiöitä kuten voimakasta tuulta. Tässä tutkimuksessa Suomen merialueiden deterministisistä tuuliennusteista muokattiin tilastollisen jälkiprosessointitekniikan (MOS) avulla todennäköisyysennusteita. Menetelmänä käytettiin laajennettua logistista regressiota (ELR), joka tuottaa jatkuvan todennäköisyysjakauman kuvaamaan valitun tuulen nopeuden kynnysarvon ylittymistä. ELR-malli luotiin käyttäen ennusteparametreina ECMWF:n tuulidataa 12 meriasemalta vuosilta 2011–2013. Kahta vuotta ennuste- ja havaintodatasta käytettiin mallin harjoituttamisessa ja yhtä vuotta luodun mallin verifioinnissa. Saatujen tulosten mukaan ELR-mallin tuottamien todennäköisyysennusteiden tarkkuus on kaikilla tarkastelluilla tuulen nopeuden kynnysarvoilla (2-20 m/s) huomattavasti klimatologisen ennusteen tarkkuutta parempi. Ennusteiden luotettavuus on hyvä lähes kaikilla tutkituilla ennustepituuksilla (12, 24, 36 ja 48 tuntia), kun tuulen nopeuden kynnysarvona on 12, 14 tai 16 m/s. Ainoastaan ennustepituudella 48 tuntia ja kynnysarvolla 16 m/s, ennusteiden luotettavuus alkaa olla heikompi. Tutkimustulosten mukaan ELR-mallilla on myös taipumusta hieman aliennustaa tapahtumaa, kun tuulen nopeuden kynnysarvo kasvaa. Lopuksi ELR-mallilla tuotetut todennäköisyysennusteet muokattiin takaisin deterministiseen muotoon ja niitä verrattiin alkuperäisen mallin (ECMWF) ennusteisiin. Tulokset osoittavat ennusteiden RMS-virheen paranevan keskimäärin 5,0 %:a kaikilla ennustepituuksilla. Kun ennusteiden RMS-virheitä tutkitaan eri tuulen nopeuden luokissa, havaitaan ennusteiden paranevan eniten kovimmilla tuulen nopeuksilla (16-20 m/s). Ennusteiden RMSE paranee tällöin 18,4-38,5 %:a alkuperäiseen malliin verrattuna ja eniten parannusta tapahtuu ennustepituuden ollessa lyhyt. Tämä tutkimus osoittaa, että ELR-menetelmällä tuotetut todennäköisyysennusteet tuulen nopeudelle ovat kokonaisuudessaan hyviä. Jotta ennusteita voitaisiin vielä parantaa, ELR-mallia olisi hyvä harjoituttaa pidemmällä jaksolla, jotta erityisesti kovia tuulen nopeuksia sisältyisi aineistoon enemmän. Jatkossa ELR-mallia voisi laajentaa kaikkiin Suomen merialueiden hilapisteisiin, jolloin sitä voitaisiin hyödyntää operatiivisessa säänennustus- ja varoitustoiminnassa.

Åska är ett välkänt fenomen. Med hjälp av CAPE (Convective Available Potential Energy) och jämviktsnivån (Equilibrium Level) är det möjligt att förutspå åska under varma perioder. Problemet är dock att åska ibland kan förekomma också under kalla perioder och då fungerar inte CAPE eller jämviktsnivån lika bra, vilket gör att kalla tiders åska oftast slår till överraskande. I min avhandling kom det fram att bymolnen inte utvecklar åska på samma sätt under varma och kalla perioder. Detta har också konstaterats i andra studier. Detta gör att man måste undersöka kalla tiders åska från en annan synvinkel än varma tiders åska, som följer den välkända teorin. Ibland kan bymolnen bli väldigt svaga och låga under kalla perioder. I sådana fall tror man att ett nära flygande flygplan brukar orsaka det elektriska utbrottet. Med hjälp av radar kan man märka att det finns risk för kalla tiders åska genom att undersöka snöhagel mängden i bymolnet. Problemet är att radarn inte berättar varför något av bymolnen kommer att åska eller om det kommer att åska överhuvudtaget. I alla fall har några länder skapat en algoritm för kalla tiders åska. Algoritmerna tar inte hänsyn till CAPE eller jämviktsnivån, utan algoritmerna undersöker temperaturen på en viss höjd i atmosfären, frysningsnivåns höjd och nederbördens intensitet. KNMI:s (Koninklijk Nederlands Meteorologisch Instituut) algoritm passar bäst med mina tre fall. Den största orsaken till varför det förekommer kalla tiders åska i Nederländerna och i andra studier är kall advektion, som också förekommer i mina fall. Det ser ut som att det i framtiden kan finnas ett sätt att förutspå kalla tiders åska i Finland.

Tämä työ perustuu vuosina 1951–2000 toukokuusta syyskuuhun Helsingin Kaisaniemen mittausasemalla kerättyyn piirtävän sademittarin aineistoon. Työssä esitellään sadantaan vaikuttavia tekijöitä Helsingin Kaisaniemessä ja pohditaan alueen ilmastollista edustavuutta. Työn pääpaino on aineiston laadun arvioinnissa ja Helsingin Kaisaniemen kesäsateiden ilmastollisten piirteiden kuvaamisessa mahdollisimman monipuolisesti. Piirtävän sademittarin digitalisoitu aineisto osoittautui laadultaan hyväksi, ja aineistosta laskettujen vuorokausisadesummien todettiin korreloivan hyvin saman mittausaseman sadekeräysastioiden vuorokausisadesummien kanssa. Sadannan piirteitä voidaan kuvata useilla tilastollisilla jakaumilla. Tässä työssä kahden eksponenttijakauman summa osoittautui parhaiten kuvaamaan sateen ja sateettomien jaksojen kestoja sekä sadetapahtumien sadesummia. Sateen intensiteetin ääriarvot sovitettiin yleistettyyn ääriarvojakaumaan, ja jaksomaksimimenetelmällä rankoille sateille laskettiin toistumisaikoja. Tulokseksi saatiin, että Helsingin Kaisaniemessä sataa kerran 50 vuodessa 1.78 mm/min 10 minuutin ajan, 1.53 mm/min 15 minuutin ajan, 0.95 mm/min 30 minuutin ajan ja 0.52 mm/min 60 minuutin ajan. 56 hetkellisesti rankimmasta sateesta muodostettu sateen teoreettinen ajallinen muoto on lähes symmetrinen rankimman hetken suhteen, mutta yksittäisten rankkojen sateiden ajallisen muodon todettiin vaihtelevan paljon. Tämän työn tulosten perusteella voidaan todeta, että toukokuussa sateet ovat Helsingin Kaisaniemessä intensiteetiltään heikkoja ja pitkäkestoisia. Kesäkuussa konvektiiviset sateet yleistyvät etenkin iltapäivällä. Heinäkuussa ja elokuussa sateet ovat rankkoja ja lyhytkestoisia, ja elokuussa sademäärän sekä intensiteetin vuorokausivaihtelu on suurimmillaan. Syyskuussa sateen osuus kokonaisajasta on kesäkuukausista suurin ja intensiteetin vuorokausivaihtelu on vähäistä. Meri vaikuttaa Helsingin Kaisaniemen sateisiin etenkin alkukesällä. Kaupungin kasvun vaikutuksia ei tuloksista voitu erottaa. Vuosikymmenten välillä esiintyy suuria eroja etenkin sadetapahtumien kestossa ja lukumäärässä, mutta selviä merkkejä ilmastonmuutoksesta ei löytynyt. Helsingin Kaisaniemessä sataa kesällä keskimäärin 4.5 % kokonaisajasta. Yksi sadetapahtuma kestää keskimäärin 60 minuuttia ja sateeton jakso keskimäärin 21 tuntia. Sateen intensiteetti on koko kesän aikana keskimäärin 0.020 mm/min.

Tässä tutkielmassa tarkastellaan geostationäärisen satelliitin mittauksiin perustuvan sadetuote CRR:n (Convective Rainfall Rate) kykyä havaita ja arvioida konvektiivisia sadetilanteita Pohjois-Euroopassa. Aineistona käytetään vuoden 2017 kesäkuukausilta (kesä–elokuu) kerättyä dataa. CRR:n arvioimista sateen intensiteeteistä lasketaan tunnin sadekertymät, joita verrataan sademittareiden avulla korjattuihin, Euroopan laajuisen OPERA-tutkayhdistelmän tuottamiin tunnin kertymiin. Kertymien suhde lasketaan tunti tunnilta OPERA-hilan joka hilapisteessä, ja suhteesta muodostetaan normaalijakautunut vertailusuure F. Lisäksi CRR:n suorituskyvyn arvioimiseen käytetään laadullisia indikaattoreita kuten CSI:tä (Critical Success Index). CRR havaitsi tarkasteluajanjaksolla 30 prosenttia tapauksista, joissa hilapisteen sadekertymä oli yli 1 mm/h. Se keskimäärin yliarvioi kertymiä hieman, joskin tulosten hajonta on suurta (F:n mediaani logaritmisella asteikolla 0,43, hajonta 3,07). CRR:n suorituskyky huonontuu pohjoista kohti, mikä onkin odotettavissa, koska mitä korkeampaa leveyspiiriä tarkastellaan, sitä pienempi on geostationäärisen satelliitin katselukulma Maan pinnan kaareutumisen vuoksi. Tutkielman tuloksia hyödynnetään kehitettäessä Euroopan laajuista yhdistelmäsadetuotetta (PERC, Pan-European Rainfall Composite), joka yhdistää CRR:n tuottaman sadekentän OPERA-tutkasadekenttään ja GLD360-salamanpaikannusverkoston tuottamien salamatietojen avulla laskettuun sadekenttään. PERC on tarkoitettu lähihetkiennustamisen tueksi tehtävään sadetilanteen analyysiin, jotta konvektiivisiin sateisiin liittyviin riskeihin, kuten äkkitulviin, voitaisiin varautua nykyistä paremmin. CRR:n suorituskykyä verrataan OPERA-tutkayhdistelmän ja GLD360-salamasadetuotteen suorituskykyyn, jotta PERC:n eri komponenttien käyttöä voitaisiin painottaa optimaalisesti. OPERA-tuotteella on suurempi systemaattinen virhe (mediaani –1,93), mutta hajonta (0,99) on selvästi pienempää kuin CRR:llä. CSI:llä mitattuna OPERA on huomattavasti CRR:ää parempi (0,52 vs. 0,19). GLD360:n tulokset ovat kaikkiaan huonoimpia. Näiden tulosten perusteella todetaan, että PERC:iä muodostettaessa kannattaa hyödyntää OPERA-tutkayhdistelmää silloin, kun se on saatavilla. OPERA-peittoalueen reunoilla ja ulkopuolella, etenkin Euroopan eteläosissa, CRR ja GLD360 voivat kuitenkin täydentää sadetilanteen arviota.