Lumen peittämän alan määrittäminen satelliittitutkalla

Koko: px
Aloita esitys sivulta:

Download "Lumen peittämän alan määrittäminen satelliittitutkalla"

Transkriptio

1 Kandidaatintutkielma Teoreettisen fysiikan suuntautumisvaihtoehto Lumen peittämän alan määrittäminen satelliittitutkalla Tuomo Smolander Ohjaaja: Tarkastaja: TkT Kari Luojus, Ilmatieteen laitos Yliopistonlehtori Jouni Niskanen, Helsingin yliopisto HELSINGIN YLIOPISTO FYSIIKAN LAITOS PL 64 (Gustaf Hällströmin katu 2) Helsingin yliopisto

2 Tiivistelmä Työssä selvitetään lumen peittoalan määrittämistä NASAn QuikSCAT-satelliitin tuottamista sirontamittauksista Suomessa keväisten sulamisjaksojen aikana. Verrattaessa tuloksia optisen alueen mittauksiin pohjautuviin arvioihin havaitaan menetelmän toimivan kohtuullisesti. Menetelmä vaikuttaisi soveltuvan myös reaaliaikaiseen seurantaan. Työn perusteella paremman tarkkuuden saaminen vaatisi kuitenkin lisäksi tietoa tarkemmasta sulamisjakson ajankohdasta. 1

3 Sisältö 1 Johdanto 3 2 Teoria Satelliitti Instrumentti Lumi Menetelmät Sulamisjakso Lumen peittämä ala Tulokset 14 5 Yhteenveto ja johtopäätökset 22 2

4 Luku 1 Johdanto Kaukokartoitus satelliittien avulla mahdollistaa hyödyllisen tiedon keräämisen eri luonnonilmiöistä kuten lumipeitteestä suuressa mittakaavassa. Parhaimmillaan koko maapallo saadaan kuvattua muutamassa päivässä. Lumipeitteestä ollaan kiinnostuneita useista syistä. Ensinnäkin lumien sulamisvedet ovat merkittävä tekijä veden kiertokulussa, kuten esimerkiksi tulvien syntymisessä. Toiseksi lumipeite heijastaa tehokkaasti auringon säteilyä juuri sen säteilymaksimin aallonpituudella, joten lumen vaikutus maapallon säteilytasapainoon ja lämpötilaan on suuri. Lisäksi se on herkkä ilmaston muuttumiselle, joten sitä tarkkailemalla voidaan seurata ilmastonmuutoksen etenemistä. Lumipeitettä voidaan tutkia eri aallonpituuksilla suoritetuista mittauksista. Tässä työssä käytettävät mittaukset osuvat taajuudeltaan mikroaaltoalueelle. Vaikka ne tarjoavat karkeamman resoluution kuin optisen aallonpituuden mittaukset, on niiden etuina riippumattomuus valoisuudesta ja pilvipeitteestä. Ne myös mahdollistavat havaintojen tekemisen lumen sisäisestä rakenteesta [1]. Työn aluksi esitellään NASAn QuikSCAT-satelliitti ja sen SeaWindsintrumentti, jonka mittauksiin työ perustuu. Lisäksi kerrotaan hieman lumesta ja sen sirontaominaisuuksista. Tämän jälkeen käydään läpi käytetyt me- 3

5 LUKU 1. JOHDANTO 4 netelmät sulamisjakson ja lumen peittämän alan määrittämisessä, sekä esitellään saadut tulokset ja näiden pohjalta tehdyt johtopäätökset.

6 Luku 2 Teoria 2.1 Satelliitti NASA laukaisi Quick Scatterometer -satellitin (QuikSCAT, kuva 2.1) 19. kesäkuuta 1999 Kaliforniasta. Satelliitin ainoa hyötykuorma on SeaWindssirontamittari, jonka korvasi rikkoutuneen ADEOS-1 -satelliitin (Advanced Earth Observing Satellite) NSCAT-sirontamittarin (NASA Scatterometer) [2]. Satelliitin rungon mitat ovat 2, 2 1, 7 1, 4 metriä, ja sen kokonaismassa laukaisuhetkellä oli 970 kilogrammaa. Satelliitti kiertää maata aurinkosynkronisella radalla, joten se ylittää päivittäin samat maapallon kohdat samaan aikaan ja samanlaisissa valaistusolosuhteissa suhteessa aurinkoon. Radan korkeus on 803 kilometriä, kiertoaika 101 minuuttia ja se kulkee läheltä maapallon napoja (radan inklinaatio on 98,6 astetta) [3]. 2.2 Instrumentti Nimensä mukaisesti SeaWinds-sirontamittarin ensisijainen tarkoitus on tutkia merituulia mittaamalla meren pinnan takaisinsirontakerrointa [4]. Laite on Ku-taajuusalueella (keskitaajuus 13,4 GHz) toimiva pulssitutka, eli se lähettää lyhyitä sähkömagneettisia pulsseja ja mittaa niiden kohteesta takai- 5

7 LUKU 2. TEORIA 6 Kuva 2.1: QuikSCAT-satelliitti [8]. sinsironneen tehon P r = P tg 2 λ 2 σ (4π) 3 R 4, missä P t on lähetysteho, G antennin vahvistus, λ aallonpituus, σ kohteen tutkapoikkipinta-ala ja R etäisyys kohteesta. Yhtälöä kutsutaan tutkayhtälöksi [5]. Takaisinsirontakerroin σ saadaan keskiarvoistamalla tutkapoikkipintaala σ suhteessa kohteen pinta-alaan A yhtälön σ = σ A mukaisesti. Mittaustulokset ilmaistaan yleensä logaritmisella asteikolla, joka saadaan muunnoksella [6] σ db = 10 log 10 σ. Instrumentissa on halkaisijaltaan metrin oleva parabolinen antenni, joka pyörii ympäri 18 kertaa minuutissa, ja mittaa tällöin vertikaalipolarisaatiolla (V-polarisaatio) 1800 kilometrin ja horisontaalipolarisaatiolla (Hpolarisaatio) 1400 kilometrin levyistä aluetta. (Kuva 2.2) V-polarisaatiolla

8 LUKU 2. TEORIA 7 Kuva 2.2: Mittausten geometria [4]. mittauskulma pinnan normaaliin nähden on noin 54 astetta ja H-polarisaatiolla 46 astetta [4]. Kyseessä on teräväkeila-sirontamittari, jonka etuina viuhkakeila-sirontamittariin verrattuna ovat korkeampi signaali-kohina -suhde, pienempi koko sekä ylivertainen peitto [3]. SeaWinds saakin kuvattua vuorokaudessa noin 90 % maapallosta. Lähellä napoja olevat alueet (yli 40 astetta pohjoista tai eteläistä leveyttä) joihin Suomikin lukeutuu kuvataan vuorokaudessa kahdesti [7]. Takaisinsirontakertoimien mittaustulokset prosessoidaan kahteen eri muotoon. Antennin kuvaama ala on ellipsin muotoinen, mutta instrumentin sisäänrakennetun prosessoinnin avulla resoluutiota kyetään parantamaan ja muodostamaan kaksitoista erillistä 4-6 kilometriä pitkää ja 20 kilometriä leveää mittausta, joita kutsutaan slice-dataksi. Kahdeksan keskimmäisen slicealueen summaa kutsutaan egg-dataksi. Sen koko on noin 15 kilometriä kertaa 25 kilometriä, ja se vastaa likipitäen antennin keilanleveyttä maanpinnalla. (Kuva 2.3) Egg-datan huonompaa resoluutiota kompensoi vähäisempi kohina sekä pienempi herkkyys kalibraatiovirheille [8].

9 LUKU 2. TEORIA 8 Kuva 2.3: Egg- ja slice-alueet [8]. Tässä työssä käytetty data on peräisin Brigham Young -yliopistossa toimivalta NASAn Scatterometer Climate Record Pathnder -projektilta. Käytössä on ollut egg-sirontadata keskiarvoistettuna 22,25 kilometrin pikseliresoluutiolle. Keskiarvoistuksen myötä todellinen resoluutio on kuitenkin hieman tätä huonompi [8]. Data on otettu laskevan radan H-polarisaation mittauksista, sillä niiden on todettu soveltuvan parhaiten lumen peittämän alan määrittämiseen [9]. SeaWindsin alkuperäinen tutkimuskohde, eli merituulten nopeus, määritetään epäsuorasti tuulen aiheuttamista muutoksista merenpinnan sironnassa [3]. Jet Propulsion Laboratoryssa NASAn alaisuudessa toimiva PO.DAAC (Physical Oceanography Distributed Active Archive Center) tarjoaa SeaWinds-datasta muodostettuja tuotteita, kuten tuulikarttoja, julkisesti Internetissä [10]. Merituulten lisäksi sirontadatasta on kartoitettu muun muassa arktisten jääalueiden laajuutta, jäävuorten sijaintia sekä erilaisia lumipeitteen ominaisuuksia [11, 1]. Taulukkoon 2.1 on koottu keskeisimmät tiedot QuikSCAT-satelliitista, SeaWinds-instrumentista sekä käytetyn sirontadatan ominaisuuksista.

10 LUKU 2. TEORIA 9 Taulukko 2.1: QuikSCAT-satelliitin, SeaWinds-instrumentin sekä käytetyn sirontadatan ominaisuuksia [3, 4, 8]. Ominaisuus Kokonaismassa Rungon mitat Ratakorkeus Jaksonaika Kiertoaika Inklinaatio Satelliitti Arvo 970 kg 2,2 m 1,7 m 1,4 m 803 km 4 päivää (57 kierrosta) 101 min 98,616 Ominaisuus Keskitaajuus Polarisaatio Mittauskulma Antenni Kiertonopeus Keilanleveys Instrumentti Arvo 13,4 GHz H ja V 46 (H) ja 54 (V) paraboloidi, ø 1 m 18 kierrosta minuutissa 1, 8 1, 6 (H) ja 1, 7 1, 4 (V) Ominaisuus Ruudunkoko: egg slice Sirontadata Arvo 22,25 km (perusresoluutio) 4,45 km (parannettu resoluutio) 11,125 km (perusresoluutio) 2,225 km (parannettu resoluutio)

11 LUKU 2. TEORIA Lumi Kuiva lumi koostuu jääkiteistä ja ilmasta. Kosteassa lumessa mukana on myös nestemäistä vettä. Lumen raekoko on tyypillisesti 0,1 2,0 millimetriä [12]. Sääolosuhteet vaikuttavat kuitenkin suuresti raekokoon ja -muotoon. Kylmässä lumikristallit ovat teräväsärmäisiä, lämpimässä muodoltaan pyöreämpiä [13]. Toistuvien sulamis-jäätymisjaksojen myötä lumeen muodostuu suurempia rykelmiä ja sen raekoko kasvaa [14]. Muutosten myötä lumipeitteeseen voikin syntyä lumen rakenteen osalta toisistaan suurestikin poikkeavia kerroksia. Sähkömagneettisen säteilyn sironta luokitellaan pintasirontaan ja tilavuussirontaan sen mukaan tapahtuuko sironta kahden aineen välisestä rajapinnasta vai väliaineen sisäisistä sirottajista. Lumipeitteessä kyse on molemmista, tärkeimpien komponenttien ollessa pintasironta ilman ja lumen tai lumen ja maan välisistä rajapinnoista sekä tilavuussironta lumen sisältä [6]. Kuivan lumen sirontaominaisuudet määräytyvät sen tiheyden, syvyyden ja raekoon perusteella. Merkittävä osa sironnasta on peräisin lumen ja maaperän rajapinnasta lumen pintarakenteen vaikutuksen ollessa pieni [15]. Kosteassa lumessa puolestaan sen sisältämä nestemäinen vesi on dominoiva tekijä [14]. Vesi kasvattaa lumen absorptiota, jolloin maanpinnaan vaikutus vähenee ja kokonaissironta pienenee. Myös lumen pinnan vaikutus kasvaa verrattuna kuivan lumen tapaukseen [6].

12 Luku 3 Menetelmät Perinteisin menetelmä lumipeitteen seuraamiseen ovat paikan päällä tehtävät maastomittaukset. Niillä saadaan hyvin tietoa paikallisesta tilanteesta, mutta ne eivät sovellu suuremman mittakaavan tarkkailuun. Kaukokartoitus esimerkiksi satelliittien avulla mahdollistaa mittakaavan kasvattamisen jopa koko maapallon laajuiseksi. Optisen alueen mittalaitteilla saavutetaan varsin hyvä tarkkuus, mutta ne ovat riippuvaisia pilvisyystilanteesta. Tässä luvussa esitellään menetelmä lumen peittämän alan määrittämiseksi mikroaaltotaajuuden sirontamittauksista, jotka ovat pilvipeitteestä riippumattomia, vaikka tarjoavatkin optisia mittauksia huonomman spatiaalisen tarkkuuden. 3.1 Sulamisjakso Lumipeitteen muuttuessa kosteaksi maanpinnan kokonaistakaisinsirontakerroin pienenee, kunnes maanpinnan paljastuminen alkaa sitä nostaa [1]. Tässä työssä käytetty algoritmi tulkitsi sulamisjakson alkaneeksi kun se löysi 14 päivän sisään kaksi päivää joista jälkimmäisen sirontakerroin oli yli 2,8 desibeliä pienempi kuin ensimmäisen. Koska tällaisia muutoksia esiintyi kuitenkin useammin kuin kerran vuodessa, niistä valittiin myöhäisin kyseisenä keväänä löytynyt. 11

13 LUKU 3. MENETELMÄT 12 Kuva 3.1: Takaisinsirontakertoimen muuttuminen sulamisjakson aikana [16]. 3.2 Lumen peittämä ala Lumen peittämä ala (Snow Covered Area, SCA) on prosenttiarvo, joka kertoo lumen peittämän alan osuuden kokonaispinta-alasta. Sata prosenttia tarkoittaa että maa on täysin lumen peitossa ja nolla prosenttia ettei sitä ole yhtään. Lumen sulaessa ja sen kosteuden kasvaessa, juuri ennen kuin maata alkaa paljastua, takaisinsirontakerroin saavuttaa pienimmän arvonsa. Tätä käytetään referenssiarvona sadan prosentin SCA:lle. Maan paljastuessa takaisinsirontakerroin kasvaa, kunnes maa on paljas ja SCA nolla prosenttia. Tästä saadaan toinen referenssiarvo, jolloin SCA voidaan määrittää sulamisen aikana lineaarisena approksimaationa σsurf SCA = 100% σ ground,ref σsnow,ref, σ ground,ref jossa σsurf on havaittu takaisinsirontakerroin, σground,ref paljaalle maalle määritelty referenssiarvo ja σsnow,ref kostean lumen referenssiarvo ennen maan paljastumista [16]. (Kuva 3.1)

14 LUKU 3. MENETELMÄT 13 Tässä työssä kostean lumen takaisinsironnan referenssiarvona käytettiin pienintä havaittua takaisinsirontakertoimen arvoa sulamisjakson alkua seuranneelta 40 päivän ajalta. Paljaan maan referenssiarvona puolestaan käytettiin suurinta arvoa 45 päivän sisällä kostean lumen referenssipäivästä. Mitatuista arvoista laskettiin viiden päivän liukuva keskiarvo ennen niiden käyttöä, sekä varsinaisten havaintojen että käytettyjen referenssiarvojen osalta.

15 Luku 4 Tulokset Luvussa 3 esitetyllä SCA-menetelmällä saatuja lumen peittämän alan arvoja verrattiin Suomen ympäristökeskukselta saatuihin arvioihin, jotka pohjautuvat optisen alueen mittauksiin (NASA:n Moderate Resolution Imaging Spectroradiometer (MODIS) -instrumentti [17]). Niiden avulla laskettiin keskivirhe (Root Mean Square Error) ni=1 (x i x) RMSE = 2, n jossa x i on arvioitu arvo, x optinen referenssiarvo ja n näytteiden lukumäärä. Vastaavasti laskettiin myös harha bias = ni=1 (x i x), n jossa x i, x ja n ovat samat kuin edellisessä. MODIS-mittauksiin pohjautuvan lumen peittämän alan arvion keskivirhe on keskimäärin kymmenen prosenttiyksikköä [18]. Tutkittavina olivat keväät vuosina 2004, 2005 ja Lumen peittämä ala määritettiin tutkadatasta niiltä päiviltä kun optisia mittauksia oli saatavilla. Vertailussa tutkittiin kaikki vuodet yhdessä ja erikseen. Lumen peittämän alan määrittämiseen tarvittavina takaisinsironnan referenssiarvoina käytettiin sekä kyseisen vuoden tutkadatasta saatuja arvoja, että 14

16 LUKU 4. TULOKSET 15 Taulukko 4.1: QuikSCAT-datasta määritetyn lumen peittoalan keskivirhe ja harha suhteessa MODIS-dataan Tutkittu Referenssi- Keskivirhe (RMSE), Harha (bias) vuosi vuosi prosenttiyksikkköä prosenttiyksikkköä kyseiset vuodet 33,7 +5, ,8 +1, ,6 +11, ,2 +2, ,1 +0, ,8-7, ,3 +8,0 parhaan yhtenevyyden antaneen vuoden 2006 arvoja. Vertailun tulokset ovat nähtävissä taulukossa 4.1. Tuloksista nähdään vuoden 2006 antavan parhaimman yhtenevyyden. Vuoden 2004 tulokset paranivat hieman käyttämällä vuoden 2006 datasta määriteltyjä takaisinsironnan referenssiarvoja, kun taas vuoden 2005 vastaavasti huononivat. Kaikenkaikkiaan tarkkuus on kohtalainen, keskivirheen ollessa 3038 prosenttiyksikköä. Harhan vaihteluväli, prosenttiyksikköä, on kohtalaisen suuri, mutta yleisimmin se on kuitenkin väliltä 0 8 prosenttiyksikköä. Harha on siis pääosin positiivinen, mikä tarkoittaa että takaisinsironnasta saatu lumen peittämä alue on keskimäärin liian suuri. Tämä nähdään myös kuvasta 4.1, johon on piirretty sirontadatasta saatujen lumen peittämän alan arvojen lukumääräjakauma silloin kun optisen alueen mittausten arvot ovat korkeintaan 5%.

17 LUKU 4. TULOKSET 16 Kaikki vuodet Vuosi 2006 Kuva 4.1: QuikSCAT-datasta määritellyn lumen peittoalan jakauma, kun se MODIS-datan mukaan on korkeintaan 5%. Tarkasteltavana sekä kaikki vuodet (jolloin referenssiarvot on etsitty kyseisiltä vuosilta) että vuosi Kuvissa 4.2 ja 4.3 on vastaavat kuvaajat kun optisen alueen mittausten arvot ovat vähintään 95% sekä kun ne ovat välillä 3565%. Näistä nähdään että suuremmilla lumen peittämän alan arvoilla sirontadata antaa keskimäärin todellista pienempiä arvoja. Kaikki vuodet Vuosi 2006 Kuva 4.2: QuikSCAT-datasta määritellyn lumen peittoalan jakauma, kun se MODIS-datan mukaan on vähintään 95%. Tarkasteltavana sekä kaikki vuodet (jolloin referenssiarvot on etsitty kyseisiltä vuosilta) että vuosi 2006.

18 LUKU 4. TULOKSET 17 Kaikki vuodet Vuosi 2006 Kuva 4.3: QuikSCAT-datasta määritellyn lumen peittoalan jakauma, kun se MODIS-datan mukaan on välillä 3565%. Tarkasteltavana sekä kaikki vuodet (jolloin referenssiarvot on etsitty kyseisiltä vuosilta) että vuosi Samat piirteet ovat nähtävissä kuvassa 4.4, johon on piirretty kutakin optista mittausta vastaava sironnan perusteella määritelty lumen peittoalan arvo vuoden 2006 osalta. Ääriarvoilla korrelaatio on varsin huono, ja keskimäärin sirontadatasta saadut arvot ovat pienempiä kuin optisten mittausten vastaavat. Kuva 4.4: MODIS-ja QuikSCAT -datojen välinen korrelaatio vuoden 2006 mittausten osalta.

19 LUKU 4. TULOKSET 18 Kuviin 4.5 ja 4.6 on vielä piirretty QuikSCAT-datan harhan itseisarvo ja standardivirhe MODIS-dataan verrattuna, keskiarvoistettuna kymmenen prosenttiyksikön välein, sekä kaikkien vuosien että pelkästään vuoden 2006 osalta, ja niistä nähdään myöskin sirontadatan antavan tarkimmat tulokset pienillä lumen peittämän alan arvoilla. Kuva 4.5: QuikSCAT-datan keskimääräisen harhan itseisarvo ja standardivirhe MODIS-dataan verrattuna kaikkien vuosien osalta. Sirontadatan referenssiarvot etsitty kyseisiltä vuosilta. Kuva 4.6: QuikSCAT-datan keskimääräisen harhan itseisarvo ja standardivirhe MODIS-dataan verrattuna vuoden 2006 osalta.

20 LUKU 4. TULOKSET 19 Kuvissa 4.7 ja 4.8 nähdään lumen peittämä alue sirontadatasta määriteltynä sekä optisella alueella mitattuna huhtikuun lopussa ja toukokuun alussa vuoden 2006 keväällä. Päivät on valittu siten, että pilvipeitettä on ollut mahdollisimman vähän optista mittausta estämässä. Kuvista nähdään, että sirontadatasta saatu lumen peittämä ala vastaa optisen alueen mittauksia parhaimmillaan varsin hyvin. Kuten äsken todettiin, sen näyttämät arvot ovat kuitenkin keskimäärin hieman pienempiä kuin optisten mittausten mukaiset, paitsi silloin kun lunta on jäljellä enää hyvin vähän, jolloin ne ovat liian suuria. Tähän on syynä se, ettei käytetty menetelmä lumen peittämän alan määrittämiseen toimi enää sen jälkeen, kun lumi on jo sulanut, vaan se tulkitsee kasvillisuuden lisääntymisen synnyttämän sironnan pienenemisen virheellisesti lumen määrän kasvusta johtuvaksi. Kuvassa 4.9 on vielä nähtävissä datojen välinen erotus kyseisinä päivinä. Kuva 4.7: Lumen peittämä alue QuikSCAT-datasta määriteltynä keväällä 2006.

21 LUKU 4. TULOKSET 20 Kuva 4.8: Lumen peittämä alue MODIS-mittausten mukaan keväällä Harmaa pilvien peittämää aluetta. Kuva 4.9: QuikSCAT-datasta määritelty lumen peittämä ala vähennettynä MODIS-datasta saaduilla arvoilla keväällä Harmaa pilvien peittämää aluetta.

22 LUKU 4. TULOKSET 21 Aiemissa tutkimuksissa, tutkittaessa lumen kaukokartoitusta C-taajuusalueen (5,3 GHz) mikroaaltotutkalla ja 1162 km 2 tutkimusalueella vuosina 1997, 1998, 2000, 2001 ja 2002, on saatu keskivirheeksi 1821 prosenttiyksikköä [16]. Myöhemmin, tutkittaessa koko Pohjois-Suomea vuosina , virheeksi saatiin 15 prosenttiyksikköä, kun analyysi suoritettiin valuma-alueittain, ja 1721 prosenttiyksikköä, kun käytettiin 5 5 kilometrin ruudukkoa [18]. Jälkimmäisessä tutkimuksessa tarkkuutta parannettin käyttämällä apuna muun muassa sääasemilta ja optisista mittauksista saatuja tietoja, joten lähempänä tämän työn menetelmiä ja tuloksia ovat näistä ilmoitetuista keskivirheen arvoista suurimmat. Eroina näissä tutkimuksissa verrattuna tähän työhön ovat mittausten eri aallonpituus sekä pienemmät tutkimusalueet. Käytetty mittaustarkkuus on myös ollut suurempi, tosin tarkkuuden kasvaessa myös mittausten kohinalla on vaarana kasvaa. Lähempänä tätä työtä on Lahtisen diplomityössä [12] samasta QuikSCAT-datasta koko suomen osalta vuonna 2002 tutkittu lumen peittämä ala. Siinä virheen arvioitiin olevan noin 20 prosenttiyksikköä. Erona tähän työhön Lahtinen käytti tietoa lumen vesiarvosta sulamiskauden määrittämisessä.

23 Luku 5 Yhteenveto ja johtopäätökset Tässä työssä oli tavoitteena tutkia lumen peittämän alan määrittämistä NASAn QuikSCAT-satelliitin SeaWinds-sirontamittarin tuottamista mittauksista. Lumen peittämän alan määrittäminen perustuu Koskisen [19] esittämään menetelmään, jossa mittaustulosta verrataan märän lumen sekä kuivan maan referenssiarvoihin. Referenssiarvot etsittiin käyttäen luvussa 3 esitettyä menetelmää. Tuloksia verrattiin Suomen ympäristökeskukselta saatuun optisen alueen mittauksiin perustuvaan lumen peittämän alan arvioon. Vertailun perusteella laskettu keskivirhe tässä työssä käytetylle menetelmälle oli 3038 prosenttiyksikköä. Tulos on jonkin verran huonompi kuin aiemmissa vastaavissa tutkimuksissa [12, 16, 18], mikä selittyy ainakin osittain sillä, että tässä käytetty menetelmä pohjasi pelkästään sirontadataan, eikä työstä siten kyetty rajaamaan pois varsinaisten sulamisjaksojen ulkopuolelle jääviä päiviä, vaikkei käytetty menetelmä ollutkaan niiden osalta käyttökelpoinen. Referenssiarvojen etsimisessä tutkittavan vuoden arvojen käyttö antoi kelvolliset tulokset. Vuoden 2006 referenssiarvojen käyttämisen vaikutus myös muille vuosille oli varsin pieni, mistä päätellen QuikSCAT-mittauksia olisi mahdollista käyttää lumen peittämän alan reaaliaikaiseen seurantaan käyttämällä referenssiarvoja joltain hyväksi havaitulta aiemmalta vuodelta. Jatkotutkimuksen osalta tärkeintä olisi rajoittaa tarkastelu pelkästään 22

24 LUKU 5. YHTEENVETO JA JOHTOPÄÄTÖKSET 23 varsinaisen sulamisjakson ajalle joko kullakin tarkasteltavalla pikselillä erikseen tai sitten jollain karkeammalla jaottelulla. Tällä tavalla tulokset saataisiin oletettavasti vastaamaan paremmin todellista tilannetta. Myös Quik- SCATin mittauksista saatavilla olevan suuremman resoluution datan käyttämisen vaikutuksia voitaisiin tutkia. Suurempaa resoluutiota käytettäessä yksittäisen pikselin sisältämä maasto olisi yhtenäisempää, mutta vaarana on liiallinen kohinan kasvaminen. Tuloksia olisi myös mahdollista verrata jollakin toisella sirontamittarilla suoritettuihin mittauksiin. Tällainen voisi olla esimerkiksi Euroopan sääsatelliittijärjestön EUMETSATin vuonna 2006 laukaistun MetOp-A -satelliitin 5,255 gigahertsin taajuudella (Ctaajuusalue) toimiva ASCAT-sirontamittari [20].

25 Kirjallisuutta [1] M. Tedesco, J. Miller. Observations and statistical analysis of combined active-passive microwave space-borne data and snow depth at large spatial scales. Remote Sensing of Environment, 111:382397, April [2] F.M. Naderi, M.H. Freilich, and D.G. Long. Spaceborne radar measurement of wind velocity over the ocean an overview of the NSCAT scatterometer system. IEEE Proceedings, 79(6):850866, June [3] QuikSCAT Science Data Product, User's Manual, Version 3.0, September [4] W-Y. Tsai, M. Spencer, C. Wu, C. Winn, and K. Kellogg. SeaWinds on QuikSCAT: Sensor description and mission overview. In Proceedings of IEEE International Geoscience and Remote Sensing Symposium, volume 3, pages IEEE International, Hawaii, July [5] Antti Räisänen ja Arto Lehto. Radiotekniikka. Otatieto, 9. muuttumaton painos, [6] Kari Luojus. Remote Sensing of Snow-Cover for the Boreal Forest Zone Using Microwave Radar. Ph.D. Dissertation, Finnish Meteorological Institute Contributions 77,

26 KIRJALLISUUTTA 25 [7] Son V. Nghiem and Wu-Tang Tsai. Global snow cover monitoring with spaceborne Ku-band scatterometer. IEEE Transactions on Geoscience and Remote Sensing, 39(10): , October [8] David G. Long and Brandon R. Hicks. Standard BYU QuikSCAT/SeaWinds Land/Ice Image Products. April [9] Martti Hallikainen, Panu Lahtinen, Yuanzhi Zhang, Matias Takala, Jouni Pulliainen. Feasibility of Satellite Ku-Band Scatterometer Data for Retrieval of Seasonal Snow Characteristics in Finland. Geoscience and Remote Sensing Symposium, IGARSS '05. Proceedings IEEE International, volume 3, pages , July [10] Quick Scatterometer Launch, Press Kit. NASA. June [11] Martti T. Hallikainen, Pekka Halme, Matias Takala, and Jouni Pulliainen. Combined Active and Passive Microwave Remote Sensing of Snow in Finland. In Proceedings of IEEE International Geoscience and Remote Sensing Symposium, volume 2, pages IEEE International, Toulouse, July [12] Panu Lahtinen. Lumen kaukokartoitus Ku-taajuusalueen satelliittitutkalla. Diplomityö, Teknillinen korkeakoulu, Sähkö- ja tietonikennetekniikan osasto, [13] S.C. Colbeck. The geometry and permittivity of snow at high frequencies. Journal of Applied Physics, 53(6): , June [14] Martti T. Hallikainen, Fawwaz T. Ulaby, and Mohamed Abdelrazik. Dielectric properties of snow in the 3 to 37 GHz range. IEEE Transactions on Antennas and Propagation, 34(11): , November 1986.

27 KIRJALLISUUTTA 26 [15] Jiancheng Shi and Je Dozier. Estimation of Snow Water Equivalence Using SIR-C/X-SAR, Part I: Inferring Snow Density and Subsurface Properties. IEEE Transactions on Geoscience and Remote Sensing, 38(6): , November [16] Kari P. Luojus, Jouni T. Pulliainen, Sari J. Metsämäki, and Martti T. Hallikainen. Accuracy Assessment of SAR Data-Based Snow-Covered Area Estimation Method. IEEE Transactions on Geoscience and Remote Sensing, 44(2):277287, February [17] National Snow and Ice Data Center. MODIS Data. [18] Kari P. Luojus, Jouni T. Pulliainen, Sari J. Metsämäki, and Martti T. Hallikainen. Enhanced SAR-Based Snow-Covered Area Estimation Method for Boreal Forest Zone. IEEE Transactions on Geoscience and Remote Sensing, 47(3):922935, March [19] Jarkko T. Koskinen, Jouni T. Pulliainen, and Martti T. Hallikainen. The Use of ERS-1 SAR Data in Snow Melt Monitoring. IEEE Transactions on Geoscience and Remote Sensing, 35(3):601610, May [20] European Organisation for the Exploitation of Meteorological Satellites. EUMETSAT Polar Systems ASCAT. EUMETSAT_Polar_System/Space_Segment/SP_

Lumen kaukokartoitus mikroaaltotutkilla

Lumen kaukokartoitus mikroaaltotutkilla Maa-57.270 Fotogrammetrian, kuvatulkinnan ja kaukokartoituksen seminaari Lumen kaukokartoitus mikroaaltotutkilla Kevät 2007 Lassi Tani 1 AVAINSANOJA: Synteettisen apertuurin tutka (SAR), lumen peittämä

Lisätiedot

Polaarisatelliittidataan perustuva lumentunnistusalgoritmi (valmiin työn esittely)

Polaarisatelliittidataan perustuva lumentunnistusalgoritmi (valmiin työn esittely) Polaarisatelliittidataan perustuva lumentunnistusalgoritmi (valmiin työn esittely) 24.01.2011 Ohjaaja: Niilo Siljamo, Ilmatieteen Laitos Valvoja: Harri Ehtamo Esityksen sisältö Termejä Tausta Menetelmät

Lisätiedot

Lumen optisten kaukokartoitusmenetelmien kehittäminen boreaalisella metsävyöhykkeellä. Kirsikka Heinilä SYKE/HY 05.11.2014

Lumen optisten kaukokartoitusmenetelmien kehittäminen boreaalisella metsävyöhykkeellä. Kirsikka Heinilä SYKE/HY 05.11.2014 Lumen optisten kaukokartoitusmenetelmien kehittäminen boreaalisella metsävyöhykkeellä Kirsikka Heinilä SYKE/HY 05.11.2014 Content Motivaatio Johdanto Lumen heijastusominaisuudet Lumisen metsän heijastusominaisuudet

Lisätiedot

Kojemeteorologia (53695) Laskuharjoitus 1

Kojemeteorologia (53695) Laskuharjoitus 1 Kojemeteorologia (53695) Laskuharjoitus 1 Risto Taipale 20.9.2013 1 Tehtävä 1 Erään lämpömittarin vertailu kalibrointistandardiin antoi keskimääräiseksi eroksi standardista 0,98 C ja eron keskihajonnaksi

Lisätiedot

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto

Kojemeteorologia. Sami Haapanala syksy 2013. Fysiikan laitos, Ilmakehätieteiden osasto Kojemeteorologia Sami Haapanala syksy 2013 Fysiikan laitos, Ilmakehätieteiden osasto Mittalaitteiden staattiset ominaisuudet Mittalaitteita kuvaavat tunnusluvut voidaan jakaa kahteen luokkaan Staattisiin

Lisätiedot

Mittaustulosten tilastollinen käsittely

Mittaustulosten tilastollinen käsittely Mittaustulosten tilastollinen käsittely n kertaa toistetun mittauksen tulos lasketaan aritmeettisena keskiarvona n 1 x = x i n i= 1 Mittaustuloksen hajonnasta aiheutuvaa epävarmuutta kuvaa keskiarvon keskivirhe

Lisätiedot

Fysikaaliset menetelmät metsien kaukokartoituksessa

Fysikaaliset menetelmät metsien kaukokartoituksessa Fysikaaliset menetelmät metsien kaukokartoituksessa Miina Rautiainen Metsätieteiden laitos, Helsingin yliopisto Image: Jacques Descloitres, NASA/GSFC Metsätieteen päivä, 12.11.2014 Kaukokartoitus luonnontieteellisenä

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 LIITE 1 VIRHEEN ARVIOINNISTA Mihin tarvitset virheen arviointia? Mittaustulokset ovat aina todellisten luonnonvakioiden ja tutkimuskohdetta kuvaavien suureiden likiarvoja, vaikka mittauslaite olisi miten

Lisätiedot

Mistä on kyse? Pilvien luokittelu satelliittikuvissa. Sisältö. Satelliittikartoitus. Rami Rautkorpi 25.1.2006. Satelliittikartoitus

Mistä on kyse? Pilvien luokittelu satelliittikuvissa. Sisältö. Satelliittikartoitus. Rami Rautkorpi 25.1.2006. Satelliittikartoitus Pilvien luokittelu satelliittikuvissa Mistä on kyse? Rami Rautkorpi 25.1.2006 25.1.2006 Pilvien luokittelu satelliittikuvissa 2 Sisältö Satelliittikartoitus Satelliittikartoitus Pilvien luokittelu Ensimmäinen

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA Oulun yliopisto Fysiikan opetuslaboratorio Fysiikan laboratoriotyöt 1 1 LIITE 1 VIRHEEN RVIOINNIST Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi

Lisätiedot

TTY Mittausten koekenttä. Käyttö. Sijainti

TTY Mittausten koekenttä. Käyttö. Sijainti TTY Mittausten koekenttä Käyttö Tampereen teknillisen yliopiston mittausten koekenttä sijaitsee Tampereen teknillisen yliopiston välittömässä läheisyydessä. Koekenttä koostuu kuudesta pilaripisteestä (

Lisätiedot

Mistä tiedämme ihmisen muuttavan ilmastoa? Jouni Räisänen, Helsingin yliopiston fysiikan laitos

Mistä tiedämme ihmisen muuttavan ilmastoa? Jouni Räisänen, Helsingin yliopiston fysiikan laitos Mistä tiedämme ihmisen muuttavan ilmastoa? Jouni Räisänen, Helsingin yliopiston fysiikan laitos 19.4.2010 Huono lähestymistapa Poikkeama v. 1961-1990 keskiarvosta +0.5 0-0.5 1850 1900 1950 2000 +14.5 +14.0

Lisätiedot

TEKNILLINEN KORKEAKOULU Sähkö- ja tietoliikennetekniikan osasto. Eero Rinne. Lumen ominaisuuksien mittaus tutkalla

TEKNILLINEN KORKEAKOULU Sähkö- ja tietoliikennetekniikan osasto. Eero Rinne. Lumen ominaisuuksien mittaus tutkalla TEKNILLINEN KORKEAKOULU Sähkö- ja tietoliikennetekniikan osasto Eero Rinne Lumen ominaisuuksien mittaus tutkalla Diplomityö, joka on jätetty opinnäytteenä tarkastettavaksi diplomi-insinöörin tutkintoa

Lisätiedot

Havaitsevan tähtitieteen peruskurssi I, kevät Luento 2, : Ilmakehän vaikutus havaintoihin Luennoitsija: Jyri Näränen

Havaitsevan tähtitieteen peruskurssi I, kevät Luento 2, : Ilmakehän vaikutus havaintoihin Luennoitsija: Jyri Näränen Havaitsevan tähtitieteen peruskurssi I, kevät 2008 Luento 2, 24.1.2007: Ilmakehän vaikutus havaintoihin Luennoitsija: Jyri Näränen 1 2. Ilmakehän vaikutus havaintoihin Optinen ikkuna Radioikkuna Ilmakehän

Lisätiedot

Perusopintojen Laboratoriotöiden Työselostus 1

Perusopintojen Laboratoriotöiden Työselostus 1 Perusopintojen Laboratoriotöiden Työselostus 1 Kalle Hyvönen Työ tehty 1. joulukuuta 008, Palautettu 30. tammikuuta 009 1 Assistentti: Mika Torkkeli Tiivistelmä Laboratoriossa tehdyssä ensimmäisessä kokeessa

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista

Lisätiedot

FYSIIKAN LABORATORIOTYÖT 2 HILA JA PRISMA

FYSIIKAN LABORATORIOTYÖT 2 HILA JA PRISMA FYSIIKAN LABORATORIOTYÖT HILA JA PRISMA MIKKO LAINE 9. toukokuuta 05. Johdanto Tässä työssä muodostamme lasiprisman dispersiokäyrän ja määritämme työn tekijän silmän herkkyysrajan punaiselle valolle. Lisäksi

Lisätiedot

Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista

Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista Puiden biomassan, puutavaralajien ja laadun ennustaminen laserkeilausaineistoista MMT Ville Kankare Metsätieteiden laitos, Helsingin yliopisto Laserkeilauksen huippuyksikkö 8.3.2016 1 Sisältö I. Biomassaositteet

Lisätiedot

Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla

Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla Liikkuvan maalin ilmaisu ja tunnistaminen SAR-tutkalla MATINE:n tutkimusseminaari 16.11.2017 Risto Vehmas, Juha Jylhä, Marja Ruotsalainen, Minna Väilä, Henna Perälä Tampereen teknillinen yliopisto Signaalinkäsittelyn

Lisätiedot

Tuulen viemää. Satelliitit ilmansaasteiden kulkeutumisen seurannassa. Anu-Maija Sundström

Tuulen viemää. Satelliitit ilmansaasteiden kulkeutumisen seurannassa. Anu-Maija Sundström Tuulen viemää Satelliitit ilmansaasteiden kulkeutumisen seurannassa Anu-Maija Sundström Henrik Virta, Suvi-Tuulia Haakana, Iolanda Ialongo ja Johanna Tamminen Saasteiden kulkeutuminen ilmakehässä Saasteen

Lisätiedot

Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta

Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta Ympäristön aktiivinen kaukokartoitus laserkeilaimella: tutkittua ja tulevaisuutta Sanna Kaasalainen Kaukokartoituksen ja Fotogrammetrian Osasto Ilmastonmuutos ja ääriarvot 13.9.2012 Ympäristön Aktiivinen

Lisätiedot

Laserkeilausaineiston hyödynt. dyntäminen Finavian tarpeisiin

Laserkeilausaineiston hyödynt. dyntäminen Finavian tarpeisiin Laserkeilausaineiston hyödynt dyntäminen Finavian tarpeisiin Maanmittauslaitoksen laserkeilausseminaari 10.10.2008 Finavia / Jussi Kivelä ICAO:n asettamat vaatimukset Kansainvälisen Siviili-ilmailujärjestö

Lisätiedot

VAISALAN STATOSKOOPPIEN KÄYTTÖÖN PERUSTUVASTA KORKEUDEN-

VAISALAN STATOSKOOPPIEN KÄYTTÖÖN PERUSTUVASTA KORKEUDEN- Q 16.1/21/73/1 Seppo Elo 1973-11-16 GEOLOGINEN TUTKIMUSLAITOS Geofysiikan osasto Painovoimapisteiden korkeuden mittauksesta statoskoopeilla VAISALAN STATOSKOOPPIEN KÄYTTÖÖN PERUSTUVASTA KORKEUDEN- MÄARITYKSESTA

Lisätiedot

Havaitsevan tähtitieteen peruskurssi I. Ilmakehän vaikutus havaintoihin. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

Havaitsevan tähtitieteen peruskurssi I. Ilmakehän vaikutus havaintoihin. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos Ilmakehän vaikutus havaintoihin Helsingin yliopisto, Fysiikan laitos kevät 2013 2. Ilmakehän vaikutus havaintoihin Ilmakehän transmissio (läpäisevyys) sähkömagneettisen säteilyn eri aallonpituuksilla 2.

Lisätiedot

Globaali näkökulma ilmastonmuutokseen ja vesivaroihin

Globaali näkökulma ilmastonmuutokseen ja vesivaroihin Vesihuolto, ilmastonmuutos ja elinkaariajattelu nyt! Maailman vesipäivän seminaari 22.3.2010 Globaali näkökulma ilmastonmuutokseen ja vesivaroihin Tutkija Hanna Tietäväinen Ilmatieteen laitos hanna.tietavainen@fmi.fi

Lisätiedot

33 SOLENOIDIN JA TOROIDIN MAGNEETTIKENTTÄ

33 SOLENOIDIN JA TOROIDIN MAGNEETTIKENTTÄ TYÖOHJE 14.7.2010 JMK, TSU 33 SOLENOIDIN JA TOROIDIN MAGNEETTIKENTTÄ Laitteisto: Kuva 1. Kytkentä solenoidin ja toroidin magneettikenttien mittausta varten. Käytä samaa digitaalista jännitemittaria molempien

Lisätiedot

Mikä muuttuu, kun kasvihuoneilmiö voimistuu? Jouni Räisänen Helsingin yliopiston fysiikan laitos

Mikä muuttuu, kun kasvihuoneilmiö voimistuu? Jouni Räisänen Helsingin yliopiston fysiikan laitos Mikä muuttuu, kun kasvihuoneilmiö voimistuu? Jouni Räisänen Helsingin yliopiston fysiikan laitos 15.4.2010 Sisältöä Kasvihuoneilmiö Kasvihuoneilmiön voimistuminen Näkyykö kasvihuoneilmiön voimistumisen

Lisätiedot

Fysiikan laboratoriotyöt 1, työ nro: 2, Harmoninen värähtelijä

Fysiikan laboratoriotyöt 1, työ nro: 2, Harmoninen värähtelijä Fysiikan laboratoriotyöt 1, työ nro: 2, Harmoninen värähtelijä Tekijä: Mikko Laine Tekijän sähköpostiosoite: miklaine@student.oulu.fi Koulutusohjelma: Fysiikka Mittausten suorituspäivä: 04.02.2013 Työn

Lisätiedot

Metsikön rakenteen ennustaminen 3D-kaukokartoituksella

Metsikön rakenteen ennustaminen 3D-kaukokartoituksella 8.10.2017 1 Metsikön rakenteen ennustaminen 3D-kaukokartoituksella Dosentti (MMT) Mikko Vastaranta Metsätieteiden laitos, Helsingin yliopisto Laserkeilaustutkimuksen huippuyksikkö mikko.vastaranta@helsinki.fi

Lisätiedot

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos

Havaitsevan tähtitieteen peruskurssi I. Datan käsittely. Jyri Lehtinen. kevät Helsingin yliopisto, Fysiikan laitos Datan käsittely Helsingin yliopisto, Fysiikan laitos kevät 2013 3. Datan käsittely Luennon sisältö: Havaintovirheet tähtitieteessä Korrelaatio Funktion sovitus Aikasarja-analyysi 3.1 Havaintovirheet Satunnaiset

Lisätiedot

Schuelerin vettä läpäisemättömän pinnan osuuteen perustuvan taajamapurojen luokittelun soveltuvuus Vantaan pienvaluma-alueille

Schuelerin vettä läpäisemättömän pinnan osuuteen perustuvan taajamapurojen luokittelun soveltuvuus Vantaan pienvaluma-alueille Schuelerin vettä läpäisemättömän pinnan osuuteen perustuvan taajamapurojen luokittelun soveltuvuus Vantaan pienvaluma-alueille Outi Kesäniemi Taajamapuroja voidaan luokitella rakennetun pinta-alan perusteella

Lisätiedot

Työn tavoitteita. 1 Teoriaa

Työn tavoitteita. 1 Teoriaa FYSP103 / K3 BRAGGIN DIFFRAKTIO Työn tavoitteita havainnollistaa röntgendiffraktion periaatetta konkreettisen laitteiston avulla ja kerrata luennoilla läpikäytyä teoriatietoa Röntgendiffraktio on tärkeä

Lisätiedot

Havaitsevan tähtitieteen pk I, 2012

Havaitsevan tähtitieteen pk I, 2012 Havaitsevan tähtitieteen pk I, 2012 Kuva: J.Näränen 2004 Luento 2, 26.1.2012: Ilmakehän vaikutus havaintoihin Luennoitsija: Thomas Hackman HTTPK I, kevät 2012, luento2 1 2. Ilmakehän vaikutus havaintoihin

Lisätiedot

TUULIVOIMAMELUN MITTAUS- JA MALLINNUSTULOSTEN

TUULIVOIMAMELUN MITTAUS- JA MALLINNUSTULOSTEN TUULIVOIMAMELUN MITTAUS- JA MALLINNUSTULOSTEN VERTAILUA WSP Finland Oy Heikkiläntie 7 00210 Helsinki tuukka.lyly@wspgroup.fi Tiivistelmä WSP Finland Oy on yhdessä WSP Akustik Göteborgin yksikön kanssa

Lisätiedot

Työ 31A VAIHTOVIRTAPIIRI. Pari 1. Jonas Alam Antti Tenhiälä

Työ 31A VAIHTOVIRTAPIIRI. Pari 1. Jonas Alam Antti Tenhiälä Työ 3A VAIHTOVIRTAPIIRI Pari Jonas Alam Antti Tenhiälä Selostuksen laati: Jonas Alam Mittaukset tehty: 0.3.000 Selostus jätetty: 7.3.000 . Johdanto Tasavirtapiirissä sähkövirta ja jännite käyttäytyvät

Lisätiedot

Työ 2324B 4h. VALON KULKU AINEESSA

Työ 2324B 4h. VALON KULKU AINEESSA TURUN AMMATTIKORKEAKOULU TYÖOHJE 1/5 Työ 2324B 4h. VALON KULKU AINEESSA TYÖN TAVOITE Työssä perehdytään optisiin ilmiöihin tutkimalla valon kulkua linssisysteemeissä ja prismassa. Tavoitteena on saada

Lisätiedot

BOREAALISEN METSÄN SITOMAN SÄTEILYN (FPAR) ARVIOIMINEN SATELLIITTIMITTAUKSISTA SATELLIITTIMITTAUSTEN PERUSTEITA METSÄTIETEEN PÄIVÄN TAKSAATTORIKLUBI

BOREAALISEN METSÄN SITOMAN SÄTEILYN (FPAR) ARVIOIMINEN SATELLIITTIMITTAUKSISTA SATELLIITTIMITTAUSTEN PERUSTEITA METSÄTIETEEN PÄIVÄN TAKSAATTORIKLUBI BOREAALISEN METSÄN SITOMAN SÄTEILYN (FPAR) ARVIOIMINEN SATELLIITTIMITTAUKSISTA METSÄTIETEEN PÄIVÄN TAKSAATTORIKLUBI Titta Majasalmi 1 *, Miina Rautiainen 1, Pauline Stenberg 1 and Terhikki Manninen 2 1

Lisätiedot

Mikroskooppisten kohteiden

Mikroskooppisten kohteiden Mikroskooppisten kohteiden lämpötilamittaukset itt t Maksim Shpak Planckin laki I BB ( λ T ) = 2hc λ, 5 2 1 hc λ e λkt 11 I ( λ, T ) = ε ( λ, T ) I ( λ T ) m BB, 0 < ε

Lisätiedot

Aineopintojen laboratoriotyöt 1. Veden ominaislämpökapasiteetti

Aineopintojen laboratoriotyöt 1. Veden ominaislämpökapasiteetti Aineopintojen laboratoriotyöt 1 Veden ominaislämpökapasiteetti Aki Kutvonen Op.nmr 013185860 assistentti: Marko Peura työ tehty 19.9.008 palautettu 6.10.008 Sisällysluettelo Tiivistelmä...3 Johdanto...3

Lisätiedot

PIEKSÄMÄEN MELUSELVITYKSEN MELUMITTAUKSET

PIEKSÄMÄEN MELUSELVITYKSEN MELUMITTAUKSET FCG Finnish Consulting Group Oy Keski-Savon ympäristötoimi PIEKSÄMÄEN MELUSELVITYKSEN MELUMITTAUKSET Raportti 171905-P11889 30.11.2010 FCG Finnish Consulting Group Oy Raportti I 30.11.2010 SISÄLLYSLUETTELO

Lisätiedot

Biomassatulkinta LiDARilta

Biomassatulkinta LiDARilta Biomassatulkinta LiDARilta 1 Biomassatulkinta LiDARilta Jarno Hämäläinen (MMM) Kestävän kehityksen metsävarapalveluiden yksikkö (REDD and Sustainable Forestry Services) 2 Sisältö Referenssit Johdanto Mikä

Lisätiedot

Paloriskin ennustaminen metsäpaloindeksin avulla

Paloriskin ennustaminen metsäpaloindeksin avulla Paloriskin ennustaminen metsäpaloindeksin avulla Ari Venäläinen, Ilari Lehtonen, Hanna Mäkelä, Andrea Understanding Vajda, Päivi Junila the ja Hilppa climate Gregow variation and change Ilmatieteen and

Lisätiedot

PANK PANK-4122 ASFALTTIPÄÄLLYSTEEN TYHJÄTILA, PÄÄLLYSTETUTKAMENETELMÄ 1. MENETELMÄN TARKOITUS

PANK PANK-4122 ASFALTTIPÄÄLLYSTEEN TYHJÄTILA, PÄÄLLYSTETUTKAMENETELMÄ 1. MENETELMÄN TARKOITUS PANK-4122 PANK PÄÄLLYSTEALAN NEUVOTTELUKUNTA ASFALTTIPÄÄLLYSTEEN TYHJÄTILA, PÄÄLLYSTETUTKAMENETELMÄ Hyväksytty: Korvaa menetelmän: 9.5.2008 26.10.1999 1. MENETELMÄN TARKOITUS 2. MENETELMÄN SOVELTAMISALUE

Lisätiedot

ASPIRIININ MÄÄRÄN MITTAUS VALOKUVAAMALLA

ASPIRIININ MÄÄRÄN MITTAUS VALOKUVAAMALLA ASPIRIININ MÄÄRÄN MITTAUS VALOKUVAAMALLA Jaakko Lohenoja 2009 Johdanto Asetyylisalisyylihapon määrä voidaan mitata spektrofotometrisesti hydrolysoimalla asetyylisalisyylihappo salisyylihapoksi ja muodostamalla

Lisätiedot

TASA- JA VAIHTOVIRTAPIIRIEN LABORAATIOTYÖ 5 SUODATINPIIRIT

TASA- JA VAIHTOVIRTAPIIRIEN LABORAATIOTYÖ 5 SUODATINPIIRIT TASA- JA VAIHTOVIRTAPIIRIEN LABORAATIOTYÖ 5 SUODATINPIIRIT Työselostuksen laatija: Tommi Tauriainen Luokka: TTE7SN1 Ohjaaja: Jaakko Kaski Työn tekopvm: 02.12.2008 Selostuksen luovutuspvm: 16.12.2008 Tekniikan

Lisätiedot

Satelliittipaikannus

Satelliittipaikannus Kolme maailmalaajuista järjestelmää 1. GPS (USAn puolustusministeriö) Täydessä laajuudessaan toiminnassa v. 1994. http://www.navcen.uscg.gov/gps/default.htm 2. GLONASS (Venäjän hallitus) Ilmeisesti 11

Lisätiedot

ROUDAN PAKSUUS LUMETTOMILLA ALUEILLA ILMASTON LÄMMETESSÄ

ROUDAN PAKSUUS LUMETTOMILLA ALUEILLA ILMASTON LÄMMETESSÄ ROUDAN PAKSUUS LUMETTOMILLA ALUEILLA ILMASTON LÄMMETESSÄ ACCLIM-hankkeen 2. osahankkeessa (T2) on arvioitu maaperän routakerroksen paksuuden muuttumista maailmanlaajuisten ilmastomallien lämpötilatietojen

Lisätiedot

Sami Isoniemi, Sweco Asiantuntijapalvelut Oy

Sami Isoniemi, Sweco Asiantuntijapalvelut Oy TUTKIMUSSELOSTUS 22500365-012 Pekka Koskimies Porvoon kaupunki Tekniikankaari 1, 06100 Porvoo Pekka.Koskimies@porvoo.fi Paine-ero seuranta Kohde: Aleksanterinkatu 25, 06100 Porvoo Aika: 6.-13.3.2017 mittaus

Lisätiedot

Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa

Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa Miehittämättömän lennokin ottamien ilmakuvien käyttö energiakäyttöön soveltuvien biomassojen määrän nopeassa arvioinnissa Anna Lopatina, Itä-Suomen yliopisto, Metsätieteiden osasto, Anna.lopatina@uef.fi

Lisätiedot

RAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA

RAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA RAPORTTI ISOVERIN ERISTEIDEN RADIOTAAJUISTEN SIGNAALIEN VAIMENNUKSISTA Tämä on mittaus mittauksista, joilla selvitettiin kolmen erilaisen eristemateriaalin aiheuttamia vaimennuksia matkapuhelinverkon taajuusalueilla.

Lisätiedot

AS-0.3200 Automaatio- ja systeemitekniikan projektityöt

AS-0.3200 Automaatio- ja systeemitekniikan projektityöt AS-0.3200 Automaatio- ja systeemitekniikan projektityöt A11-03 USB-käyttöinen syvyysanturi 5op 13.9.2011-29.11.2011 Johan Backlund Ohjaaja: Johan Grönholm Johdanto Projektin tavoitteena oli suunnitella

Lisätiedot

SI-mittayksiköt. Martti Heinonen VTT MIKES. FINAS-päivä National Metrology Institute VTT MIKES

SI-mittayksiköt. Martti Heinonen VTT MIKES. FINAS-päivä National Metrology Institute VTT MIKES SI-mittayksiköt Martti Heinonen VTT MIKES FINAS-päivä 29.1.2019 National Metrology Institute VTT MIKES SI järjestelmän uudistus astuu voimaan 20.5.2019 National Metrology Institute VTT MIKES Sisältö: -

Lisätiedot

Kahden laboratorion mittaustulosten vertailu

Kahden laboratorion mittaustulosten vertailu TUTKIMUSSELOSTUS NRO RTE9 (8) LIITE Kahden laboratorion mittaustulosten vertailu Sisältö Sisältö... Johdanto... Tulokset.... Lämpökynttilät..... Tuote A..... Tuote B..... Päätelmiä.... Ulkotulet.... Hautalyhdyt,

Lisätiedot

TUULIVOIMAPUISTO Ketunperä

TUULIVOIMAPUISTO Ketunperä Page 1 of 7 Ketunperä_Valkeselvitys_YKJR 150531- Etha Wind Oy Frilundintie 2 65170 Vaasa Finland TUULIVOIMAPUISTO Ketunperä Välkeselvitys Versio Päivämäärä Tekijät Hyväksytty Tiivistelmä Rev01 31.5.2015

Lisätiedot

AURINKOENERGIAA AVARUUDESTA

AURINKOENERGIAA AVARUUDESTA RISS 16. 9. 2009 AURINKOENERGIAA AVARUUDESTA Pentti O A Haikonen Adjunct Professor University of Illinois at Springfield Aurinkoenergiasatelliitin tekninen perusta Auringon säteilyn tehotiheys maapallon

Lisätiedot

Laserkeilauksella kattavaa tietoa kaupunkimetsistä

Laserkeilauksella kattavaa tietoa kaupunkimetsistä Laserkeilauksella kattavaa tietoa kaupunkimetsistä Topi Tanhuanpää HY, Metsätieteiden osasto / UEF, Historia- ja maantieteiden osasto Kaupunkimetsät: Mitä ne ovat? Kaupungissa ja sen laitamilla kasvavien

Lisätiedot

PYP I / TEEMA 4 MITTAUKSET JA MITATTAVUUS

PYP I / TEEMA 4 MITTAUKSET JA MITATTAVUUS 1 PYP I / TEEMA 4 MITTAUKSET JA MITATTAVUUS Aki Sorsa 2 SISÄLTÖ YLEISTÄ Mitattavuus ja mittaus käsitteinä Mittauksen vaiheet Mittaustarkkuudesta SUUREIDEN MITTAUSMENETELMIÄ Mittalaitteen osat Lämpötilan

Lisätiedot

ÄÄNTÄ VAHVISTAVAT OLOSUHDETEKIJÄT. Erkki Björk. Kuopion yliopisto PL 1627, 70211 Kuopion erkki.bjork@uku.fi 1 JOHDANTO

ÄÄNTÄ VAHVISTAVAT OLOSUHDETEKIJÄT. Erkki Björk. Kuopion yliopisto PL 1627, 70211 Kuopion erkki.bjork@uku.fi 1 JOHDANTO ÄÄNTÄ VAHVISTAVAT OLOSUHDETEKIJÄT Erkki Björk Kuopion yliopisto PL 1627, 7211 Kuopion erkki.bjork@uku.fi 1 JOHDANTO Melun vaimeneminen ulkoympäristössä riippuu sää- ja ympäristöolosuhteista. Tärkein ääntä

Lisätiedot

MAATALOUDEN TUTKIMUSKESKUS MAANTUTKIMUS LAITOS. Tiedote N:o 8 1979. MAAN ph-mittausmenetelmien VERTAILU. Tauno Tares

MAATALOUDEN TUTKIMUSKESKUS MAANTUTKIMUS LAITOS. Tiedote N:o 8 1979. MAAN ph-mittausmenetelmien VERTAILU. Tauno Tares MAATALOUDEN TUTKIMUSKESKUS MAANTUTKIMUS LAITOS Tiedote N:o 8 1979 MAAN ph-mittausmenetelmien VERTAILU Tauno Tares Maatalouden -tutkimuskeskus MAANTUTKIMUSLAITOS PL 18, 01301 Vantaa 30 Tiedote N:o 8 1979

Lisätiedot

Sään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks

Sään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks Sään ja ilmaston vaihteluiden vaikutus metsäpaloihin Suomessa ja Euroopassa Understanding the climate variation and change and assessing the risks Ari Venäläinen, Ilari Lehtonen, Hanna Mäkelä, Andrea Vajda,

Lisätiedot

JHS 163 Suomen korkeusjärjestelmä N2000 Liite 3. Geoidimallit

JHS 163 Suomen korkeusjärjestelmä N2000 Liite 3. Geoidimallit JHS 163 Suomen korkeusjärjestelmä N2000 Liite 3. Geoidimallit Versio: 1.0 Julkaistu: 6.9.2019 Voimassaoloaika: toistaiseksi 1 FIN2005N00 1.1 Mallin luonti ja tarkkuus FIN2005N00 on korkeusmuunnospinta,

Lisätiedot

MAA-57.1010 (4 OP) JOHDANTO VALOKUVAUKSEEN,FOTOGRAM- METRIAAN JA KAUKOKARTOITUKSEEN Kevät 2006

MAA-57.1010 (4 OP) JOHDANTO VALOKUVAUKSEEN,FOTOGRAM- METRIAAN JA KAUKOKARTOITUKSEEN Kevät 2006 MAA-57.1010 (4 OP) JOHDANTO VALOKUVAUKSEEN,FOTOGRAM- METRIAAN JA KAUKOKARTOITUKSEEN Kevät 2006 I. Mitä kuvasta voi nähdä? II. Henrik Haggrén Kuvan ottaminen/synty, mitä kuvista nähdään ja miksi Anita Laiho-Heikkinen:

Lisätiedot

Vastksen ja diodin virta-jännite-ominaiskäyrät sekä valodiodi

Vastksen ja diodin virta-jännite-ominaiskäyrät sekä valodiodi Sivu 1/10 Fysiikan laboratoriotyöt 1 Työ numero 3 Vastksen ja diodin virta-jännite-ominaiskäyrät sekä valodiodi Työn suorittaja: Antero Lehto 1724356 Työ tehty: 24.2.2005 Uudet mittaus tulokset: 11.4.2011

Lisätiedot

Päällysteiden laadun tutkimusmenetelmien laadun parantamiseksi. Tutkimushankkeet, joissa PANK ry on mukana

Päällysteiden laadun tutkimusmenetelmien laadun parantamiseksi. Tutkimushankkeet, joissa PANK ry on mukana Tutkimushankkeet Päällysteiden laadun tutkimusmenetelmien laadun parantamiseksi PANK -menetelmäpäivä 2 Tutkimushankkeet, joissa PANK ry on mukana MARA - Rakennetta rikkomattomat mittausmenetelmät maanrakentamisessa

Lisätiedot

Pakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa

Pakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa Pakkaset ja helteet muuttuvassa ilmastossa lämpötilan muutokset ja vaihtelu eri aikaskaaloissa Jouni Räisänen Helsingin yliopiston fysiikan laitos Kimmo Ruosteenoja Ilmatieteen laitos Sisältöä ACCLIM-skenaariot

Lisätiedot

KAINUUN KOEASEMAN TIEDOTE N:o 5

KAINUUN KOEASEMAN TIEDOTE N:o 5 MAATALOUDEN TUTKIMUSKESKUS KAINUUN KOEASEMAN TIEDOTE N:o 5 Martti Vuorinen Säähavaintoja Vaalan Pelsolta vuodesta 1951 VAALA 1981 issn 0357-895X SISÄLLYSLUETTELO sivu JOHDANTO 1 LÄMPÖ 1. Keskilämpötilat

Lisätiedot

CORINE käyttäjäkyselyn tuloksia

CORINE käyttäjäkyselyn tuloksia CORINE käyttäjäkyselyn tuloksia Minna Kallio ja Markus Törmä Suomen ympäristökeskus CORINE2000 käyttäjäkysely CORINE: koko Euroopan kattava maanpeite / käyttötulkinta Kyselyn teki TK/GE0 loppukevällä 2007

Lisätiedot

Stanislav Rusak CASIMIRIN ILMIÖ

Stanislav Rusak CASIMIRIN ILMIÖ Stanislav Rusak 6.4.2009 CASIMIRIN ILMIÖ Johdanto Mistä on kyse? Mistä johtuu? Miten havaitaan? Sovelluksia Casimirin ilmiö Yksinkertaisimmillaan: Kahden tyhjiössä lähekkäin sijaitsevan metallilevyn välille

Lisätiedot

Kehittyvien satelliittiaineistojen mahdollisuudet

Kehittyvien satelliittiaineistojen mahdollisuudet VTT TECHNICAL RESEARCH CENTRE OF FINLAND LTD Kehittyvien satelliittiaineistojen mahdollisuudet Forest Big Data loppuseminaari, Heureka 8.3.2016 Tuomas Häme, Laura Sirro, Yrjö Rauste VTT VTT:n satelliittikuvatutkimusaiheet

Lisätiedot

Forest Big Data -tulosseminaari

Forest Big Data -tulosseminaari FOREST BIG DATA Forest Big Data -tulosseminaari 8.3.216 Metsäkoneen urapainumat laserilla Jarmo Hämäläinen jarmo.hamalainen@metsateho.fi Jari Ala-Ilomäki jari.ala-ilomaki@luke.fi Mikko Miettinen mikko.miettinen@argone.fi

Lisätiedot

d sinα Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila

d sinα Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila Optisessa hilassa on hyvin suuri määrä yhdensuuntaisia, toisistaan yhtä kaukana olevia

Lisätiedot

83950 Tietoliikennetekniikan työkurssi Monitorointivastaanottimen perusmittaukset

83950 Tietoliikennetekniikan työkurssi Monitorointivastaanottimen perusmittaukset TAMPEREEN TEKNILLINEN KORKEAKOULU 83950 Tietoliikennetekniikan työkurssi Monitorointivastaanottimen perusmittaukset email: ari.asp@tut.fi Huone: TG 212 puh 3115 3811 1. ESISELOSTUS Vastaanottimen yleisiä

Lisätiedot

7.4 Fotometria CCD kameralla

7.4 Fotometria CCD kameralla 7.4 Fotometria CCD kameralla Yleisin CCDn käyttötapa Yleensä CCDn edessä käytetään aina jotain suodatinta, jolloin kuvasta saadaan siistimpi valosaaste UV:n ja IR:n interferenssikuviot ilmakehän dispersion

Lisätiedot

Energiapuun kosteuden määrittäminen metsäkuljetuksen yhteydessä

Energiapuun kosteuden määrittäminen metsäkuljetuksen yhteydessä Energiapuun kosteuden määrittäminen metsäkuljetuksen yhteydessä Mikko Holopainen, Pohjois-Karjalan AMK Jari Lindblad, Metsäntutkimuslaitos Timo Melkas, Metsäteho Oy 14.8.2012 Taustaa Kosteus on energiapuun

Lisätiedot

Fy06 Koe 20.5.2015 Kuopion Lyseon lukio (KK) 1/7

Fy06 Koe 20.5.2015 Kuopion Lyseon lukio (KK) 1/7 Fy06 Koe 0.5.015 Kuopion Lyseon lukio (KK) 1/7 alitse kolme tehtävää. 6p/tehtävä. 1. Mitä mieltä olet seuraavista väitteistä. Perustele lyhyesti ovatko väitteet totta vai tarua. a. irtapiirin hehkulamput

Lisätiedot

Envibase-hanke. www.ymparisto.fi/envibase. Esittely KTKlle SYKE 3.3.2016 Saku Anttila Yrjö Sucksdorff

Envibase-hanke. www.ymparisto.fi/envibase. Esittely KTKlle SYKE 3.3.2016 Saku Anttila Yrjö Sucksdorff Envibase-hanke www.ymparisto.fi/envibase Esittely KTKlle SYKE 3.3.2016 Saku Anttila Yrjö Sucksdorff Envibase kehittää ympäristötiedon keräämisen, hallinnan ja julkaisun infrastruktuuria Tutkmustiedon hallinta

Lisätiedot

Fysikaalisen kemian syventävät työt CCl 4 -molekyylin Ramanspektroskopia

Fysikaalisen kemian syventävät työt CCl 4 -molekyylin Ramanspektroskopia Fysikaalisen kemian syventävät työt CCl 4 -molekyylin Ramanspektroskopia Tiina Kiviniemi 11. huhtikuuta 2008 1 Johdanto Tämän työn tarkoituksena on tutustua käytännön Ramanspektroskopiaan sekä molekyylien

Lisätiedot

Työ 5: Putoamiskiihtyvyys

Työ 5: Putoamiskiihtyvyys Työ 5: Putoamiskiihtyvyys Työryhmä: Tehty (pvm): Hyväksytty (pvm): Hyväksyjä: 1. Tavoitteet Työssä määritetään putoamiskiihtyvyys kolmella eri tavalla. Ennakko-oletuksena mietitään, pitäisikö jollain tavoista

Lisätiedot

Oikeanlaisten virtapihtien valinta Aloita vastaamalla seuraaviin kysymyksiin löytääksesi oikeantyyppiset virtapihdit haluamaasi käyttökohteeseen.

Oikeanlaisten virtapihtien valinta Aloita vastaamalla seuraaviin kysymyksiin löytääksesi oikeantyyppiset virtapihdit haluamaasi käyttökohteeseen. Oikeanlaisten virtapihtien valinta Aloita vastaamalla seuraaviin kysymyksiin löytääksesi oikeantyyppiset virtapihdit haluamaasi käyttökohteeseen. 1. Tuletko mittaamaan AC tai DC -virtaa? (DC -pihdit luokitellaan

Lisätiedot

Uutta tutkimustietoa ilmastonmuutoksen vaikutuksesta Suomen myrskytuuliin ja -tuhoihin

Uutta tutkimustietoa ilmastonmuutoksen vaikutuksesta Suomen myrskytuuliin ja -tuhoihin Uutta tutkimustietoa ilmastonmuutoksen vaikutuksesta Suomen myrskytuuliin ja -tuhoihin Hilppa Gregow 25.5.212 Kiitokset: Pauli Jokinen, Natalia Pimenoff, Matti Lahtinen, Marko Laine, Kirsti Jylhä, Kimmo

Lisätiedot

YMPÄRISTÖMELUN MITTAUSRAPORTTI

YMPÄRISTÖMELUN MITTAUSRAPORTTI Ympäristömelu Raportti PR3811 Y02 Sivu 1 (6) GrIFK Alpine ry Jussi Kattelus Turku 9.1.2017 YMPÄRISTÖMELUN MITTAUSRAPORTTI Ympäristömelumittaus 5.1.2017 Raportin vakuudeksi Jani Kankare Toimitusjohtaja,

Lisätiedot

1. Kuinka paljon Maan kiertoaika Auringon ympäri muuttuu vuodessa, jos massa kasvaa meteoroidien vaikutuksesta 10 5 kg vuorokaudessa.

1. Kuinka paljon Maan kiertoaika Auringon ympäri muuttuu vuodessa, jos massa kasvaa meteoroidien vaikutuksesta 10 5 kg vuorokaudessa. 1. Kuinka paljon Maan kiertoaika Auringon ympäri muuttuu vuodessa, jos massa kasvaa meteoroidien vaikutuksesta 10 5 kg vuorokaudessa. Vuodessa Maahan satava massa on 3.7 10 7 kg. Maan massoina tämä on

Lisätiedot

Pro gradu -tutkielma Meteorologia SUOMESSA ESIINTYVIEN LÄMPÖTILAN ÄÄRIARVOJEN MALLINTAMINEN YKSIDIMENSIOISILLA ILMAKEHÄMALLEILLA. Karoliina Ljungberg

Pro gradu -tutkielma Meteorologia SUOMESSA ESIINTYVIEN LÄMPÖTILAN ÄÄRIARVOJEN MALLINTAMINEN YKSIDIMENSIOISILLA ILMAKEHÄMALLEILLA. Karoliina Ljungberg Pro gradu -tutkielma Meteorologia SUOMESSA ESIINTYVIEN LÄMPÖTILAN ÄÄRIARVOJEN MALLINTAMINEN YKSIDIMENSIOISILLA ILMAKEHÄMALLEILLA Karoliina Ljungberg 16.04.2009 Ohjaajat: Ari Venäläinen, Jouni Räisänen

Lisätiedot

25.6.2015. Mynämäen kaivon geoenergiatutkimukset 2010-2014

25.6.2015. Mynämäen kaivon geoenergiatutkimukset 2010-2014 25.6.2015 Mynämäen kaivon geoenergiatutkimukset 20102014 Geologian tutkimuskeskus 1 TUTKIMUSALUE Tutkimusalue sijaitsee Kivistönmäen teollisuusalueella Mynämäellä 8tien vieressä. Kohteen osoite on Kivistöntie

Lisätiedot

Kemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka

Kemometriasta. Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Kemometriasta Matti Hotokka Fysikaalisen kemian laitos Åbo Akademi Http://www.abo.fi/~mhotokka Mistä puhutaan? Määritelmiä Määritys, rinnakkaismääritys Mittaustuloksen luotettavuus Kalibrointi Mittausten

Lisätiedot

4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014

4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014 4G LTE-verkkojen sisätilakuuluvuusvertailu 1H2014 27. kesäkuuta 2014 Omnitele Ltd. Mäkitorpantie 3B P.O. Box 969, 00101 Helsinki Finland Puh: +358 9 695991 Fax: +358 9 177182 E-mail: contact@omnitele.fi

Lisätiedot

AurinkoATLAS - miksi mittaustietoa auringosta tarvitaan?

AurinkoATLAS - miksi mittaustietoa auringosta tarvitaan? AurinkoATLAS - miksi mittaustietoa auringosta tarvitaan? Aurinkoatlas-seminaari 20.11.2013 Jussi Kaurola Tulosalueen johtaja, Ilmatieteen laitos Anders Lindfors, Aku Riihelä, Jenni Latikka, Pentti Pirinen,

Lisätiedot

Vinkkejä opettajille ja odotetut tulokset SIVU 1

Vinkkejä opettajille ja odotetut tulokset SIVU 1 Vinkkejä opettajille ja odotetut tulokset SIVU 1 Konteksti palautetaan oppilaiden mieliin käymällä Osan 1 johdanto uudelleen läpi. Kysymysten 1 ja 2 tarkoituksena on arvioida ovatko oppilaat ymmärtäneet

Lisätiedot

PYP I / TEEMA 8 MITTAUKSET JA MITATTAVUUS

PYP I / TEEMA 8 MITTAUKSET JA MITATTAVUUS 1 PYP I / TEEMA 8 MITTAUKSET JA MITATTAVUUS Aki Sorsa 2 SISÄLTÖ YLEISTÄ Mitattavuus ja mittaus käsitteinä Mittauksen vaiheet Mittausprojekti Mittaustarkkuudesta SUUREIDEN MITTAUSMENETELMIÄ Mittalaitteen

Lisätiedot

AKUSTISEN ABSORPTIOSUHTEEN MÄÄRITYS LABORATORIOSSA

AKUSTISEN ABSORPTIOSUHTEEN MÄÄRITYS LABORATORIOSSA Marko Ståhlstedt Kauppakuja 2 21200 Raisio AKUSTISEN ABSORPTIOSUHTEEN MÄÄRITYS LABORATORIOSSA Yleistä Näyte Tilaaja:, Marko Ståhlstedt, 4.10.2007. Toimituspäivä: 10.10.2007. Näytteen asensi: Jarkko Hakala/TTL.

Lisätiedot

Radioyhteys: Tehtävien ratkaisuja. 4π r. L v. a) Kiinteä päätelaite. Iso antennivahvistus, radioaaltojen vapaa eteneminen.

Radioyhteys: Tehtävien ratkaisuja. 4π r. L v. a) Kiinteä päätelaite. Iso antennivahvistus, radioaaltojen vapaa eteneminen. 1S1E ietoliikenteen perusteet Metropolia/A. Koivumäki adioyhteys: ehtävien ratkaisuja 1. Langatonta laajakaistaa tarjoavan 3.5 GHz:n taajuudella toimivan WiMAX-verkon tukiaseman lähettimen lähetysteho

Lisätiedot

Puuta rikkomattomat mittausmenetelmät. Jukka Antikainen 18.3.2014

Puuta rikkomattomat mittausmenetelmät. Jukka Antikainen 18.3.2014 Puuta rikkomattomat mittausmenetelmät Jukka Antikainen 18.3.2014 Sisällys Tolppatuotteiden lujuuden ennustaminen äänennopeuden avulla Tukin kolmiulotteinen mallinnus pienillä pyörösahoilla Puutavaran määrän

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf

Lisätiedot

Työ 21 Valon käyttäytyminen rajapinnoilla. Työvuoro 40 pari 1

Työ 21 Valon käyttäytyminen rajapinnoilla. Työvuoro 40 pari 1 Työ 21 Valon käyttäytyminen rajapinnoilla Työvuoro 40 pari 1 Tero Marttila Joel Pirttimaa TLT 78949E EST 78997S Selostuksen laati Tero Marttila Mittaukset suoritettu 12.11.2012 Selostus palautettu 19.11.2012

Lisätiedot

Lahtelaisten liikkuminen ja siitä aiheutuvat kasvihuonekaasupäästöt sekä erilaisten taustatekijöiden vaikutus näihin

Lahtelaisten liikkuminen ja siitä aiheutuvat kasvihuonekaasupäästöt sekä erilaisten taustatekijöiden vaikutus näihin Lahtelaisten liikkuminen ja siitä aiheutuvat kasvihuonekaasupäästöt sekä erilaisten taustatekijöiden vaikutus näihin CitiCAP hankkeessa kerättiin tietoa henkilöiden liikkumisesta Moprimin kehittämän kännykkäsovelluksen

Lisätiedot

Ilmastonmuutos ja ilmastomallit

Ilmastonmuutos ja ilmastomallit Ilmastonmuutos ja ilmastomallit Jouni Räisänen, Helsingin yliopiston Fysikaalisten tieteiden laitos FORS-iltapäiväseminaari 2.6.2005 Esityksen sisältö Peruskäsitteitä: luonnollinen kasvihuoneilmiö kasvihuoneilmiön

Lisätiedot

Derivaatan sovellukset (ääriarvotehtävät ym.)

Derivaatan sovellukset (ääriarvotehtävät ym.) Derivaatan sovellukset (ääriarvotehtävät ym.) Tehtävät: 1. Tutki derivaatan avulla funktion f kulkua. a) f(x) = x 4x b) f(x) = x + 6x + 11 c) f(x) = x4 4 x3 + 4 d) f(x) = x 3 6x + 1x + 3. Määritä rationaalifunktion

Lisätiedot

Monilähteinen tulvaennustejärjestelmä (Multi-Source Information System for Flood Forecasting): Päätösseminaari 25.10.2011

Monilähteinen tulvaennustejärjestelmä (Multi-Source Information System for Flood Forecasting): Päätösseminaari 25.10.2011 Monilähteinen tulvaennustejärjestelmä (Multi-Source Information System for Flood Forecasting): Päätösseminaari 25.10.2011 Yleistä FloodFore-projektista Aika: 1.11.2008 31.10.2011 (3 v.) Kokonaiskustannukset

Lisätiedot