History of Super Cyclones. ഉം പുൻ ചുഴലിക്കാറ്റ്. 🌪️🌪️🌪️ Cyclone Amphan

-

#Cyclone 
#Amphan
Cyclone Amphan

സൂപ്പർ സൈക്ലോൺ  ചരിത്രം 

'ഉം പുൻ 'സൂപ്പർ സൈക്ലോൺ ആയി 

നോർത്ത് ഇന്ത്യൻ മഹാ സമുദ്രത്തിലെ ഇതുവരെ യുള്ള ഏറ്റവും ശക്തമായ ചുഴലിക്കാറ്റുകളിൽ  ഒന്നായി മാറി 'ഉം പുൻ '

ചുഴലിക്കാറ്റിന്റെ വേഗത 222 km /hr കൂടുതൽ വരുന്ന ചുഴലിക്കാറ്റുകളെയാണ്  'സൂപ്പർ സൈക്ലോൺ ' എന്ന് വിളിക്കുന്നത് 

 1999  രൂപപ്പെട്ട ' ഒഡിഷ സൂപ്പർ സൈക്ലോണിന് '  ശേഷം ബംഗാൾ ഉൾക്കടലിൽ  രൂപപ്പെടുന്നആദ്യ   സൂപ്പർ സൈക്ലോൺ ആണ്' ഉം പുൻ '

ഇന്ത്യൻ മഹാസമുദ്രത്തിൽ (അറബിക്കടൽ +ബംഗാൾ ഉൾക്കടൽ ) രൂപപ്പെടുന്ന 10 മത്തെ മാത്രം  സൂപ്പർ സൈക്ലോൺ ആണ് ഉം പുൻ 

ഉം പുൻ ചുഴലിക്കാറ്റിന്റെ പരമാവധി വേഗത  മണിക്കൂറിൽ 265  കിലോമീറ്റർ വരെയാണ് പ്രവചിച്ചിരിക്കുന്നത്. 1999 ലെ ഇതുവരെയുള്ള ഏറ്റവും ശക്തമായ ഒഡിഷ ചുഴലിക്കാറ്റിന്റെ പരമാവധി കാറ്റിന്റെ വേഗത 260 km/hr  ആയിരുന്നു. 

കഴിഞ്ഞ വർഷം (2019) അറബിക്കടലിൽ രൂപപ്പെട്ട 'ക്യാർ ' ചുഴലിക്കാറ്റ് ആണ് ഏറ്റവും അവസാനം ഉണ്ടായ സൂപ്പർ സൈക്ലോൺ. 

സൂപ്പർ സൈക്ലോൺ 

2019  ക്യാർ  സൂപ്പർ സൈക്ലോൺ (255 km/hr)


2007 ഗോനു  സൂപ്പർ സൈക്ലോൺ (235  km/hr)

1999  ഒഡിഷ  സൂപ്പർ സൈക്ലോൺ (260 km/hr)

 1991 ബംഗ്ലാദേശ് സൂപ്പർ സൈക്ലോൺ (235 km/hr)

1990  ആന്ധ്രാപ്രദേശ് സൂപ്പർ സൈക്ലോൺ (235 km/hr)

1987  ഗേ സൂപ്പർ സൈക്ലോൺ (230 km/hr)

1977  ആന്ധ്രാ പ്രദേശ് സൂപ്പർ സൈക്ലോൺ (250km/hr)

1964  രാമേശ്വരം സൂപ്പർ സൈക്ലോൺ (240 km/hr)

1963  ബംഗ്ലാദേശ് സൂപ്പർ സൈക്ലോൺ (240 km/hr)




....


Vineesh V
Assistant Professor of Geography,
Directorate of Education,
Government of Kerala.
https://g.page/vineeshvc

Comments

Post a Comment

Popular posts from this blog

Spatial feature manipulation in remote sensing

-
Image
Spatial feature manipulation in remote sensing refers to the process of altering or modifying the spatial characteristics of a particular feature in an image or data set. This can be done for a variety of reasons, such as to improve the accuracy or clarity of the image, to enhance the interpretability of the data, or to extract specific information from the image. One common method of spatial feature manipulation is resampling, which involves changing the resolution or spatial extent of an image. This can be done to match the resolution of other data sets, to reduce the size of the image for faster processing, or to increase the resolution for greater detail. Another technique is spatial filtering, which involves applying mathematical operations to the image data to remove noise or highlight specific features. This can be done using convolution filters, which apply a pre-defined mathematical function to the image data, or using image enhancement techniques, such as contrast stretching
Read more

Grey level thresholding. Level slicing. Contrast stretching lo p

-
Image
Grey level thresholding. Level slicing. Contrast stretching. Image enhancement Lillesand and Kiefer (1994) explained the goal of image enhancement procedures is to improve the visual interpretability of any image by increasing the apparent distinction between the features in the scene. This objective is to create "new" image from the original image in order to increase the amount of information that can be visually interpreted from the data. Enhancement operations are normally applied to image data after the appropriate restoration procedures have been performed. Noise removal, in particular, is an important precursor to most enhancements. In this study, typical image enhancement techniques are as follows: Grey level thresholding Grey level thresholding is a simple lookup table, which partitions the gray levels in an image into one or two categories - those below a user-selected threshold and those above. Thresholding is one of many methods for creating a binary mask for an i
Read more

Spatial filtering, Remote Sensing. Low-pass filter. High-pass filter

-
Spatial filtering encompasses another set of digital processing functions which are used to enhance the appearance of an image. Spatial filters are designed to highlight or suppress specific features in an image based on their spatial frequency. Spatial frequency is related to the concept of image texture. It refers to the frequency of the variations in tone that appear in an image. "Rough" textured areas of an image, where the changes in tone are abrupt over a small area, have high spatial frequencies, while "smooth" areas with little variation in tone over several pixels, have low spatial frequencies. A common filtering procedure involves moving a 'window' of a few pixels in dimension (e.g. 3x3, 5x5, etc.) over each pixel in the image, applying a mathematical calculation using the pixel values under that window, and replacing the central pixel with the new value. The window is moved along in both the row and column dimensions one pixel at a time and the ca
Read more