Kerala. Weather update. Climate.

-

കേരളത്തിൽ ഇത്തവണ തുലാവര്ഷവും സാധാരണയിൽ കൂടുതൽ ആകാൻ സാധ്യതയെന്ന് കേന്ദ്ര കാലാവസ്ഥ മോഡൽ. 

 ഓഗസ്റ്റ് മാസത്തിലെ അന്തരീക്ഷ സ്ഥിതി പ്രകാരം കേന്ദ്ര കാലാവസ്ഥ വകുപ്പിന്റെ കാലാവസ്ഥ മോഡൽ കേരളത്തിൽ ഇത്തവണ തുലാവര്ഷം(ഒക്ടോബർ -ഡിസംബർ ) സാധാരണയിൽ കൂടാൻ സാധ്യതയെന്ന് പ്രവചിക്കുന്നു.

 വടക്കൻ കേരളത്തിൽ സാധാരണയെക്കാൾ കൂടുതൽ തുലാവര്ഷമഴ ലഭിക്കാൻ സാധ്യത കൂടുതൽ  

 ഒക്ടോബർ മാസത്തിൽ തിരുവനന്തപുരം ഉൾപ്പെടെയുള്ള തെക്കൻ ജില്ലകളിൽ സാധാരണയെക്കാൾ കുറവ് മഴ പ്രവചിക്കുമ്പോൾ മധ്യ വടക്കൻ കേരളത്തിൽ സാധാരണയെക്കാൾ കൂടുതൽ മഴ സാധ്യത. 

നവംബർ മാസത്തിൽ കേരള മൊത്തത്തിൽ സാധാരണയെക്കാൾ കൂടുതൽ മഴ സാധ്യത സൂചന നൽകുമ്പോൾ ഡിസംബർ മാസത്തിൽ തിരുവനന്തപുരം ഒഴികെയുള്ള ജില്ലകളിൽ കുറവ് മഴ പ്രവചിക്കുന്നു.

നേരത്തെ അമേരിക്കൻ കാലാവസ്ഥ ഏജൻസി( CPC ), കൊറിയർ കാലാവസ്ഥ ഏജൻസി (APCC) എന്നിവയുടെ പ്രവചന പ്രകാരം സാധാരണയോ അതിൽ കുറയാനോ സാധ്യത പ്രവചിക്കുമ്പോൾ. യൂറോപ്യൻ കാലാവസ്ഥ ഏജൻസി (ECMWF ), ബ്രിട്ടന്റെ കാലാവസ്ഥ ഏജൻസി ( UK Met Office ) എന്നിവ ഇത്തവണ കേരളത്തിൽ സാധാരണ യിൽ കൂടുതൽ കാലവര്ഷം പ്രവചിക്കുന്നു.

അതെ സമയം ഇത്തവണ കേരളത്തിൽ തുലാവര്ഷം സാധാരണയിൽ കുറയാൻ സാധ്യതയെന്ന് ജപ്പാൻ കാലാവസ്ഥ ഏജൻസിയായ JAMSTEC, സ്വകാര്യ അന്താരാഷ്ട്ര കാലാവസ്ഥ ഏജൻസി' അക്കു വെതർ ' ഉം പ്രവചിക്കുന്നു. 

NB : ദീർഘകാല മോഡൽ പ്രവചങ്ങൾക്കു കൃത്യത കുറവാണ്. ഇതൊരു സൂചന മാത്രമാണ്. 
എന്നാൽ സ്ഥിരം കേൾക്കുന്ന മറ്റേ 'സൂചന ' പറയുന്നത് പോലെയും അല്ല.
🌏🌍
🌎🌐



Vineesh V
Assistant Professor of Geography,
Directorate of Education,
Government of Kerala.
https://www.facebook.com/Applied.Geography
http://geogisgeo.blogspot.com

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