September മഴ 2019 ആവർത്തിക്കുന്നു.?? Kerala. Weather. Climate. Geography. Monsoon

-



ജൂൺ ജൂലൈ തിമിർത്തു പെയ്തു  ഓഗസ്റ്റ് സെപ്റ്റംബർ  ശക്തി കുറയുന്ന പഴയ കാലവർഷ മഴയുടെ സ്വഭാവം മാറുകയാണോ..?? 

സെപ്റ്റംബർ മാസത്തിൽ ശരാശരി മഴ 260 mm. സെപ്റ്റംബർ 12ഓടെ തന്നെ ഇത്തവണ 280 mm മറികടന്നു. 2019 ലും സെപ്റ്റംബർ 12ഓടെ  260 mm മറികടന്നു. 
കഴിഞ്ഞ വർഷം  സെപ്റ്റംബർ മാസത്തിൽ ആകെ പെയ്തത് 426 mm, 64% അധികം. 

കാലവര്ഷം ഔദ്യോഗികമായി അവസാനിക്കാൻ 18  ദിവസം ബാക്കി നിൽക്കേ  5 ജില്ലകൾ  സീസണിൽ മൊത്തത്തിൽ ലഭിക്കേണ്ട മഴ മറികടന്നു. കോഴിക്കോട്, കണ്ണൂർ, കോട്ടയം, തിരുവനന്തപുരം, കാസറഗോഡ് ജില്ലകളാണ് . മൺസൂൺ ശരാശരി മറികടന്നത്. 

ജൂൺ 1 മുതൽ സെപ്റ്റംബർ 30 വരെ നീളുന്ന കാലവർഷത്തിൽ കോഴിക്കോട് ജില്ലയിൽ ലഭിക്കേണ്ട ശരാശരി മഴ 2577  mm ആണ്. ഇത്തവണ സെപ്റ്റംബർ 12 ആയപ്പോൾ തന്നെ അത്‌  2973 mm ആയി. 
അതെ പോലെ തന്നെ കാസർഗോഡ്, കണ്ണൂർ, കോട്ടയം,തിരുവനന്തപുരം ജില്ലകളും മറികടന്നു.  

2019ൽ സെപ്റ്റംബർ 12 ആയപ്പോൾ 8 ജില്ലകൾ  ശരാശരി മഴയെ മറികടന്നിരുന്നു. കഴിഞ്ഞ വർഷം കോഴിക്കോട്, പാലക്കാട്‌, കണ്ണൂർ, കാസറഗോഡ്, തൃശൂർ, കോട്ടയം  എറണാകുളം, മലപ്പുറം, എന്നീ ജില്ലകളാണ്  ശരാശരി മഴ സെപ്റ്റംബർ ആദ്യം തന്നെ മറികടന്നത്.

2018, 2019, 2020 വർഷത്തിൽ ഓഗസ്റ്റ് മാസത്തിലും  മഴ യിൽ  ശരാശരിയെക്കാൾ വൻ വർദ്ധനവ് കാണിച്ചിരുന്നു. 
സെപ്റ്റംബർ ൽ  2018 വളരെ കുറവ് മഴ ലഭിച്ചപ്പോൾ 2019 ൽ വൻ വർദ്ധനവ്. 2020 കൂടി... 



....


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