Анализ волн жары в городах России летом 2023 года.

Я решил сделать исследование на представленную тему, так как мне было интересно пронаблюдать за изменениями температур в разных регионах. Данные взяты из архива фактической погоды Гидрометцентра России. Каждая запись отражает измерение температуры в конкретном городе во время волны жары. Набор содержит среднесуточные температуры, максимальные дневные значения и климатическую аномалию - отклонение от 90-го процентиля исторической нормы (1981–2010).

Интерес исследования - сравнить абсолютную интенсивность жары, аномальность относительно климата и характер распределения температур.

Для объясняющей визуализации выбраны разные типы графиков: столбчатые диаграммы (рейтинги), scatter-диаграмма (взаимосвязь), гистограмма (распределение) и временной график (динамика).

1. Очистка и подготовка данных

• приведение дат к datetime
• переименование колонок
• преобразование длинного формата в широкий (pivot)
• агрегация по волнам жары

Это позволило получить ключевые показатели:

• максимальная температура волны
• средняя аномалия
• длительность

2. Статистические методы Использованы:

• агрегация (groupby) — анализ по волнам жары
• описательная статистика — экстремумы и средние значения
• распределительный анализ — гистограмма
• визуальный корреляционный анализ — scatter

Цель — выявить различия между физической жарой и климатической аномалией.

Показывает абсолютные экстремумы жары. Лидируют южные регионы — там физическая температура выше всего.

Вывод: экстремальная жара концентрируется в традиционно тёплых регионах.

Здесь лидируют северные города — температура там не рекордная, но сильнее отклоняется от климатической нормы.

Вывод: климатический стресс выше в регионах, не адаптированных к жаре.

Scatter показывает слабую прямую связь: высокая температура ≠ высокая аномалия.

Ключевой вывод проекта: жара и климатическая аномалия — разные феномены.

Большинство волн находятся в умеренном диапазоне, экстремальные значения редки.

Вывод: сильные климатические отклонения — статистические выбросы.

Показывает изменение температуры по дням.

Вывод: жара развивается неравномерно, возможны резкие пики и спады.

import pandas as pd

df = pd.read_excel("data.xlsx")

df = df.rename(columns={ "indicator_name": "indicator", "indicator_value": "value", "heat_wave_index": "wave" })

df["date"] = pd.to_datetime(df["date"])

pivot = df.pivot_table( index=["city", "wave", "date"], columns="indicator", values="value" ).reset_index()

pivot.columns.name = None

pivot = pivot.rename(columns={ pivot.columns[3]: "Tavg", pivot.columns[4]: "Tmax", pivot.columns[5]: "Anom" })

agg = pivot.groupby(["city", "wave"]).agg( duration=("date","count"), max_tmax=("Tmax","max"), mean_anom=("Anom","mean") ).reset_index()

import matplotlib.pyplot as plt

top = agg.sort_values("max_tmax", ascending=False).head(10)

plt.barh(top["city"], top["max_tmax"]) plt.gca().invert_yaxis() plt.title("Top heat peaks") plt.show()

Проведённый анализ показал, что волны жары летом 2023 года в разных городах России различались не только по абсолютным температурным значениям, но и по степени климатической аномальности. В южных регионах фиксировались наиболее высокие физические пики температуры, тогда как в северных и умеренных зонах жара чаще проявлялась как статистическое отклонение от климатической нормы.

Сопоставление максимальных температур и аномалий показало, что экстремальная жара и климатическая необычность события — не одно и то же явление. Это подчёркивает необходимость комплексного подхода к оценке погодных экстремумов: важно учитывать не только абсолютные показатели, но и их контекст относительно климатических норм.

Распределительный анализ выявил, что большинство волн жары находились в умеренном диапазоне аномалий, а экстремальные значения встречались значительно реже, что указывает на их статистическую исключительность. Временная динамика отдельных волн показала, что развитие жары может быть неравномерным, с резкими пиками и спадом температуры.

Таким образом, визуализация данных позволила выявить скрытые закономерности и различия между типами экстремальной жары, продемонстрировав возможности инструментов анализа данных для изучения реальных климатических процессов.