Na etapie wstępnym interpolacji wielowymiarowej przygotowuje się zestaw warstw potencjalnych predyktorów, z reguły ciągłych przestrzennie, odzwierciedlających różnorodne procesy fizyczne i czynniki determinujące proces przestrzenny. Te zmienne, które są istotne dla rozkładu zmiennej es-tymowanej, zostają włączone technikami analitycznymi do modelu na etapie jego specyfikacji. W fazie przygotowania zmiennych dodatkowych należy także rozstrzygnąć, jaka skala przestrzenna procesu (efekty lokalne, globalne) zostanie uwzględniona, adekwatnie do wielkości obszaru badań i planowanej szczegółowości, czyli rozdzielczości przestrzennej modelu (mapy).
Przegląd prac uwzględniających techniki wielowymiarowe w mode-lowaniu temperatury powietrza wskazuje, że są zmienne, które można trak-tować jako uniwersalne, praktycznie zawsze uwzględniane w analizie oraz takie, które stosuje się w zależności od specyfiki klimatycznej (geograficz-nej) obszaru badań i skali uwzględnianych oddziaływań. Do pierwszej grupy należy wysokość bezwzględna terenu, jako pierwszorzędny czynnik determi-nujący temperaturę powietrza, którego siła oddziaływania jest z reguły wie-lokrotnie większa niż pozostałych czynników środowiskowych. W praktyce można mieć pewność, że jeśli do interpolacji temperatury powietrza jest wy-korzystywana technika wielowymiarowa, to wysokość terenu jest zawarta w zbiorze zmiennych objaśniających. Do tej samej grupy, choć już nie zaw-sze uwzględniane w analizie, należy zaliczyć współrzędne (geograficzne lub prostokątne płaskie), które odzwierciedlają rolę położenia geograficznego w rozkładzie temperatury. Zmienne te są stosowane, aby oddać ogólny trend przestrzenny, będący, na przykład, konsekwencją systematycznych zmian w insolacji, oddziaływania oceanów i mórz, obszarów lądowych lub pasm górskich (m.in. Collins, Bolstad, 1996; Nalder, Wein, 1998; Agnew,
Paluti-kof, 2000; Ninyerola i in., 2000; Jarvis, Stuart, 2001a, b; Ustrnul, Czekierda, 2003, 2005; Vicente-Serrano i in., 2003; Perry, Hollis, 2005a, b; Ninyerola i in., 2007; Hiebl i in., 2009; Perčec Tadić, 2010; Hogewind, Bissolli, 2011).
Należy założyć, że w wielu sytuacjach współrzędne mogą reprezentować także regularne układy związane z czynnikami cyrkulacyjnymi, zwłaszcza z adwekcją mas powietrza. Dla obszaru Polski, zmiany temperatury związane z oddziaływaniami oceanicznymi/kontynentalnymi wyraża długość geogra-ficzna.
Często używaną w modelowaniu temperatury zmienną jest odległość od morza (np. Lennon, Turner, 1995; Agnew, Palutikof, 2000; Ustrnul, Czekierda, 2003, 2005; Vicente-Serrano i in., 2003; Perry, Hollis, 2005a, b;
Ninyerola i in., 2007; Perčec Tadić, 2010; Joly i in., 2011). Należy podkre-ślić, że kierunek oddziaływania tej zmiennej nie musi być zgodny z głównym kierunkiem zmian cech oceanicznych/kontynentalnych klimatu, jak to się ma w przypadku Polski. Odległość od zbiorników wodnych, podobnie jak więk-szość zmiennych oddających wpływ pokrycia terenu, ma zasięg regionalny lub lokalny. Rola takiego oddziaływania spada z odległością, a najsilniej za-znacza się w odległości poniżej 10 km. Powyżej 100 km wpływ morza jest zaniedbywalny (Daly, 2006). Miejscowy charakter mają także relacje tempe-ratury powietrza z innymi formami pokrycia terenu (Agnew, Palutikof, 2000;
Jarvis, Stuart, 2001a, b; Perčec Tadić, 2010), wśród których za dość istotną należy uznać rolę oddziaływania obszarów zurbanizowanych (Choi i in., 2003; Perry, Hollis, 2005a, b; Hiebl i in., 2009).
Lokalnym zasięgiem odznacza się również wpływ rzeźby terenu, re-prezentowany w zbiorze potencjalnych zmiennych przez pochodne nume-rycznego modelu terenu. Jedną z częściej stosowanych jest tu nachylenie terenu (Lennon, Turner, 1995; Agnew, Palutikof, 2000; Brown, Comrie, 2002; Attorre i in., 2007; Lhotellier, 2007; Hiebl i in., 2009; Apaydin i in.
2011; Joly i in., 2011), choć jego rola w procesach fizycznych kształtujących temperaturę powietrza jest skomplikowana i niejednoznaczna. Zmienna ta prawdopodobnie nie powinna występować samodzielnie, ale raczej w połą-czeniu z ekspozycją terenu (White, 1979; Agnew, Palutikof, 2000; Brown, Comrie, 2002; Attorre i in., 2007; Lhotellier, 2007; Hiebl i in., 2009; Apay-din i in. 2011; Joly i in., 2011). Rolę rzeźby, zwłaszcza związaną z odprowa-dzaniem chłodniejszego powietrza ze stoków i tendencją do tworzenia się zastoisk chłodu, wyrażają także zmienne wklęsłości/wypukłości, wysokości względnej i krzywizny terenu (White, 1979; Ninyerola i in., 2007; Esteban i in., 2009; Hiebl i in., 2009: Boi i in., 2011).
Stosunkowo rzadko stosowaną, być może ze względu na trudności obliczeniowe, zmienną objaśniającą temperaturę powietrza jest insolacja (Ni-nyerola i in., 2000; Vicente-Serrano i in., 2003; Attorre i in., 2007; Benavides i in., 2007; Lhotellier, 2007; Ninyerola i in., 2007; Esteban i in., 2009; Joly i in., 2011). Jest to zmienna o charakterze kompleksowym, wyrażająca za-równo astronomiczno-geograficzne uwarunkowania energetyczne, jak i lo-kalny wpływ wysokości i rzeźby terenu.
Uwzględniając opisane w rozdziale 1 czynniki klimatu, decydujące o wielkości i rozkładzie temperatury powietrza w Polsce oraz dotychczasowe rezultaty prac dotyczących wielowymiarowej interpolacji temperatury, w zasobie potencjalnych predyktorów uwzględniono trzy grupy zmiennych:
zmienne ogólnej tendencji przestrzennej, obejmujące warstwy współrzęd-nych komórek rastrowych (X, Y) oraz indeks odległości od morza (SDI),
numeryczny model wysokości (DEM) i warstwy pochodne: nachylenie (SLP), indeks wklęsłości-wypukłości (CCI), indeks fenowy (FI), insolację (IT),
pokrycie terenu i jego pochodne: udział procentowy powierzchni natural-nych (NS) i sztucznatural-nych (AS) w otoczeniu punktu oraz znormalizowany indeks wegetacji NDVI.
Współrzędne X i Y oznaczają tu wartości współrzędnych na osiach, odpowiednio, odciętych i rzędnych Państwowego Układu Współrzędnych Geodezyjnych 1992 (PUWG–92). Symbole osi są zamienione w porównaniu do stosowanych w układach geodezyjnych, natomiast są zgodne z oznacze-niami stosowanymi w oprogramowaniu systemów informacji geograficznej.
Wpływ Morza Bałtyckiego na wielkość temperatury powietrza obra-zuje indeks SDI. Aby uwzględnić malejące z odległością oddziaływanie Bał-tyku, indeks skonstruowano jako pierwiastek kwadratowy najmniejszej odle-głości euklidesowej (wyrażonej liczbą komórek) danej komórki rastrowej od linii wybrzeża.
Jako źródłowy numeryczny model terenu wykorzystano model SRTM–3 (http://www2.jpl.nasa.gov/srtm), który na potrzeby tego opracowa-nia został poddany transformacji do układu współrzędnych 1992, połączonej z resamplingiem do rozdzielczości 250 m. Na podstawie tak przygotowanego DEM obliczono: nachylenie (SLP), indeks wklęsłości/ wypukłości (CCI), służący wyrażeniu efektów zastoiskowych wklęsłych form terenu oraz indeks fenowy (FI), obrazujący termiczne oddziaływanie wiatru fenowego (Szyma-nowski i in., 2007).
Zmienną obrazującą wpływ czynników energetycznych na rozkład temperatury jest insolacja (IT). Ponieważ estymacja rzeczywistego promie-niowania słonecznego docierającego do terytorium Polski leżała poza zakre-sem merytorycznym tego opracowania, zdecydowano, że przestrzenne zróż-nicowanie w dopływie energii słonecznej zostanie wyrażone przez sumy energii potencjalnego promieniowania całkowitego dopływającego do rze-czywistej (nachylonej) powierzchni terenu, z uwzględnieniem zasłonięć
tere-nowych. Obliczenia wykonano za pomocą programu r.sun zaimplementowa-nego w oprogramowaniu GIS – GRASS (GRASS Development Team, 2011).
Program r.sun jest najbardziej rozwiniętym funkcjonalnie modułem do obli-czeń promieniowania w GIS i z powodzeniem może być aplikowany zarów-no dla dużych obszarów (Šuri, Hofierka, 2004), jak i pracować z modelami terenu o wysokiej rozdzielczości (Kryza i in., 2010).
Zmienne opisujące odsetek powierzchni, umownie nazwanych
„sztucznymi” (AS) i „naturalnymi” (NS), w otoczeniu o promieniu 5, 10 i 20 komórek wokół każdego punktu, przygotowano na podstawie bazy danych o pokryciu terenu CLC2000 – CORINE Land Cover 2000 (2004) dla krajów Unii Europejskiej oraz bazy USGS Land Cover (2011) dla Ukrainy, Białorusi i Rosji.
Do grupy potencjalnych predyktorów, oddających rolę pokrycia tere-nu należy zaliczyć także rozkład przestrzenny indeksu wegetacji NDVI. Re-lacje NDVI i temperatury powietrza są znane i udowodnione zarówno w skali kraju (Kożuchowski, Żmudzka, 2001a), jak i lokalnej (Szymanowski, Kryza, 2012a). Dla przygotowania warstw NDVI adekwatnych do zmiennych tem-peraturowych posłużono się dwiema bazami danych pozyskanymi z Clark Labs, Clark University, USA (http://www.clarklabs.org/products/global-gis-image-processing-data.cfm):
Global Data Archive 1: 0,05 Degree MODIS Normalized Difference Vegetation Index (NDVI) and Enhanced Vegetation Index (EVI 2000–
2009),
Global Data Archive 2: 0.1 Degree AVHRR Normalized Difference Vege-tation Index (NDVI) 1981–2000.
Wszystkie warstwy przygotowano w układzie współrzędnych 1992 w rozdzielczości 250 m, zgodnie z zakładaną rozdzielczością map temperatu-ry powietrza. Dla uwzględnienia wpływu otoczenia na wielkość temperatutemperatu-ry
warstwy DEM, CCI, FI, IT i NDVI przygotowano w wariantach odzwiercie-dlających zmienne oddziaływanie poprzez uśrednianie w ruchomym oknie kołowym o promieniu 5, 10 i 20 komórek (1250, 2500 i 5000 m).