Climate projections were derived fr

Climate projections were derived from GCM simulations of the
SRES A2 scenario for emissions of greenhouse gases and sulphate
aerosols (Nakic´enovic´ and Swart, 2000). This scenario has been used
in numerous recent climate change impact studies (Anandhi et al.,
2011; van Roosmalen et al., 2009; Yang et al., 2014). It has relatively
high future greenhouse gas emissions relative to other
commonly used scenarios. Monthly mean values of solar radiation,
daily maximum and daily minimum temperature and rainfall
for the 21st century were required for this study. These data were
available for 18 different GCMs from the World Climate Research
Programme’s (WCRP’s) Coupled Model Intercomparison Project phase
3 (CMIP3) multi-model dataset (Meehl et al., 2007a). To sample uncertainty
in future climate changes, all 18 GCMs (table 2 in Yang
et al., 2014) were used for this study. Monthly gridded data from
each GCM was statistically downscaled to daily site-specific data
for each location using the method described by Liu and Zuo (2012).
The downscaling procedure starts frominterpolation of the monthly
gridded data to specific locations of interest using an inverse distance
cubed weighting method. This is followed by a bias correction
between the observed and raw GCM monthly data – the detailed
description of bias correction is given by Liu and Zuo (2012). Daily
climate data are then generated for each location using a modified
stochastic weather generator (WGEN) (Richardson andWright,
1984). The parameters required to drivingWGEN are derived from
the monthly GCM data and daily historical climate data from 1889
to 2010, as described in Liu and Zuo (2012). Historical climate data
from 1961 and 2010 were used as a baseline climate to compare
against the projected future climates. Three periods of future climate
projection were chosen for the impact assessment: 2020–2039,
2050–2069 and 2080–2099, referred as 2030, 2060 and 2090,
respectively.

ผลลัพธ์ (ไทย) 1:

Climate projections were derived from GCM simulations of theSRES A2 scenario for emissions of greenhouse gases and sulphateaerosols (Nakic´enovic´ and Swart, 2000). This scenario has been usedin numerous recent climate change impact studies (Anandhi et al.,2011; van Roosmalen et al., 2009; Yang et al., 2014). It has relativelyhigh future greenhouse gas emissions relative to othercommonly used scenarios. Monthly mean values of solar radiation,daily maximum and daily minimum temperature and rainfallfor the 21st century were required for this study. These data wereavailable for 18 different GCMs from the World Climate ResearchProgramme’s (WCRP’s) Coupled Model Intercomparison Project phase3 (CMIP3) multi-model dataset (Meehl et al., 2007a). To sample uncertaintyin future climate changes, all 18 GCMs (table 2 in Yanget al., 2014) were used for this study. Monthly gridded data fromeach GCM was statistically downscaled to daily site-specific datafor each location using the method described by Liu and Zuo (2012).The downscaling procedure starts frominterpolation of the monthlygridded data to specific locations of interest using an inverse distancecubed weighting method. This is followed by a bias correctionbetween the observed and raw GCM monthly data – the detaileddescription of bias correction is given by Liu and Zuo (2012). Dailyclimate data are then generated for each location using a modifiedสร้างแบบเฟ้นสุ่มอากาศ (WGEN) (ริชาร์ดสัน andWright1984) มาจากพารามิเตอร์ที่จำเป็นในการ drivingWGENข้อมูลการบำรุงรักษารายเดือนและรายวันข้อมูลสภาพภูมิอากาศประวัติศาสตร์จาก 1889ถึง 2553 ในหลิวและซูยูเกธีม (2012) ข้อมูลสภาพภูมิอากาศประวัติศาสตร์1961 และ 2010 ใช้เป็นสภาพพื้นฐานในการเปรียบเทียบกับสภาพอากาศในอนาคตคาดการณ์ ของสภาพภูมิอากาศในอนาคตโปรเจคเตอร์ที่ถูกเลือกสำหรับการประเมินผลกระทบ: 2020-20392050-2069 และ 2080-2099 อ้างอิงปี 2030, 2060 และ 2090ตามลำดับ

ผลลัพธ์ (ไทย) 2:

การคาดการณ์สภาพภูมิอากาศได้มาจากการจำลอง GCM ของ
สถานการณ์ SRES A2 สำหรับการปล่อยก๊าซเรือนกระจกและซัลเฟต
ละออง (Nakic'enovic' และผิวคล้ำ, 2000) สถานการณ์นี้ได้ถูกนำมาใช้
ในการเปลี่ยนแปลงสภาพภูมิอากาศที่ผ่านการศึกษาผลกระทบจำนวนมาก (Anandhi, et al.
2011; แวน Roosmalen et al, 2009;.. ยาง et al, 2014) แต่ก็มีค่อนข้าง
สูงในอนาคตการปล่อยก๊าซเรือนกระจกอื่น ๆ เมื่อเทียบกับ
สถานการณ์ที่ใช้กันทั่วไป ค่าเฉลี่ยรายเดือนของรังสีแสงอาทิตย์
สูงสุดประจำวันและอุณหภูมิต่ำสุดในชีวิตประจำวันและปริมาณน้ำฝน
สำหรับศตวรรษที่ 21 ที่ถูกต้องสำหรับการศึกษานี้ ข้อมูลเหล่านี้
สามารถใช้ได้สำหรับ 18 GCMs แตกต่างจากการวิจัยสภาพภูมิอากาศโลก
ของโครงการ (ของ WCRP) ควบคู่รุ่น intercomparison โครงการระยะที่
3 (CMIP3) ชุดข้อมูลหลายรูปแบบ (Meehl et al., 2007A) ตัวอย่างความไม่แน่นอน
ในการเปลี่ยนแปลงภูมิอากาศในอนาคตทั้งหมด 18 GCMs (ตารางที่ 2 ในยาง
et al., 2014) ถูกนำมาใช้สำหรับการศึกษานี้ ข้อมูล gridded รายเดือนจาก
แต่ละ GCM ถูก downscaled สถิติข้อมูลเว็บไซต์ที่เฉพาะเจาะจงในชีวิตประจำวัน
สำหรับแต่ละสถานที่โดยใช้วิธีการอธิบายโดยหลิวและ Zuo (2012).
ขั้นตอนการเริ่มต้น downscaling frominterpolation ของรายเดือน
ข้อมูล gridded ไปยังสถานที่เฉพาะที่น่าสนใจโดยใช้ระยะทางที่ตรงกันข้าม
คีบ วิธีการถ่วงน้ำหนัก นี้ตามด้วยการแก้ไขอคติ
ระหว่างสังเกตและดิบ GCM ข้อมูลรายเดือน - รายละเอียด
คำอธิบายของการแก้ไขอคติจะได้รับโดยหลิวและ Zuo (2012) ประจำวัน
ข้อมูลสภาพภูมิอากาศจะมีการสร้างแล้วสำหรับสถานที่แต่ละแห่งมีการปรับเปลี่ยนการใช้
เครื่องกำเนิดไฟฟ้าสภาพอากาศสุ่ม (WGEN) (ริชาร์ด andWright,
1984) พารามิเตอร์ที่จำเป็นในการ drivingWGEN จะได้มาจาก
ข้อมูลรายเดือนและรายวัน GCM ข้อมูลสภาพภูมิอากาศทางประวัติศาสตร์จากปี 1889
ถึง 2010 ตามที่อธิบายไว้ในหลิวและ Zuo (2012) ข้อมูลสภาพภูมิอากาศที่สำคัญทางประวัติศาสตร์
จากปี 1961 และ 2010 ถูกนำมาใช้เป็นพื้นฐานของสภาพภูมิอากาศเพื่อเปรียบเทียบ
กับภูมิอากาศในอนาคตที่คาดการณ์ไว้ สามรอบระยะเวลาของภูมิอากาศในอนาคต
ฉายได้รับการแต่งตั้งในการประเมินผลกระทบ: 2020-2039,
2050-2069 และ 2080-2099 เรียกว่าเป็นปี 2030 2060 และ 2090,
ตามลำดับ

ผลลัพธ์ (ไทย) 3:

ภูมิอากาศได้มาจาก GCM การจำลองสถานการณ์ A2
ทุกท่านสำหรับการปล่อยก๊าซเรือนกระจก และซัลเฟตแอโรซอล (
nakic ใหม่และ enovic ใหม่สวาต , 2000 ) สถานการณ์นี้ได้ถูกใช้ในการเปลี่ยนแปลงสภาพภูมิอากาศ
มากมายล่าสุดการศึกษา ( anandhi et al . ,
2011 ; รถตู้ roosmalen et al . , 2009 ; ยาง et al . , 2010 ) มันค่อนข้างสูง การปล่อยก๊าซเรือนกระจกในอนาคต

ญาติอื่น ๆมักใช้ในสถานการณ์ รายเดือน หมายความว่า ค่าของรังสีแสงอาทิตย์ อุณหภูมิต่ำสุดและสูงสุดทุกวันทุกวัน

และปริมาณน้ำฝนสำหรับศตวรรษที่ 21 เป็นสำหรับการศึกษานี้ ข้อมูลเหล่านี้ถูก
ใช้ได้ 18 GCMS แตกต่างจากสภาพภูมิอากาศโลกโครงการวิจัย
( wcrp ) คู่แบบ intercomparison โครงการเฟส
3 ( cmip3 ) หลายรูปแบบข้อมูล ( meehl et al . , 2007a ) ตัวอย่างความไม่แน่นอน
การเปลี่ยนแปลงภูมิอากาศในอนาคต ทั้งหมด 18 GCMS ( ตารางที่ 2 ในยาง
et al . , 2014 ) สถิติที่ใช้ในการวิจัย รายเดือน gridded ข้อมูลจาก
แต่ละ GCM มีนัย downscaled ทุกวันเฉพาะข้อมูล
สำหรับแต่ละสถานที่ที่ใช้วิธีการบรรยายโดยหลิวและจั่ว ( 2012 ) .
ขั้นตอน downscaling เริ่ม frominterpolation ของรายเดือน
gridded ข้อมูลไปยังสถานที่ที่เฉพาะเจาะจงที่น่าสนใจโดยใช้
ระยะทางผกผันคีบน้ำหนักวิธี นี้ตามด้วยอคติแก้ไข
ระหว่างสังเกตและดิบ GCM ข้อมูลรายเดือนสนใจรายละเอียด
แก้ไขอคติให้หลิวและจั่ว ( 2012 ) ข้อมูลภูมิอากาศรายวัน
จะถูกสร้างขึ้นแล้วสำหรับแต่ละสถานที่ที่ใช้แก้ไข
เครื่องกำเนิดไฟฟ้าสภาพอากาศ stochastic ( wgen ) ( ริชาร์ดสัน andwright
, 1984 ) พารามิเตอร์ที่ต้อง drivingwgen มาจาก
รายเดือน GCM ข้อมูลและข้อมูลภูมิอากาศประวัติศาสตร์ทุกวันตั้งแต่ 1889
ใน 2010 , ตามที่อธิบายไว้ในหลิวและจั่ว ( 2012 ) ข้อมูลทางประวัติศาสตร์ภูมิอากาศ
จาก 1961 และ 2010 ที่ถูกใช้เป็นฐานการเปรียบเทียบกับที่คาดการณ์ในอนาคต (
. สามช่วงที่ฉายบรรยากาศ
ในอนาคตเลือกสำหรับการประเมินผลกระทบ 2020 – 2039
2050 2080 ) , และเพื่อแสดง , 099 เรียกว่า 2030 2060 0
, และ ,ตามลำดับ