Unfortunately, Portuguese data were

Unfortunately, Portuguese data were not available for this
work. However, other analysis (e.g. Goodess and Jones,
2002; Rocha, 1999) covering the whole Iberian Peninsula,
include Portugal in the western area. The inclusion of Portuguese
data, therefore, would enlarge the regions established
in this work, that is, cluster 1 for autumn, winter, and
spring, and cluster 4 for summer.
PCA method is an alternative to traditional CA tools to
obtain homogeneous groups. In PCA, variables are assigned
to groups according to their loading factor values. PCA regions
are “fuzzy”, that is, the main difference lies in the fact
that PCA solutions may be overlapping, with some variables
may be included in more than a single group (Gong and
Richman, 1995). The analyses presented in Sect. 4.1 indicate
that there are three regions (clusters) of seasonal rainfall
over the Iberian Peninsula in winter and spring: the western
area of the Peninsula, the eastern Mediterranean Coast,
and the northern zone. Four clusters have been obtained
in summer and autumn, when local and convective mechanisms
are more important in rainfall generation. On the
other hand, PCA results are very similar, with the first EOFs
corresponding to the regions established by CA, mainly in
winter and spring. These broad regionalizations are supported
by other studies (Rodo et al., 1997; Esteban-Parra et ´
al., 1998; Rodr´ıguez-Puebla et al., 1998; Mart´ın-Vide and
Gomez, 1999; Serrano et al., 1999; Goodess and Jones, ´
2002). They are based on the analysis of 32 stations. The
Iberian topography and other geographical factors are responsible
for spatial heterogeneity at the sub-regional scale
(Romero et al., 1999). A certain annual cycle is detected if
the spatial patterns of the different seasons are compared.
While CA includes the complete variance of original data,
PCA allows one to distinguish between “signal” and “noise”.
Noise in original data is excluded if the dimensionality reduction
stage of the PCA is successful. Conversely, traditional
CA includes the full original raw variance information.
In this sense, PCA is a technique more powerful than CA.
However, the use of standardized anomalies as input data in
CA allows one to obtain analogous time series to describe
this variability. Although the series obtained are fluctuating,
with alternating dry and wet peaks, some features can be
noted, mainly the predominance of dry conditions in the last
decades of the century, coinciding with the predominance of
the positive phase of the North Atlantic Oscillation during
this period (Hurrell et al., 2003). The analysis of the influence
of the North Atlantic Oscillation on these series will be
the object of a work now in preparation.

ผลลัพธ์ (ไทย) 1:

อับ โปรตุเกสข้อมูลไม่พร้อมใช้งานสำหรับนี้ทำงาน อย่างไรก็ตาม วิเคราะห์อื่น ๆ (เช่น Goodess และโจนส์2002 Rocha, 1999) ครอบคลุมทั้งสมุทรรวมโปรตุเกสบริเวณตะวันตก รวมของโปรตุเกสข้อมูล ดังนั้น จะขยายขอบเขตที่กำหนดในงานนี้ คือ คลัสเตอร์ 1 สำหรับฤดูใบไม้ร่วง ฤดูหนาว และฤดูใบไม้ผลิ และคลัสเตอร์ 4 สำหรับฤดูร้อนวิธี PCA เป็นทางเลือกแบบ CA เครื่องมือรับกลุ่มเป็นเนื้อเดียวกัน มีกำหนดตัวแปรใน PCAกลุ่มตามโหลดของปัจจัยค่า ภูมิภาค PCAถูก "เอิบ" นั่นคือ ข้อแตกต่างสำคัญอยู่ในความเป็นจริงว่า วิธี PCA อาจจะซ้อนทับกัน มีตัวแปรบางอาจรวมอยู่ในกลุ่มเดียวมากกว่า (กง และริชแมนพัวร์ 1995) การบ่งชี้วิเคราะห์ใน Sect. 4.1ว่า มีภาคสาม (คลัสเตอร์) ของปริมาณน้ำฝนตามฤดูกาลผ่านสมุทรในฤดูหนาวและฤดูใบไม้ผลิ: ตะวันตกพื้นที่คาบสมุทร ชายฝั่งเมดิเตอร์เรเนียนตะวันออกและโซนภาคเหนือ คลัสเตอร์ 4 ได้ถูกรับในช่วงฤดูร้อน และฤดูใบไม้ ร่วง เมื่อกลไกท้องถิ่น และด้วยการพามีความสำคัญมากในการสร้างฝน ในการอีก PCA ผลลัพธ์จะมีลักษณะคล้าย กับ EOFs แรกที่สอดคล้องกับขอบเขตก่อตั้งขึ้น โดย CA ส่วนใหญ่ในฤดูหนาวและฤดูใบไม้ผลิ Regionalizations สิ่งเหล่านี้ได้รับการสนับสนุนโดยการศึกษาอื่น ๆ (Rodo et al., 1997 พาร์รา Esteban ร้อยเอ็ด´al., 1998 บลา Rodr´ıguez et al., 1998 Mart´ın Vide และเมซ 1999 Serrano et al., 1999 Goodess และโจนส์, ´2002) ก็ตามการวิเคราะห์ของสถานี 32 ที่Iberian ภูมิประเทศและปัจจัยทางภูมิศาสตร์อื่น ๆ รับผิดชอบสำหรับ heterogeneity ปริภูมิในระดับภูมิภาค(Romero et al., 1999) ตรวจพบวงจรบางปีถ้ารูปแบบพื้นที่ของฤดูที่แตกต่างจะเปรียบเทียบในขณะที่ CA มีความแปรปรวนของข้อมูลเดิม สมบูรณ์PCA ช่วยให้การแยกแยะระหว่าง "สัญญาณ" และ "เสียง"เสียงในข้อมูลต้นฉบับไม่รวมถ้าลด dimensionalityระยะของ PCA ประสบความสำเร็จได้ ในทางกลับกัน ดั้งเดิมCA รวมผลต่างวัตถุดิบข้อมูลฉบับเต็มในนี้รู้สึก PCA เป็นเทคนิคที่มีประสิทธิภาพมากขึ้นกว่า CAอย่างไรก็ตาม การใช้ความผิดที่เป็นมาตรฐานเป็นป้อนข้อมูลในCA ทำให้การรับชุดคู่เวลาเพื่ออธิบายสำหรับความผันผวนนี้ แม้ว่าชุดที่ได้รับมีความมียอดแห้ง และเปียกสลับกัน คุณลักษณะบางอย่างได้สังเกต ส่วนใหญ่เด่นสุดท้ายสภาพแห้งทศวรรษของศตวรรษ เนื่องเด่นของขั้นตอนการบวกของสั่นแอตแลนติกเหนือในระหว่างเวลาที่นี้ (Hurrell et al., 2003) การวิเคราะห์อิทธิพลสั่นแอตแลนติกเหนือในชุดเหล่านี้จะวัตถุประสงค์ของงานในการเตรียม

ผลลัพธ์ (ไทย) 2:

แต่น่าเสียดายที่ข้อมูลโปรตุเกสไม่สามารถใช้ได้สำหรับการนี้
การทำงาน อย่างไรก็ตามการวิเคราะห์อื่น ๆ (เช่น Goodess และโจนส์,
2002; Rocha, 1999) ที่ครอบคลุมทั้งคาบสมุทรไอบีเรีย
รวมถึงโปรตุเกสในพื้นที่ตะวันตก รวมของโปรตุเกส
ข้อมูลจึงจะขยายภูมิภาคที่จัดตั้งขึ้น
ในงานนี้ซึ่งก็คือกลุ่มที่ 1 สำหรับฤดูใบไม้ร่วงฤดูหนาวและ
ฤดูใบไม้ผลิและคลัสเตอร์ที่ 4 สำหรับฤดูร้อน.
วิธี PCA เป็นทางเลือกที่เครื่องมือ CA แบบดั้งเดิมที่
ได้รับกลุ่มที่เป็นเนื้อเดียวกัน ใน PCA ตัวแปรที่ได้รับมอบหมาย
ไปยังกลุ่มตามค่าของพวกเขาในการโหลดปัจจัย ภูมิภาค PCA
คือ "เลือน" นั่นคือความแตกต่างหลักอยู่ในความจริง
ว่าการแก้ปัญหา PCA อาจจะทับซ้อนกันกับตัวแปรบางอย่าง
อาจจะรวมอยู่ในกว่ากลุ่มเดียว (Gong และ
ร่ำรวย 1995) การวิเคราะห์นำเสนอในนิกาย 4.1 แสดงให้เห็น
ว่ามีสามภูมิภาค (กลุ่ม) ของปริมาณน้ำฝนตามฤดูกาล
ที่ผ่านคาบสมุทรไอบีเรีในฤดูหนาวและฤดูใบไม้ผลิ: ตะวันตก
พื้นที่คาบสมุทรทางตะวันออกของชายฝั่งทะเลเมดิเตอร์เรเนียน
และโซนภาคเหนือ สี่กลุ่มที่ได้รับ
ในช่วงฤดูร้อนและฤดูใบไม้ร่วงเมื่อกลไกท้องถิ่นและไหลเวียน
มีความสำคัญมากขึ้นในการผลิตปริมาณน้ำฝน ใน
ทางกลับกันผล PCA จะคล้ายกันมากกับ EOFs แรก
สอดคล้องกับภูมิภาคที่จัดตั้งขึ้นโดย CA ส่วนใหญ่ใน
ฤดูหนาวและฤดูใบไม้ผลิ เหล่านี้ regionalizations กว้างได้รับการสนับสนุน
โดยการศึกษาอื่น ๆ (Rodo et al, 1997;. Esteban-โตนและ '
อัล, 1998;. Rodr'ıguez-ปวยบและคณะ, 1998;. Mart'ın-Vide และ
โกเมซ, 1999; Serrano และคณะ . 1999; Goodess และโจนส์ '
2002) พวกเขาจะขึ้นอยู่กับการวิเคราะห์ของ 32 สถานี
ภูมิประเทศไอบีเรียและปัจจัยทางภูมิศาสตร์อื่น ๆ ที่มีความรับผิดชอบ
สำหรับความแตกต่างเชิงพื้นที่ในระดับอนุภูมิภาค
(โรเมโร et al., 1999) รอบปีบางอย่างถ้ามีการตรวจพบ
รูปแบบการกระจายของฤดูกาลที่แตกต่างเมื่อเทียบ.
ในขณะที่ CA รวมถึงความแปรปรวนสมบูรณ์ของข้อมูลเดิม
PCA ช่วยหนึ่งที่จะแยกแยะความแตกต่างระหว่าง "สัญญาณ" และ "เสียง".
เสียงรบกวนในข้อมูลเดิมได้รับการยกเว้นถ้ามิติ ลด
ขั้นตอนของ PCA จะประสบความสำเร็จ ตรงกันข้ามดั้งเดิม
CA รวมถึงข้อมูลดิบแปรปรวนเต็มรูปแบบเดิม.
ในแง่นี้ PCA เป็นเทคนิคที่มีประสิทธิภาพมากขึ้นกว่าแคลิฟอร์เนีย
อย่างไรก็ตามการใช้ความผิดปกติที่ได้มาตรฐานเป็นข้อมูลป้อนข้อมูลใน
CA ช่วยให้หนึ่งที่จะได้รับอนุกรมเวลาคล้ายกับอธิบาย
ความแปรปรวนนี้ แม้ว่าชุดที่ได้รับจะผันผวน
สลับกับยอดแห้งและเปียกคุณลักษณะบางอย่างสามารถ
ตั้งข้อสังเกตส่วนใหญ่เด่นของสภาวะที่แห้งในช่วง
ทศวรรษที่ผ่านมาของศตวรรษที่ประจวบกับความเด่นของ
ขั้นตอนในเชิงบวกของแอตแลนติกเหนือความผันผวนในช่วง
เวลานี้ (Hurrell et al., 2003) การวิเคราะห์อิทธิพล
ของมหาสมุทรแอตแลนติกเหนือความผันผวนในชุดเหล่านี้จะเป็น
เป้าหมายของการทำงานในขณะนี้ในการเตรียมการ

ผลลัพธ์ (ไทย) 3:

แต่น่าเสียดายที่ข้อมูลโปรตุเกสไม่สามารถใช้ได้สำหรับงานนี้

อย่างไรก็ตาม การวิเคราะห์อื่น ๆ ( เช่น goodess and Jones
2002 ; Rocha , 1999 ) ครอบคลุมทั้งคาบสมุทรไอบีเรีย
รวม , โปรตุเกสในภาคตะวันตก รวมของโปรตุเกส
ข้อมูลจึงจะขยายขอบเขตขึ้น
ในงานนี้ คือ กลุ่มที่ 1 สำหรับฤดูใบไม้ร่วงฤดูหนาวและฤดูใบไม้ผลิและกลุ่ม
,
4 สำหรับฤดูร้อนวิธี PCA เป็นทางเลือกดั้งเดิม CA เครื่องมือ

ขอรับ กลุ่มที่เป็นเนื้อเดียวกัน ตัวแปรที่ได้รับมอบหมายใน PCA
กลุ่มตามค่าปัจจัยเบื้องตน PCA ภูมิภาค
" เลือน " นั่นคือความแตกต่างหลักอยู่ในความจริงที่ว่าระบบโซลูชั่นอาจจะซ้อนกัน

มีตัวแปรที่อาจจะรวมอยู่ในมากกว่ากลุ่มเดียว ( กง
ริชแมน , 1995 ) เพื่อนำเสนอในนิกาย4.1 ระบุ
ว่ามี 3 ภาค ( กลุ่ม ) ของปริมาณน้ำฝนตามฤดูกาล
ผ่านคาบสมุทรไอบีเรียในฤดูหนาวและฤดูใบไม้ผลิ : ตะวันตก
พื้นที่ของคาบสมุทรชายฝั่งเมดิเตอร์เรเนียนตะวันออก
และเขตภาคเหนือ สี่กลุ่มได้รับ
ในฤดูร้อนและฤดูใบไม้ร่วง เมื่อท้องถิ่นและการออกแบบกลไก
สำคัญในรุ่นปริมาณน้ําฝน บนมืออื่น ๆผล
, PCA จะคล้ายกันมากกับ eofs แรก
สอดคล้องกับภูมิภาค ก่อตั้งขึ้นโดย CA , ส่วนใหญ่ใน
ฤดูหนาวและฤดูใบไม้ผลิ regionalizations กว้างเหล่านี้ได้รับการสนับสนุน
โดยการศึกษาอื่น ๆ ( โรโด et al . , 1997 ; เอสเตบัน ปาร์ราและใหม่
al . , 1998 ; ´ıลุยส์โรดรีเกซ Puebla et al . , 1998 ; มาร์ทและ´ı n-vide
Gomez , 1999 ; Serrano et al . , 1999 ; goodess and Jones ใหม่
2002 ) พวกเขาจะขึ้นอยู่กับการวิเคราะห์ของ 32 สถานี
ไอบีเรียภูมิประเทศและปัจจัยทางภูมิศาสตร์อื่น ๆพื้นที่รับผิดชอบ
สำหรับสามารถที่ย่อยภูมิภาคขนาด
( โรเมโร et al . , 1999 ) บางปีถ้าวงจรตรวจจับ
รูปแบบทางพื้นที่ของฤดูกาลที่แตกต่างกันจะเปรียบเทียบ
ในขณะที่แคลิฟอร์เนียรวมถึงความสมบูรณ์ของข้อมูลเดิม
PCA ช่วยให้หนึ่งที่จะแยกแยะระหว่าง " สัญญาณ " และ " เสียง " .
เสียงในข้อมูลเดิมที่ได้รับการยกเว้นถ้า dimensionality ลด
เวทีของ PCA ได้สำเร็จ ในทางกลับกัน ดั้งเดิม
CA รวมถึงต้นฉบับดิบแบบเต็มข้อมูล .
ในความรู้สึกนี้ , PCA เป็นเทคนิคที่มีประสิทธิภาพมากกว่า .
แต่ใช้มิติมาตรฐานข้อมูลใน
CA ช่วยหนึ่งที่จะได้รับแบบอนุกรมเวลาบรรยาย
ความแปรปรวนนี้แม้ว่าชุดรับความผันผวน ยอดแห้งและเปียกสลับกัน

บางคุณลักษณะสามารถบันทึกส่วนใหญ่ predominance ของสภาพอากาศแห้งในช่วง
ทศวรรษของศตวรรษที่ , coinciding กับความเด่นของ
เฟสบวกของแอตแลนติกเหนือความผันผวนในระหว่าง
ช่วงนี้ ( ฮอเริล et al . , 2003 ) การวิเคราะห์อิทธิพล
ของแอตแลนติกเหนือความผันผวนในชุดนี้จะเป็นวัตถุของงาน

ตอนนี้ในการเตรียม