METHODOLOGY3.1 Rainfall data collec

METHODOLOGY
3.1 Rainfall data collection and analysis
Monthly rainfall data during the year 1976 to 2004 from 308 stations of the Thai Meteorological Department
(TMD) stations distributed throughout the study area were collected and digitally encoded into GIS database. Mean
annual rainfall of each station was calculated for 29 years. Median of mean annual rainfall of each year was
selected as a representative of each station during this study periods. Thus, there are 308 values preparing for
interpolation.
Exploratory analysis of rainfall data was examined to explore the frequency distribution of rainfall and the local
characteristics of spatial autocorrelation of rainfall in different location over the study period. The interpolation of
mean annual rainfall for the 29 years period was performed using the Kriging Method to get a spatial pattern of
rainfall data. The appropriate variogram model for rainfall data was the Gaussian model because the variation was
very smooth and the nugget variance was very small compared to the spatially dependent random variation
(Burrough et al, 1998). Cross validation was used to check for measuring the residual between the point and the
surface created.
3.2 Calculation of coefficient of variance (CV)
A measurement of reliability of rainfall at each station for the study periods was calculated using CV. High CV
values indicate a large variation in rainfall over the study period (Saenjan et al, 1990). The formula for CV is;
Where s = standard deviation and x = mean
3.3 SPI calculation
The SPI is the number of standard deviations of which the observed value deviated from mean. Computation of
SPI is firstly done by transforming precipitation value into a normal distribution. SPI is calculated by fitting a
Gamma probability density function to a given frequency distribution of precipitation totals for a station. Then,
each probability density function is transformed into the standardized normal distribution with mean of zero and
variance of one, which is the value of the SPI (Loukas et al, 2004).

ผลลัพธ์ (ไทย) 2:

วิธี
3.1 ฝนการเก็บรวบรวมข้อมูลและการวิเคราะห์
ข้อมูลปริมาณน้ำฝนรายเดือนในช่วงปี 1976-2004 จาก 308 สถานีของกรมอุตุนิยมวิทยาไทย
(TMD) สถานีกระจายไปทั่วพื้นที่การศึกษาถูกเก็บรวบรวมและการเข้ารหัสแบบดิจิทัลลงในฐานข้อมูลระบบสารสนเทศภูมิศาสตร์ ค่าเฉลี่ย
ปริมาณน้ำฝนประจำปีของแต่ละสถานีที่คำนวณได้ 29 ปี ค่ามัธยฐานของค่าเฉลี่ยปริมาณน้ำฝนประจำปีของแต่ละปีได้รับ
เลือกให้เป็นตัวแทนของแต่ละสถานีในช่วงระยะเวลาการศึกษาครั้งนี้ ดังนั้นจึงมีค่า 308 เตรียมความพร้อมสำหรับ
การแก้ไข.
สำรวจการวิเคราะห์ข้อมูลปริมาณน้ำฝนได้รับการตรวจสอบเพื่อสำรวจการแจกแจงความถี่ของปริมาณน้ำฝนและท้องถิ่น
ลักษณะของอวกาศของปริมาณน้ำฝนในตำแหน่งที่แตกต่างกันในช่วงระยะเวลาการศึกษา การแก้ไขของ
ค่าเฉลี่ยปริมาณน้ำฝนประจำปีสำหรับระยะเวลา 29 ปีที่ได้รับการดำเนินการโดยใช้วิธี Kriging ที่จะได้รับรูปแบบการกระจายตัวของ
ข้อมูลปริมาณน้ำฝน รูปแบบที่เหมาะสมสำหรับการ variogram ข้อมูลปริมาณน้ำฝนเป็นแบบ Gaussian เพราะการเปลี่ยนแปลงเป็น
อย่างราบรื่นและความแปรปรวนนักเก็ตที่มีขนาดเล็กมากเมื่อเทียบกับการเปลี่ยนแปลงขึ้นอยู่กับการสุ่มเชิงพื้นที่
(เบอร์โรห์, et al, 1998) การตรวจสอบครอสถูกใช้ในการตรวจสอบสำหรับการวัดที่เหลือระหว่างจุดและ
พื้นผิวที่สร้างขึ้น.
3.2 การคำนวณค่าสัมประสิทธิ์ของความแปรปรวน (CV)
การวัดความน่าเชื่อถือของปริมาณน้ำฝนในแต่ละสถานีสำหรับระยะเวลาการศึกษาได้รับการคำนวณโดยใช้ CV CV สูง
ค่าบ่งชี้ถึงการเปลี่ยนแปลงขนาดใหญ่ในปริมาณน้ำฝนในช่วงระยะเวลาการศึกษา (Saenjan, et al, 1990) สูตรสำหรับ CV เป็น;
ที่ไหน s = ส่วนเบี่ยงเบนมาตรฐานและ x = ค่าเฉลี่ย
3.3 คำนวณ SPI
SPI เป็นจำนวนของค่าเบี่ยงเบนมาตรฐานของค่าสังเกตที่ผิดไปจากค่าเฉลี่ย คำนวณ
SPI จะทำในตอนแรกโดยการเปลี่ยนค่าเป็นฝนกระจายปกติ SPI มีการคำนวณโดยการปรับ
ฟังก์ชั่นความหนาแน่นของความน่าจะเป็นรังสีที่จะแจกแจงความถี่ที่กำหนดของการเร่งรัดสถานี จากนั้น
แต่ละฟังก์ชันความหนาแน่นของความน่าจะเป็นกลายเป็นการแจกแจงปกติมาตรฐานมีค่าเฉลี่ยเท่ากับศูนย์และ
ความแปรปรวนของหนึ่งซึ่งเป็นค่าของ SPI (Loukas et al, 2004)

ผลลัพธ์ (ไทย) 3:

3.1 วิธีการรวบรวมและวิเคราะห์ข้อมูลฝน

ฝนรายเดือนข้อมูลระหว่างปี 1976 ปี 2547 จาก 308 สถานีของกรมอุตุนิยมวิทยา
( TMD ) สถานีกระจายทั่วทั้งพื้นที่ศึกษาโดยเก็บข้อมูลแบบดิจิทัลเข้ารหัสในฐานข้อมูลระบบสารสนเทศภูมิศาสตร์ หมายถึง
ปริมาณน้ำฝนของแต่ละสถานีได้ 29 ปี ค่ามัธยฐานค่าเฉลี่ยปริมาณน้ำฝนแต่ละปี
selected as a representative of each station during this study periods. Thus, there are 308 values preparing for
interpolation.
Exploratory analysis of rainfall data was examined to explore the frequency distribution of rainfall and the local
characteristics of spatial autocorrelation of rainfall in different location over the study period. The interpolation of
หมายถึง ปริมาณน้ำฝนสำหรับ 29 ปี ระยะเวลาการใช้คริกกิ้งวิธีรับรูปแบบทางพื้นที่ของ
ข้อมูลปริมาณฝน รูปแบบ variogram เหมาะสมสำหรับปริมาณฝนเป็นแบบเกาส์ เพราะการเปลี่ยนแปลงคือ
ราบรื่นและ นักเก็ต ความแปรปรวนมีขนาดเล็กมากเมื่อเทียบกับการเปลี่ยนขึ้นอยู่กับการเปลี่ยนแปลง
( ค่า et al , 1998 )ข้ามการตรวจสอบถูกใช้เพื่อตรวจสอบวัดตกค้างระหว่างจุดและ

ผิวสร้าง 3.2 การคำนวณค่าสัมประสิทธิ์ของความแปรปรวน ( CV )
การวัดความน่าเชื่อถือของปริมาณน้ำฝนในแต่ละสถานีเพื่อศึกษาระยะเวลาคำนวณการใช้พันธุ์ ค่า CV
สูงแสดงการเปลี่ยนแปลงขนาดใหญ่ในช่วงระยะเวลาการศึกษาปริมาณน้ำฝน ( วารินทร์ รัศมีพรหม et al , 1990 ) สูตรสำหรับ CV คือ ;
เมื่อ S = ค่าส่วนเบี่ยงเบนมาตรฐาน และค่า x = หมายถึง
3
SPI การคำนวณ SPI เป็นหมายเลขของส่วนเบี่ยงเบนมาตรฐานของค่าเบี่ยงเบนจากที่สังเกตคือ การคำนวณ
SPI เป็นประการแรกทำได้โดยเปลี่ยนค่าปริมาณน้ำฝนในการแจกแจงแบบปกติ SPI คำนวณโดยกระชับ
แกมมาฟังก์ชันความหนาแน่นของความน่าจะเป็น เพื่อให้ความถี่ของการตกตะกอนของผลรวมทางสถานี งั้น
each probability density function is transformed into the standardized normal distribution with mean of zero and
variance of one, which is the value of the SPI (Loukas et al, 2004).