There is a clear and pressing need

There is a clear and pressing need for improvements in our ability to generate operational flash flood forecasts in the semiarid southwestern United States and other dry regions around the world. This study investigated the predictive uncertainty of the physically based, distributed semiarid rainfall-runoff model KINEROS2 driven by high-resolution radar rainfall input for this purpose. Uncertainty sources considered were rainfall estimates, model parameters, and initial moisture conditions. The variance-based Sobol' global sensitivity analysis method was used to investigate dominant sources of uncertainty. The flash flood forecasting system was implemented using the GLUE methodology to facilitate operational assimilation of incoming event information. The approach is applicable to any model amenable to a Monte Carlo framework, and can be implemented operationally for a fixed number of factor sets without requiring resampling or optimization. The Monte Carlo framework utilized factors applied to the rainfall, initial soil moisture and model parameters.

ผลลัพธ์ (ไทย) 1:

มีความจำเป็นชัดเจน และกดปุ่มสำหรับปรับปรุงความสามารถของเราในการสร้างการคาดการณ์อุทกภัยในการดำเนินงานในแล้งตะวันตกเฉียงใต้สหรัฐอเมริกาและภูมิภาคอื่น ๆ แห้งทั่วโลก การศึกษานี้การตรวจสอบความไม่แน่นอนที่คาดการณ์ของแบบจำลองตามร่างกาย กระจายแล้งฝนไหลบ่า KINEROS2 ขับเคลื่อน ด้วยการป้อนข้อมูลปริมาณน้ำฝนของเรดาร์ที่ความละเอียดสูงสำหรับวัตถุประสงค์นี้ แหล่งความไม่แน่นอนถือว่ามีการประเมินปริมาณน้ำฝน รูปแบบพารามิเตอร์ และสภาพความชื้นเริ่มต้น เครื่องยนต์ Sobol การผลต่างคะแนน ' วิธีการวิเคราะห์ความไวระดับโลกถูกใช้เพื่อตรวจสอบแหล่งที่มาหลักของความไม่แน่นอน อุทกภัยที่การคาดการณ์ระบบได้ดำเนินการโดยใช้วิธีกาวเพื่อให้ผสมกลมกลืนในการดำเนินงานของข้อมูลขาเข้าของเหตุการณ์ วิธีการใช้ได้กับรูปแบบใด ๆ คล้อยตามการกรอบมอนติคาร์โล และสามารถดำเนินการช่วยจำนวนชุดปัจจัยคงที่โดยไม่ต้องเปลี่ยนความละเอียดของหรือเพิ่มประสิทธิภาพ ปัจจัยใช้ framework ที่มอนติคาร์โลที่ใช้กับฝน ความชื้นในดินเริ่มต้น และรูปแบบพารามิเตอร์

ผลลัพธ์ (ไทย) 2:

ไม่จำเป็นต้องมีความชัดเจนและเร่งด่วนสำหรับการปรับปรุงในความสามารถของเราในการสร้างการคาดการณ์น้ำท่วมในการปฏิบัติงานทางตะวันตกเฉียงใต้ของสหรัฐอเมริกาและภูมิภาคแห้งแห้งแล้งอื่น ๆ ทั่วโลกคือ การศึกษานี้เป็นการศึกษาความไม่แน่นอนของการทำนายตามร่างกายกระจายแห้งแล้งปริมาณน้ำฝนที่ไหลบ่า-รุ่น KINEROS2 ผลักดันโดยความละเอียดสูงป้อนข้อมูลเรดาร์ปริมาณน้ำฝนเพื่อการนี้ แหล่งที่มาของความไม่แน่นอนถือว่าเป็นประมาณการปริมาณน้ำฝนพารามิเตอร์รุ่นและเงื่อนไขความชื้นเริ่มต้น วิธีการวิเคราะห์ความอ่อนไหวแปรปรวนตาม Sobol 'ทั่วโลกถูกใช้ในการตรวจสอบแหล่งที่มาที่โดดเด่นของความไม่แน่นอน ระบบการคาดการณ์น้ำท่วมได้รับการดำเนินการโดยใช้วิธีการกาวเพื่อความสะดวกในการดูดซึมการดำเนินงานของข้อมูลเหตุการณ์ที่เข้ามา วิธีการที่มีผลบังคับใช้กับรูปแบบใด ๆ คล้อยตามกรอบ Monte Carlo และสามารถนำมาใช้ในการดำเนินงานสำหรับจำนวนคงที่ของชุดโดยไม่ต้องมีปัจจัย resampling หรือการเพิ่มประสิทธิภาพ มอนติคาร์โลกรอบใช้ปัจจัยนำไปใช้กับปริมาณน้ำฝนที่ความชื้นในดินเริ่มต้นและพารามิเตอร์แบบ

ผลลัพธ์ (ไทย) 3:

มีความต้องการที่ชัดเจนและกดปุ่มเพื่อปรับปรุงความสามารถของเราที่จะสร้างการดำเนินงานและน้ำท่วมฉับพลันใน semiarid สหรัฐอเมริกาและภูมิภาคอื่น ๆ บริการทั่วโลก การศึกษานี้เป็นการศึกษาลักษณะความไม่แน่นอนทางร่างกายตามแบบจำลองฝนกระจายไหลบ่า semiarid kineros2 ขับเคลื่อนด้วยข้อมูลปริมาณน้ำฝนเรดาร์ความละเอียดสูงสำหรับวัตถุประสงค์นี้ ถือว่าเป็นแหล่งความไม่แน่นอน ปริมาณน้ำฝนประมาณพารามิเตอร์โมเดล และสภาวะความชื้นเริ่มต้น ความแปรปรวนตามโซเบิล " ทั่วโลก การวิเคราะห์ความไวเป็นวิธีตรวจสอบแหล่งเด่นของความไม่แน่นอน แฟลชระบบการพยากรณ์การใช้กาวเพื่อความสะดวกในการดำเนินงาน วิธีการของข้อมูลเหตุการณ์ที่เข้ามา วิธีการที่ใช้ได้กับรุ่นซูฮกกับ Monte Carlo กรอบและสามารถใช้ถ่วงดุลเพื่อกำหนดจำนวนชุดปัจจัยโดยไม่ต้องสุ่มซ้ำหรือเพิ่มประสิทธิภาพ มอนติคาร์โลกรอบใช้ปัจจัยที่ใช้กับปริมาณน้ำฝน ความชื้นในดิน และค่าพารามิเตอร์ของตัวแบบเบื้องต้น