We would like to expand the results

We would like to expand the results of the previous section to find other places where knowing NINO3 gives a strong hint as to whether there will be a drought. So we compute the correlation between Jun-May NINO3 with Jun-Sep precipitation using a global set of weather station data. Looking at India, for example, we see points that are quite blue, indicating a strong negative correlation between NINO3 and rainfall. This corresponds to what we saw before: strong positive NINO3 (warm) is correlated with negative rainfall anomaly (drought).

ผลลัพธ์ (ไทย) 1:

เราต้องการขยายผลของส่วนก่อนหน้านี้เพื่อค้นหาสถานอื่น ๆ ที่รู้ NINO3 ให้คำแนะนำที่แข็งแกร่งเพื่อว่าจะมีภัยแล้ง ดังนั้น เราสามารถคำนวณความสัมพันธ์ระหว่างมิถุนายนพฤษภาคม NINO3 กับฝนมิถุนายนกันยายนโดยใช้ชุดข้อมูลสถานีทั่วโลก มองอินเดีย เช่น เราดูจุดที่ค่อนข้างสีฟ้า ระบุความสัมพันธ์เชิงลบแข็งแรงระหว่าง NINO3 และปริมาณน้ำฝน นี้สอดคล้องกับสิ่งที่เราเห็นก่อน: (อบอุ่น) บวกแรง NINO3 มี correlated กับฝนลบช่วย (ภัยแล้ง)

ผลลัพธ์ (ไทย) 2:

เราต้องการที่จะขยายผลจากส่วนก่อนหน้านี้ที่จะหาสถานที่อื่น ๆ ที่รู้ NINO3 ให้คำแนะนำที่แข็งแกร่งเป็นไปได้ว่าจะมีภัยแล้ง ดังนั้นเราคำนวณความสัมพันธ์ระหว่าง มิ.ย. พฤษภาคม NINO3 มีฝนมิถุนายน ก.ย. โดยใช้ชุดของข้อมูลสถานีอากาศทั่วโลก มองไปที่อินเดียตัวอย่างเช่นเราจะเห็นจุดที่ค่อนข้างสีฟ้าแสดงให้เห็นความสัมพันธ์ทางลบที่แข็งแกร่งระหว่าง NINO3 และปริมาณน้ำฝน นี้สอดคล้องกับสิ่งที่เราเห็นก่อน: บว​​กที่แข็งแกร่ง NINO3 (อุ่น) มีความสัมพันธ์กับความผิดปกติปริมาณน้ำฝนลบ (ภัยแล้ง)

ผลลัพธ์ (ไทย) 3:

เราอยากจะขยายผลของส่วนก่อนหน้าที่จะหาสถานที่อื่น ๆ ที่รู้ว่า nino3 ให้คำใบ้ที่แข็งแกร่งว่าจะมีภัยแล้ง ดังนั้นเราคำนวณความสัมพันธ์ระหว่างจุนอาจ nino3 กับฝนก.ย. จุนใช้ชุดทั่วโลกของข้อมูลสถานีอากาศ มองอินเดีย ตัวอย่างเช่น เราเห็นจุดที่เป็นสีฟ้าแสดงความสัมพันธ์เชิงลบที่แข็งแกร่ง nino3 และปริมาณน้ําฝน นี้สอดคล้องกับ สิ่งที่เราเคยเห็นมาก่อน บวกแรง nino3 ( อบอุ่น ) มีความสัมพันธ์กับความผิดปกติแบบลบ ( ภัยแล้ง )