3. Standardized Runoff IndexWe defi

3. Standardized Runoff Index
We define the standardized runoff index (SRI) as the unit
standard normal deviate associated with the percentile of
hydrologic runoff. Calculation of SRI follows the general approach
employed by Mckee et al. (1993) to estimate the SPI.
Like the SPI, the SRI can be calculated for runoff totals accumulated
over different durations (e.g., 1-month, 9-month),
and for different spatial aggregations depending on source
runoff data resolution and desired application. SPIs, for instance,
are calculated by NOAA on a climate division basis
and by state agencies on a county level basis. The procedure
for calculating the SRI includes the following steps:
1. A retrospective time series of runoff at the desired temporal
and spatial level of aggregation is obtained by simulation,
and a probability distribution is fit to the sample
represented by the time series values.
2. The distribution is used to estimate the cumulative
probability of the accumulated runoff value of interest (either
the current value or one from a retrospective date.
3. The cumulative probability is converted to a standard
normal deviate (with zero mean and unit variance), which
can either be calculated from a numerical approximation
to the normal cumulative distribution function (CDF) or
extracted from a table of values for the normal CDF that
is readily available in statistics textbooks or on the World
Wide Web.
McKee et al. (1993) select the Gamma distribution for
fitting monthly precipitation data series, and suggest that
the procedure can be applied to other variables relevant to
drought, e.g., streamflow or reservoir contents. In pursuing
this suggestion for runoff, we note that distributions
other than the Gamma may be more appropriate, depending
on the runoff variable’s retrospective sample characteristics
(especially skew and kurtosis), which vary greatly by geographic
location. Figure 1 shows the example of a 3-month
total simulated runoff during March, April and May from
the years 1955-2005, averaged over the area of the Feather
River basin. The Gamma and two-parameter lognormal
(LN2) distributions for the sample are plotted, and the figure
makes clear that any value of runoff can equally well be
expressed in terms of its percentile (top axis) or the standardized
index (bottom axis). Here the LN2 distribution
provides a better fit overall than the Gamma distribution,
although the Gamma distribution may perform better for
low values of runoff. The 3-parameter lognormal and Generalized
Extreme Value distributions may have even better
general applicability for runoff over widely varying hydroclimatic
regimes. The use of a fitted distribution for runoff
carries the risk that a poor fit is achieved, causing percentiles
and hence SRI values to be misestimated. One alternative
is to avoid the distribution selection by empirically estimating
percentiles, although the risk of misestimation due to
sampling uncertainties remains. Care must be taken to negotiate
the first two steps above so as to minimize errors
in estimating the probability of runoff, particularly in arid
regions where runoff may be intermittent.

ผลลัพธ์ (ไทย) 1:

3 ดัชนีไหลบ่ามาตรฐานเรากำหนดดัชนีไหลบ่ามาตรฐาน (ศรี) เป็นหน่วยมาตรฐานปกติเบี่ยงเบนสัมพันธ์กับเปอร์เซ็นต์ของอุทกวิทยาที่ไหลบ่า คำนวณศรีตามวิธีการทั่วไปลูกจ้างโดย Mckee et al. (1993) ในการประเมิน SPIเช่น SPI ศรีสามารถคำนวณสำหรับการไหลบ่าผลรวมสะสมช่วงระยะเวลาต่าง ๆ (เช่น 1 เดือน 9 เดือน),และ สำหรับการรวมเชิงพื้นที่แตกต่างกันขึ้นอยู่กับแหล่งความละเอียดของข้อมูลที่ไหลบ่าและโปรแกรมที่ต้องการ SPIs เช่นคำนวณ โดย NOAA ตามกองภูมิอากาศและ โดยหน่วยงานของรัฐตามลำดับระดับเขต ขั้นตอนการสำหรับการคำนวณ ศรีมีขั้นตอนต่อไปนี้:1. เวลาย้อนหลังชุดของไหลบ่าที่ที่ต้องการกาลและระดับเชิงพื้นที่ของการรวมกลุ่มจะได้รับ โดยการจำลองและตัวอย่างการกระจายความน่าเป็นพอแสดง โดยค่าชุดเวลา2. การกระจายใช้เพื่อประเมินการสะสมความน่าเป็นของค่าสะสมไหลบ่าน่าสนใจ (อย่างใดอย่างหนึ่งค่าปัจจุบันหรือจากวันย้อนหลัง3. ความน่าเป็นสะสมจะถูกแปลงให้มีมาตรฐานปกติเบี่ยงเบน (ด้วยศูนย์หมายถึงอะไรและหน่วยผลต่าง), ซึ่งสามารถการคำนวณจากประมาณการตัวเลขฟังก์ชันการแจกแจงสะสมปกติ (CDF) หรือสกัดจากตารางของค่าสำหรับ CDF ปกติที่มีพร้อม ในตำราสถิติ หรือ บนโลกไวด์เว็บการแจกแจงแกมมาเลือก McKee et al. (1993)ชุดข้อมูลฝนรายเดือนที่เหมาะสม และแนะนำที่ขั้นตอนสามารถใช้ได้กับตัวแปรอื่น ๆ ที่เกี่ยวข้องกับภัยแล้ง เช่น streamflow หรืออ่างเก็บน้ำเนื้อหา ในการใฝ่หาแนะนำสำหรับไหลบ่า เราหมายเหตุว่า การกระจายอื่น ๆ กว่าแกมมาอาจเหมาะสม ขึ้นอยู่กับลักษณะของตัวแปรที่ไหลบ่าอย่างย้อนหลัง(โดยเฉพาะอย่างยิ่งเอียงและสเชิง), ซึ่งแตกต่างกันมาก โดยทางภูมิศาสตร์ที่ตั้ง รูปที่ 1 แสดงตัวอย่างของ 3 เดือนรวมจำลองที่ไหลบ่าในช่วงมีนาคม เมษายนและพฤษภาคมจากปี 1955-2005 เฉลี่ยมากกว่าพื้นที่ของขนลุ่มแม่น้ำ แกมมาและสองพารามิเตอร์แบบ lognormalการกระจาย (LN2) สำหรับตัวอย่างถูกลงจุด และตัวเลขจะทำให้ชัดเจนว่า ค่าใด ๆ ของไหลบ่าดีสามารถอย่างเท่าเทียมกันแสดงในแง่ของเปอร์เซ็นต์ (แกนด้านบน) หรือมาตรฐานการดัชนี (ล่างแกน) จำหน่ายที่นี่ LN2ให้พอดีโดยรวมการแจกแจงแกมมาแม้ว่าการแจกแจงแกมมาอาจทำงานดีขึ้นสำหรับค่าต่ำของไหลบ่า พารามิเตอร์ 3 lognormal และทั่วไปอาจมีการกระจายค่ามากยิ่งขึ้นใช้งานทั่วไปสำหรับการไหลบ่าผ่าน hydroclimatic ที่แตกต่างกันอย่างกว้างขวางระบอบการปกครอง การใช้การกระจายตู้สำหรับไหลบ่ามีความเสี่ยงว่า ความพอดีไม่ดีจะประสบความสำเร็จ percentiles ที่ก่อให้เกิดและดังนั้น ศรีค่าเพื่อจะ misestimated ทางเลือกหนึ่งคือการ หลีกเลี่ยงการเลือกการกระจาย โดยการประเมินเชิงประสบการณ์ด้วยpercentiles แม้ว่าความเสี่ยงของ misestimation เนื่องจากสุ่มตัวอย่างความไม่แน่นอนยังคงอยู่ การเจรจาต่อรองได้สองขั้นตอนข้างต้นเพื่อลดข้อผิดพลาดในการประมาณความน่าเป็นของไหลบ่า โดยเฉพาะอย่างยิ่งในที่แห้งแล้งภูมิภาคที่ไหลบ่าอาจเป็นระยะ ๆ

ผลลัพธ์ (ไทย) 2:

3. ดัชนีแสมาตรฐาน
เรากำหนดดัชนีไหลบ่ามาตรฐาน (SRI) ในฐานะหน่วยงานที่
ปกติเฉไฉมาตรฐานที่เกี่ยวข้องกับเปอร์เซ็นต์ของ
การไหลบ่าอุทกวิทยา การคำนวณของศรีลังกาเป็นไปตามวิธีการทั่วไป
ว่าจ้างโดย Mckee et al, (1993) ในการประมาณ SPI.
เช่นเดียวกับ SPI ศรีสามารถคำนวณผลรวมที่ไหลบ่ามาสะสม
ในช่วงระยะเวลาที่แตกต่างกัน (เช่น 1 เดือน 9 เดือน)
และการรวมเชิงพื้นที่ที่แตกต่างกันขึ้นอยู่กับแหล่ง
ความละเอียดที่ไหลบ่าข้อมูลและการประยุกต์ใช้ที่ต้องการ . Spis เช่น
คำนวณโดย NOAA บนพื้นฐานส่วนสภาพภูมิอากาศ
และหน่วยงานของรัฐบนพื้นฐานระดับเขต ขั้นตอน
สำหรับการคำนวณศรีรวมถึงขั้นตอนต่อไปนี้:
1 ชุดเวลาย้อนหลังของการไหลบ่าที่ขมับที่ต้องการ
ระดับและเชิงพื้นที่ของการรวมจะได้รับโดยการจำลอง
และการกระจายความน่าจะเป็นคือพอดีกับตัวอย่าง
ที่แสดงโดยค่าชุดเวลา.
2 การกระจายจะใช้ในการประเมินการสะสม
ความน่าจะเป็นของมูลค่าการไหลบ่าของสะสมของอัตราดอกเบี้ย (ทั้ง
ค่าปัจจุบันหรือจากวันที่ย้อนหลัง.
3. ความน่าจะเป็นที่สะสมจะถูกแปลงเป็นมาตรฐาน
ปกติเฉไฉ (กับศูนย์เฉลี่ยและความแปรปรวนหน่วย) ซึ่ง
ก็จะสามารถคำนวณได้จากการประมาณตัวเลข
ฟังก์ชันการแจกแจงสะสมปกติ (CDF) หรือ
สารสกัดจากตารางค่าสำหรับ CDF ปกติที่
สามารถใช้ได้อย่างง่ายดายในสถิติตำราหรือในเวิลด์
ไวด์เว็บ.
แมค et al. (1993) เลือก แจกแจงแกมมาสำหรับ
ชุดข้อมูลปริมาณน้ำฝนรายเดือนที่เหมาะสมและชี้ให้เห็นว่า
ขั้นตอนที่สามารถนำไปใช้กับตัวแปรอื่น ๆ ที่เกี่ยวข้องกับ
ภัยแล้งเช่นน้ำท่าหรืออ่างเก็บน้ำเนื้อหา. ในการใฝ่หา
ข้อเสนอแนะนี้ได้ไหลบ่าเราทราบว่าการกระจาย
อื่น ๆ นอกเหนือจากรังสีอาจจะมากขึ้น ที่เหมาะสมขึ้นอยู่
กับลักษณะตัวอย่างย้อนหลังตัวแปรที่ไหลบ่าของ
(โดยเฉพาะอย่างยิ่งเอียงและโด่ง) ซึ่งแตกต่างกันอย่างมากโดยทางภูมิศาสตร์
ที่ตั้ง. รูปที่ 1 แสดงตัวอย่างของ 3 เดือน
รวมที่ไหลบ่ามาจำลองในช่วงเดือนมีนาคมเมษายนและพฤษภาคมจาก
ปี 1955-2005, เฉลี่ยทั่วพื้นที่ของขน
ลุ่มน้ำ รังสีและสองพารามิเตอร์ lognormal
(LN2) การกระจายตัวอย่างที่มีพล็อตและรูปที่
ทำให้เห็นได้ชัดว่ามูลค่าของการไหลบ่าใด ๆ ที่สามารถดีพอ ๆ กันจะ
แสดงในรูปของเปอร์เซ็นต์ของมัน (แกนด้านบน) หรือมาตรฐาน
ดัชนี (แกนล่าง) นี่คือการกระจาย LN2
ให้พอดีโดยรวมดีกว่าการกระจายรังสี
แม้ว่าการแจกแจงแกมมาอาจทำงานได้ดีขึ้นสำหรับ
ค่าต่ำของการไหลบ่า lognormal 3 พารามิเตอร์และทั่วไป
ราคามากอาจจะมีการกระจายที่ดียิ่งขึ้น
การบังคับใช้ทั่วไปสำหรับการไหลบ่ากว่าที่แตกต่างกันอย่างแพร่หลาย hydroclimatic
ระบอบการปกครอง การใช้การจัดจำหน่ายติดตั้งสำหรับการไหลบ่า
มีความเสี่ยงที่เป็นแบบที่ไม่ดีคือความสำเร็จที่ก่อให้เกิดเปอร์เซนต์
และค่านิยมศรีจึงจะได้รับการ misestimated อีกทางเลือกหนึ่ง
คือการหลีกเลี่ยงการเลือกการจัดจำหน่ายโดยสังเกตุการประเมิน
เปอร์เซนต์แม้ว่าความเสี่ยงของการ misestimation เนื่องจากการ
สุ่มตัวอย่างความไม่แน่นอนที่ยังคงอยู่ ต้องระมัดระวังเป็นพิเศษในการเจรจา
สองขั้นตอนแรกข้างต้นเพื่อลดข้อผิดพลาด
ในการประมาณน่าจะเป็นของที่ไหลบ่ามาโดยเฉพาะอย่างยิ่งในพื้นที่ที่แห้งแล้ง
ภูมิภาคที่ไหลบ่ามาอาจจะไม่สม่ำเสมอ

ผลลัพธ์ (ไทย) 3:

3 . ดัชนีปริมาณมาตรฐานเรากำหนดดัชนีท่ามาตรฐาน ( ศรี ) เป็นหน่วยมาตรฐานปกติธรรมดาที่เกี่ยวข้องกับค่าของอุทกวิทยาน้ำท่า คำนวณตามวิธีการทั่วไปของศรีใช้แมคคี et al . ( 1993 ) เพื่อประมาณการ SPI .เหมือน SPI , ศรีสามารถคำนวณค่าผลรวมสะสมกว่าระยะเวลาที่แตกต่างกัน ( เช่น อย่างไรก็ตาม ปรับ )และสำหรับที่แตกต่างกันหลายชนิด ขึ้นอยู่กับแหล่งพื้นที่ความละเอียดของข้อมูลและโปรแกรมที่ต้องการปริมาณน้ำไหลบ่า spis ตัวอย่างจะคำนวณจาก NOAA ในบรรยากาศส่วนพื้นฐานและหน่วยงานของรัฐในระดับมณฑล พื้นฐาน ขั้นตอนสำหรับการคำนวณศรีรวมถึงขั้นตอนต่อไปนี้ :1 . ย้อนหลังอนุกรมเวลาของน้ำท่าในเวลาที่ต้องการและระดับพื้นที่รวมได้จากการจำลองและการแจกแจงความน่าจะเป็นที่เหมาะกับตัวอย่างแสดงโดยเวลาชุดค่า2 . การใช้ในการประมาณการสะสมความน่าจะเป็นของการสะสมมูลค่าของดอกเบี้ย ( ทั้งน้ำท่ามูลค่าปัจจุบัน หรือนับจากวันที่ย้อนหลัง .3 . ความน่าจะเป็นสะสมจะถูกแปลงเป็นมาตรฐานปกติธรรมดา ( ศูนย์ค่าเฉลี่ยและความแปรปรวนของหน่วย ) ซึ่งสามารถคำนวณได้จากการประมาณค่าเชิงตัวเลขไปปกติฟังก์ชันการแจกแจงสะสม ( CDF ) หรือสกัดจากตารางของค่าปกติ CDF ว่าจะพร้อมใช้งานในสถิติของตำราหรือบนโลกไวด์เว็บแมคกี et al . ( 1993 ) เลือกการแจกแจงแกมมาสำหรับการกระชับรายเดือนชุดข้อมูล และแนะนำว่าขั้นตอนที่สามารถใช้กับตัวแปรอื่น ๆที่เกี่ยวข้องกับภัยแล้ง เช่น ปริมาณน้ำท่าหรือน้ำเนื้อหา ในการใฝ่หานี้แนะนำการไหลบ่า เราทราบว่านอกเหนือจากรังสีแกมมาอาจจะเหมาะสมมากกว่า ทั้งนี้ในน้ำตัวอย่างลักษณะตัวแปรของย้อนหลัง( โดยเฉพาะเบ้และความโด่ง ) ซึ่งแตกต่างกันอย่างมาก โดยทางภูมิศาสตร์สถานที่ตั้ง รูปที่ 1 แสดงให้เห็นตัวอย่างของ เป็นเวลา 3 เดือนรวมค่าน้ำท่าในช่วงเดือนมีนาคม เมษายน และพฤษภาคมจากปี 1955-2005 เฉลี่ยทั่วพื้นที่ของขนนกในลุ่มน้ำ แกมมาสองพารามิเตอร์และแบบลอกนอร์มอล( ln2 ) การแจกแจงสำหรับตัวอย่างเป็น วางแผน และ รูปทำให้ชัดเจนว่า ค่าปริมาณน้ำท่าจะเท่าเทียมกันดีเป็นแสดงในแง่ของไทล์ ( แกนด้านบน ) หรือแบบมาตรฐานดัชนี ( แกนด้านล่าง ) ที่นี่ ln2 แจกจ่ายให้พอดีกับที่ดีกว่าโดยรวมกว่ารังสีกระจายแม้ว่าการแจกแจงแกมมาอาจแสดงขึ้นสำหรับค่าต่ำของน้ำท่า มีฟังก์ชั่นและแบบทั่วไปการแจกแจงค่าสุดโต่งอาจจะดีขึ้นทั่วไป การใช้ค่ามากกว่า hydroclimatic แตกต่างกันอย่างกว้างขวางระบบ . ใช้ในการติดตั้งค่าความเสี่ยงที่เหมาะสมจนสำเร็จ ทำให้เปอร์เซ็นไทล์และด้วยเหตุนี้ ศรี ค่าจะ misestimated . หนึ่งทางเลือกเพื่อหลีกเลี่ยงการกระจายสินค้าโดยใช้ประมาณเปอร์เซ็นไทล์ แม้ว่าความเสี่ยงของ misestimation เนื่องจากความไม่แน่นอน ) ยังคงอยู่ การดูแลจะต้องถ่ายเพื่อเจรจาสองขั้นตอนแรกข้างต้นเพื่อลดข้อผิดพลาดในการประเมินความเป็นไปได้ของปริมาณน้ำท่า โดยเฉพาะอย่างยิ่ง แห้งแล้งภูมิภาคที่ออกมาอาจจะไม่ต่อเนื่อง .