Distributed hydrological models hav

Distributed hydrological models have become the main tool
to study the hydrology natural law and solve the hydrology
practice question, especially the ones that are physically-based,
which can fulfill the necessity of describing basin
heterogeneity, assessing the impact of natural and human
induced changes and providing detailed descriptions of the
hydrological processes in a watershed to satisfy various needs
in spatial modeling (Abbott, et al. 1996). In the last few
decades, a large number of distributed hydrological models
have been developed and applied. Examples of such models
include the SHE model, the IHDM model, the SWAT model,
and the BTOPMC model, etc. These models require the
spatial distributed data as input to reflect the heterogeneity of
base information in the watershed. The spatial rainfall is one
of the key inputs for these models, and the accuracy of
streamflow predictions from a hydrological model is heavily
dependent on the accuracy of rainfall inputs (Gourley and
Vieux, 2006), therefore, estimating accurate values of rainfall
is of concern (Kurtzman, et al. 2009).
Conventional estimates of daily rainfall in centre points of a
hydrologic model’s mesh can be obtained by spatial
interpolation of rain gauge data (Kurtzman, et al. 2009). But,
it is impossible to install as many rainfall stations as possible
to estimate the spatial rainfall due to limiting factors such as
budget constraints, inaccessibility of certain areas, or lack of
available staff (Taesombat, et al. 2009). Recent development
in global and regional satellite-based precipitation products
has greatly improved their applicability as input to large-scale
distributed hydrological models (Stisen, et al. 2010) and are
expected to offer an alternative to ground based rainfall
estimates in the present and the foreseeable future
(Sawunyama, et al. 2008), especially are a suitable data source
in developing countries or remote locations, where
conventional rain gauge data are sparse (Hughes, et al. 2006).
Nevertheless, satellites have biases and random errors that are
caused by various factors like sampling frequency,
nonuniform field-of-view of the sensors, and uncertainties in
the rainfall retrieval algorithms (Nair, et al. 2009). It is
therefore essential to validate the satellite derived products
3756
978-1-4244-9171-1/11/$26.00 ©2011 IEEE
with conventional rain estimates to quantify the direct
usability of the products (Nair, et al. 2009).
In this study, TRMM 3B42-V6 rainfall data are used to
compare with the actual rain gauge data in the Xinjiang
catchment. We examine the temporal characteristic of daily
TRMM rainfall and the spatial distribution of annual rainfall
during study periods, and compare the distribution of TRMM
rainfall in different rainfall classes as well as their relative
contribution to the total rainfall with rain gauge data. Also, the
scatter plots of monthly rainfall at the five national
meteorological stations are made to check the correlation of
the TRMM rainfall with rain gauges rainfall data at the
monthly time scale. Subsequently,

ผลลัพธ์ (ไทย) 1:

แบบจำลองอุทกวิทยากระจายได้กลายเป็น เครื่องมือหลักการศึกษากฎหมายธรรมชาติอุทกวิทยาอุทกวิทยาการแก้คำถามแบบฝึกหัด คนที่ร่างกายใช้ซึ่งสามารถตอบสนองความจำเป็นในการอธิบายพื้นheterogeneity การประเมินผลกระทบของธรรมชาติและมนุษย์ทำให้เกิดการเปลี่ยนแปลงและการให้คำอธิบายรายละเอียดของการกระบวนการอุทกวิทยาในพื้นที่ลุ่มน้ำเพื่อตอบสนองความต้องการต่าง ๆในปริภูมิสร้างโมเดล (Abbott, et al. 1996) ในสิ่งสุดท้ายทศวรรษ แบบจำลองอุทกวิทยากระจายเป็นจำนวนมากพัฒนา และนำไปใช้ ตัวอย่างของแบบจำลองดังกล่าวรวมรูปเธอ รุ่น IHDM รุ่นหน่วย SWATและในรุ่น BTOPMC ฯลฯ โมเดลเหล่านี้ต้องการเข้าถึง heterogeneity ของปริภูมิแบบกระจายข้อมูลข้อมูลพื้นฐานในลุ่มน้ำ ปริมาณน้ำฝนพื้นที่เป็นหนึ่งของปัจจัยการผลิตสำคัญสำหรับรูปแบบเหล่านี้ และความถูกต้องของstreamflow การคาดการณ์จากแบบจำลองอุทกวิทยาเป็นอย่างมากขึ้นอยู่กับความถูกต้องของปริมาณน้ำฝนอินพุต (Gourley และนันทนาการ 2006), ดังนั้น ประเมินค่าความถูกต้องของปริมาณน้ำฝนมีความกังวล (Kurtzman, et al. 2009)ประเมินทั่วไปปริมาณน้ำฝนรายวันในจุดศูนย์กลางของการตาข่ายของแบบจำลองอุทกวิทยาได้ตามพื้นที่สอดแทรกข้อมูลเครื่องวัดฝน (Kurtzman, et al. 2009) แต่มันเป็นไปไม่ได้ติดตั้งสถานีปริมาณน้ำฝนมากที่สุดการประเมินปริมาณน้ำฝนพื้นที่เนื่องจากมีปัจจัยจำกัดเช่นข้อจำกัดงบประมาณ inaccessibility พื้นที่ หรือขาดมีเจ้าหน้าที่ (Taesombat, et al. 2009) พัฒนาล่าสุดในส่วนกลาง และภูมิภาคตามดาวเทียมฝนผลิตภัณฑ์มีการปรับปรุงอย่างมากความเกี่ยวข้องของพวกเขาเป็นสัญญาณเข้าขนาดใหญ่กระจายแบบจำลองอุทกวิทยา (Stisen, et al. 2010) และจะคาดว่าจะมีฝนตกพื้นดินตามทางเลือกประเมินในปัจจุบันและในอนาคตอันใกล้(Sawunyama, et al. 2008), โดยเฉพาะอย่างยิ่งเป็นแหล่งข้อมูลที่เหมาะสมในประเทศกำลังพัฒนาหรือไกล ที่ข้อมูลเครื่องวัดฝนแบบธรรมดาไม่ห่าง (ฮิวจ์ส et al. 2006)อย่างไรก็ตาม ดาวเทียมมียอมและข้อผิดพลาดแบบสุ่มที่เกิดจากปัจจัยต่าง ๆ เช่นความถี่ในการสุ่มตัวอย่างnonuniform ฟิลด์มุมของเซนเซอร์ ไม่แน่นอนในการฝนเรียกอัลกอริทึม (Nair, et al. 2009) จึงดังนั้นสิ่งสำคัญในการตรวจสอบผลิตภัณฑ์ดาวเทียมมา3756978-1-4244-9171-1/11/$26.00 © 2011 IEEEมีฝนทั่วไปประเมินเพื่อกำหนดปริมาณตรงการใช้งานของผลิตภัณฑ์ (Nair, et al. 2009)ในการศึกษานี้ ใช้ข้อมูลปริมาณน้ำฝนที่ 3B42 V6 TRMM เพื่อเปรียบเทียบกับข้อมูลจริงวัดฝนใน Xinjiangลุ่มน้ำนั้น เราตรวจสอบลักษณะชั่วคราวของทุกวันTRMM ปริมาณน้ำฝนและการกระจายของปริมาณน้ำฝนรายปีในระหว่างรอบระยะเวลาการศึกษา และเปรียบเทียบการกระจายของ TRMMปริมาณน้ำฝนในปริมาณน้ำฝนแตกต่างกันเช่นเดียวกับญาติของพวกเขามีส่วนทำให้ปริมาณน้ำฝนรวมกับข้อมูลเครื่องวัดฝน ยังกระจายลงจุดปริมาณน้ำฝนรายเดือนที่ระดับ 5สถานีอุตุนิยมวิทยาจะทำการตรวจสอบความสัมพันธ์ของข้อมูลปริมาณน้ำฝนที่ยนต์ gauges ฝน TRMM กับฝนสเกลเวลารายเดือน ในเวลาต่อมา

ผลลัพธ์ (ไทย) 3:

การกระจายทางรุ่นได้กลายเป็นเครื่องมือหลัก
ศึกษาอุทกวิทยากฎหมายธรรมชาติและแก้ไขอุทกวิทยา
ฝึกตั้งคำถามโดยเฉพาะคนที่ร่างกายตาม
ซึ่งสามารถตอบสนองความจำเป็นของการอธิบายอ่าง
สามารถ ประเมิน ผลกระทบของธรรมชาติและมนุษย์เกิดการเปลี่ยนแปลง และให้

รายละเอียดของกระบวนการทางอุทกวิทยาในลุ่มน้ำเพื่อตอบสนองความต้องการ
ในการจำลองเชิงพื้นที่ต่างๆ ( Abbott , et al . 1996 ) ในช่วงไม่กี่ทศวรรษที่ผ่านมา
เป็นจำนวนมากกระจายอุทกวิทยาแบบจำลอง
ได้รับการพัฒนาและใช้ ตัวอย่างของรูปแบบรวมถึงรูปแบบเช่น
ihdm เธอ , รูปแบบ , SWAT แบบ
และ btopmc โมเดล ฯลฯ รูปแบบเหล่านี้ต้องการ
การกระจายข้อมูลเป็นข้อมูลที่สะท้อนให้เห็นถึงความหลากหลายของ
ข้อมูลฐานในลุ่มน้ำ ฝนเชิงพื้นที่เป็นหนึ่ง
ของปัจจัยการผลิตหลักสำหรับรูปแบบเหล่านี้ และความถูกต้องของข้อมูลการคาดการณ์จากแบบจำลองอุทกวิทยา

เป็นหนักขึ้นอยู่กับความถูกต้องของข้อมูลปริมาณน้ำฝน ( กอร์ลี่ย์และ
วิเยอซ์ , 2549 ) ดังนั้น คำนวณค่าความถูกต้องของฝน
เป็นกังวล ( เคิร์ทแมน , et al .2552 ) .
ปกติประมาณปริมาณฝนในจุดศูนย์ของ
แบบจำลองทางอุทกวิทยาของตาข่ายได้โดยการแก้ไขพื้นที่
ฝนตกวัดข้อมูล ( เคิร์ทแมน , et al . 2009 ) แต่ ,
มันเป็นไปไม่ได้ที่จะติดตั้งเป็นสถานี ปริมาณน้ำฝนมากที่สุด
+ ฝน เนื่องจากพื้นที่จำกัด ปัจจัยเช่น
ข้อจำกัดงบประมาณไม่ถึงในบางพื้นที่ หรือขาด
เจ้าหน้าที่บริการ ( taesombat et al . 2009 ) ล่าสุดการพัฒนาในระดับโลกและระดับภูมิภาคจากดาวเทียม

ดีขึ้นอย่างมาก การใช้ผลิตภัณฑ์การตกตะกอนของนำเข้าขนาดใหญ่กระจายแบบจำลองอุทกวิทยา (
stisen et al . 2010 ) และคาดว่าจะเสนอทางเลือกให้

ประมาณพื้นดินฝนอยู่ใน ปัจจุบัน และอนาคต (
sawunyama et al . 2008 )โดยเฉพาะเป็นแหล่งข้อมูลที่เหมาะสมในการพัฒนาประเทศ

วัดหรือสถานที่ห่างไกลที่ข้อมูลฝนปกติเป็นหร็อมแหร็ม ( Hughes , et al . 2006 ) .
แต่ดาวเทียมมีอคติและข้อผิดพลาดแบบสุ่มที่
เกิดจากปัจจัยต่างๆเช่นความถี่ตัวอย่างสม่ำเสมอ
ฟิลด์ของมุมมองของเซ็นเซอร์ และความไม่แน่นอนใน
ฝนค้นขั้นตอนวิธี ( แนร์ , et al . 2009 ) มันคือ
จึงจำเป็นในการตรวจสอบดาวเทียมมาผลิตภัณฑ์
3756
978-1-4244-9171-1 / 11 / $ 26.00 © 2011 IEEE
ฝนปกติประมาณการในช่วงทางตรง
การใช้งานของผลิตภัณฑ์ ( แนร์ , et al . 2552 ) .
ในการศึกษานี้ใช้ข้อมูลฝน trmm 3b42-v6

เทียบกับที่เกิดขึ้นจริงฝนวัดข้อมูลในลุ่มน้ำซินเจียง

เราตรวจสอบลักษณะชั่วคราวของทุกวัน
trmm ปริมาณน้ำฝนและการกระจายเชิงพื้นที่ของปริมาณน้ำฝนในช่วง
ศึกษาและเปรียบเทียบการกระจายของ trmm
ปริมาณน้ำฝนในชั้นเรียนที่แตกต่างกันรวมทั้งความสัมพันธ์ระหว่างปริมาณฝนรวมกับ
ของฝนวัดข้อมูล นอกจากนี้
แปลงกระจายของปริมาณน้ำฝนที่สถานีอุตุนิยมวิทยาแห่งชาติ 5
จะทําการตรวจสอบความสัมพันธ์ของ
การ trmm ฝนกับฝนที่มาตรวัดปริมาณฝนที่
เวลาแบบรายเดือน ต่อมา