In this section, we will discuss so

In this section, we will discuss some limitations of the
TRMM ARI product due to the accuracy of the realtime
3B42RT data and its short data record. The ARI
derived from GEV analysis is expected to be reliable for
twice the data length with fitted distribution function
(Parzybok et al. 2011); therefore,TRMMdata should be
able to identify a 28-yr event with reasonable accuracy.
However, even though the GEV fitting function allows
estimation of events that are outside the range of the
current data record, any ARI computed longer than
14 yr (record length) is just extrapolation and subject to
high uncertainty. Figure 6 shows examples of fittedGEV
functions along with empirical distribution plotted from
AMseries. The return year (‘‘position’’) for the raw data
is calculated using a formula based on Gringorten
plotting position (Huntingford et al. 2003). This
provides a visual inspection of the goodness of fit. The
data are generally lining along the fitted black curve.
However, the plot for the 3-day accumulation at grid
point 208N, 1608E shows a situation where a single
largest value has probably distorted the entire distribution.
We also computed the 95% confidence bounds for
all the GEV thresholds and found the uncertainty to be
quite large as shown in Fig. 6. The upper bounds depart
from the estimated threshold more rapidly with increasing
ARI than the lower bounds, which means that
the estimated ARI for extreme precipitation could be at
the high end of possible range. A normalized 95%
confidence range (NCR, defined as the difference of
upper bound and lower bound divided by the threshold
itself) is computed for all years and all grid points. If the
NCR is smaller than 1, the ARI estimates should be
within 100% of its magnitude with 95% confidence.
Figure 7a shows that for ARI 5 5 yr, most of the heavy
rain areas—that is, the ITCZ, Asian monsoon, and
Amazon regions—have reasonable estimates of ARI as
indicated by NCR, 1. Low confidences (NCR . 2) are
observed in dry regions such as North Africa, the Arabian
deserts, and the southeast Pacific. The confidence
deteriorates dramatically when ARI reaches 20 yr, as
shown in Fig. 7b, with NCR . 1 covering most of the
globe except the ITCZ region. The poor confidence is
mainly due to short record length, and partly owing to
the statistical methods used to derive the ARI not optimized
for the current data record (Katz et al. 2002;
Hosking and Wallis 1997). As the data record of merged
TRMM–GPM rain data grows in length, the confidence
of high ARI will increase.

ผลลัพธ์ (ไทย) 1:

ในส่วนนี้ เราจะหารือเกี่ยวกับข้อจำกัดบางประการของการผลิตภัณฑ์ TRMM อารีย์เนื่องจากความถูกต้องของแบบเรียลไทม์3B42RT ข้อมูลและข้อมูลโดยย่อของบันทึก อารีย์มาจาก GEV วิเคราะห์คาดว่าจะเชื่อถือได้สำหรับสองยาวข้อมูล ด้วยฟังก์ชันจัด(Parzybok et al. 2011); ดังนั้น ควรจะ TRMMdataสามารถระบุเหตุการณ์ 28 ปี ด้วยความถูกต้องเหมาะสมอย่างไรก็ตาม แม้ GEV ฟังก์ชันเหมาะสมช่วยให้ประเมินเหตุการณ์ที่อยู่นอกช่วงของการระเบียนข้อมูลปัจจุบัน อารีย์ใด ๆ คำนวณอีกต่อไปมากกว่าปี 14 (ความยาวเรกคอร์ด) มาเพียง extrapolation หัวข้อความไม่แน่นอนสูง รูปที่ 6 แสดงตัวอย่างของ fittedGEVฟังก์ชั่นพร้อมกับแจกจ่ายรวมพล็อตจากAMseries ปีคืน (''ตำแหน่ง '') สำหรับข้อมูลดิบคำนวณโดยใช้สูตรตาม Gringortenพล็อตตำแหน่ง (Huntingford et al. 2003) นี้ให้ตรวจสอบภาพกลม ๆ ของพอดี ที่ข้อมูลโดยทั่วไปมีซับตามแนวโค้งสีดำผ่อนอย่างไรก็ตาม พล็อตสำหรับสะสม 3 วันที่ตารางจุด 208N, 1608E แสดงสถานการณ์เดียวค่าที่ใหญ่ที่สุดอาจจะมีผิดเพี้ยนทั้งหมดเรายังคำนวณขอบเขตความเชื่อมั่น 95% สำหรับขีดจำกัด GEV และพบความไม่แน่นอนให้ค่อนข้างใหญ่ดังแสดงใน Fig. 6 ขอบเขตบนขาออกจากขีดจำกัดที่ประเมินกับการเพิ่มขึ้นอย่างรวดเร็วอารีย์มากกว่าขอบเขตล่าง ซึ่งหมายความ ว่าอารีย์ประเมินสำหรับฝนมากอาจจะอยู่ที่จบสูงสุดช่วง 95% มาตรฐานช่วงความเชื่อมั่น (NCR กำหนดให้เป็นความแตกต่างของขอบเขตบนและขอบล่างโดยขีดจำกัดตัวเอง) จะคำนวณทุกปีและเส้นทั้งหมด ถ้าการNCR มีขนาดเล็กกว่า 1 ควรประเมินอารีย์ภายใน 100% ของขนาดที่มีความเชื่อมั่น 95%รูปที่ 7a แสดงที่อารีย์ 5 5 ปี ส่วนใหญ่หนักฝนพื้นที่ — นั่นคือ การ ITCZ มรสุมเอเชีย และภูมิภาค Amazon ซึ่งมีการประเมินที่เหมาะสมของอารีย์เป็นตาม NCR, 1 ต่ำ confidences (NCR. 2) เป็นในภูมิภาคที่แห้งเช่นแอฟริกาเหนือ อาหรับที่ทะเลทราย และแปซิฟิกตะวันออกเฉียงใต้ ความเชื่อมั่นdeteriorates อย่างมากเมื่ออารีย์ถึง 20 ปี เป็นแสดงใน 7b Fig. กับ NCR 1 ครอบคลุมส่วนใหญ่ของการทั่วโลกยกเว้นภูมิภาค ITCZ มีความมั่นใจดีส่วนใหญ่เนื่องจากความยาวเรกคอร์ดสั้น ๆ และ owing บางส่วนไปวิธีทางสถิติที่ใช้ในการมาอารีย์ไม่เหมาะสำหรับระเบียนข้อมูลปัจจุบัน (ทซ et al. 2002Hosking และวาลลิ 1997) เป็นข้อมูลบันทึกของ ผสานข้อมูลฝน TRMM – GPM ขยายความยาว ความมั่นใจของอารีย์สูงจะเพิ่มขึ้น

ผลลัพธ์ (ไทย) 2:

ในส่วนนี้เราจะหารือเกี่ยวกับข้อ จำกัด
บางส่วนของผลิตภัณฑ์TRMM
อารีย์เนื่องจากการความถูกต้องของเรียลไทม์ที่ข้อมูล3B42RT และบันทึกข้อมูลสั้น อารีย์มาจากการวิเคราะห์ GEV คาดว่าจะเป็นที่เชื่อถือได้สำหรับสองเท่าของความยาวของข้อมูลที่มีฟังก์ชั่นการจัดจำหน่ายติดตั้ง(Parzybok et al, 2011.); จึง TRMMdata ควรจะสามารถที่จะระบุเป็นเหตุการณ์28 ปีด้วยความถูกต้องเหมาะสม. อย่างไรก็ตามแม้ว่าฟังก์ชั่นที่เหมาะสม GEV ช่วยให้การประมาณค่าของเหตุการณ์ที่อยู่นอกช่วงของการบันทึกข้อมูลในปัจจุบันอารีย์ใดๆ คำนวณนานกว่า14 ปี (ระยะเวลาในการบันทึก ) เป็นเพียงการคาดการณ์และอาจมีความไม่แน่นอนสูง รูปที่ 6 แสดงให้เห็นตัวอย่างของ fittedGEV ฟังก์ชั่นพร้อมกับการกระจายเชิงประจักษ์จากพล็อตAMseries ปีผลตอบแทน ('' ตำแหน่ง '') สำหรับข้อมูลดิบที่คำนวณโดยใช้สูตรขึ้นอยู่กับGringorten วางแผนตำแหน่ง (Huntingford et al. 2003) นี้ให้ตรวจสอบภาพจากความดีของพอดี ข้อมูลมักจะเรียงรายไปตามเส้นโค้งสีดำติดตั้ง. แต่พล็อตสำหรับการสะสม 3 วันที่ตารางจุด208N, 1608E แสดงให้เห็นถึงสถานการณ์ที่เป็นหนึ่งเดียวค่าที่มากที่สุดได้บิดเบือนอาจจะกระจายทั้งหมด. นอกจากนี้เรายังคำนวณขอบเขตความเชื่อมั่น 95% สำหรับทุกเกณฑ์GEV และพบว่ามีความไม่แน่นอนที่จะมีขนาดใหญ่มากดังแสดงในรูป 6. ขอบเขตบนออกจากเกณฑ์ที่คาดมากขึ้นอย่างรวดเร็วด้วยการเพิ่มอารีย์กว่าขอบเขตที่ต่ำกว่าซึ่งหมายความว่าประมาณอารีย์สำหรับปริมาณน้ำฝนที่มากที่สุดอาจจะเป็นที่ปลายสูงของช่วงที่เป็นไปได้ ปกติ 95% ช่วงความเชื่อมั่น (NCR หมายถึงความแตกต่างของขอบเขตบนและขอบเขตล่างแบ่งตามเกณฑ์เอง) คือการคำนวณสำหรับทุกปีและทุกจุดตาราง ถ้าNCR มีขนาดเล็กกว่า 1 ประมาณการอารีย์ที่ควรจะเป็นภายใน100% ของขนาดที่มีความเชื่อมั่น 95%. รูปที่ 7a แสดงให้เห็นว่าสำหรับอารีย์ 5 5 ปีส่วนใหญ่ของหนักพื้นที่ที่มีฝนตกคือITCZ ที่มรสุมเอเชีย และAmazon ภูมิภาคมีการประมาณการที่เหมาะสมของ ARI เป็นที่ระบุโดยNCR 1. ความเชื่อมั่นต่ำ (NCR. 2) มีการตั้งข้อสังเกตในพื้นที่แห้งเช่นแอฟริกาเหนืออาหรับทะเลทรายทางตะวันออกเฉียงใต้และแปซิฟิก ความเชื่อมั่นที่ลดลงอย่างมากเมื่ออารีย์ถึง 20 ปีตามที่แสดงในรูป 7b กับ NCR 1 ครอบคลุมมากที่สุดของโลกยกเว้นภูมิภาคITCZ ความเชื่อมั่นที่ไม่ดีเป็นส่วนใหญ่เนื่องจากการบันทึกความยาวสั้นและอีกส่วนหนึ่งเนื่องจากวิธีการทางสถิติที่ใช้ในการได้รับมาอารีย์ไม่เหมาะสำหรับการบันทึกข้อมูลปัจจุบัน(แคทซ์ et al, 2002;. ฮอสวาลลิสและ 1997) ในฐานะที่เป็นบันทึกข้อมูลที่ผสานTRMM-GPM ข้อมูลฝนเติบโตในความยาวความเชื่อมั่นของARI สูงจะเพิ่มขึ้น

ผลลัพธ์ (ไทย) 3:

ในส่วนนี้ เราจะกล่าวถึงข้อจำกัดของ
ผลิตภัณฑ์ trmm อารีเนื่องจากความถูกต้องของข้อมูลเรียลไทม์
3b42rt และบันทึกข้อมูลสั้น ๆ อารีย์
ที่ได้จากการวิเคราะห์ gev คาดว่าจะเชื่อถือได้สำหรับ
สองครั้งข้อมูลความยาวพอดี
ฟังก์ชันการแจกแจง ( parzybok et al . 2011 ) ดังนั้น จึงควร trmmdata
สามารถระบุเหตุการณ์ 28 ปี มีความถูกต้องเหมาะสม
อย่างไรก็ตามแม้ว่า gev ฟังก์ชันให้เหมาะสม
ประมาณเหตุการณ์ที่อยู่นอกช่วงของ
บันทึกข้อมูลปัจจุบัน , อารี คำนวณนานกว่า
14 ปี ( บันทึกความยาว ) เป็นเพียงการคาดเดาจากเรื่อง

และความไม่แน่นอนสูง รูปที่ 6 แสดงให้เห็นตัวอย่างของฟังก์ชัน fittedgev
พร้อมกับเชิงประจักษ์การวางแผนจาก
amseries . กลับมาปี ( ''position ' ' )
ข้อมูลดิบคำนวณโดยใช้สูตรตาม gringorten
พล็อตตำแหน่ง ( huntingford et al . 2003 ) นี้
ให้ตรวจสอบภาพของความดีของพอดี
ข้อมูลโดยทั่วไปมีซับในพร้อมเข็มขัดสีดำโค้ง .
แต่พล็อตสำหรับ 3 วัน สะสมอยู่ที่ตาราง
208n จุด 1608e แสดงสถานการณ์ที่ใหญ่ที่สุดเดียว
ค่าอาจจะเพี้ยน
กระจายทั้งหมดเรายังคำนวณความเชื่อมั่นร้อยละ 95 ขอบเขตสำหรับ
ทั้งหมด gev ธรณีประตูและพบความไม่แน่นอนที่จะ
ค่อนข้างใหญ่ดังแสดงในรูปที่ 6 ขอบเขตบนออก
จากประมาณเกณฑ์อย่างรวดเร็วอารีเพิ่ม
กว่าขอบเขตล่าง ซึ่งหมายความว่าสำหรับการตกตะกอนประมาณอารี
มากอาจจะเป็น
สูงสิ้นสุดที่สุดช่วง ปกติช่วงความเชื่อมั่น 95%
( NCR ,หมายถึงความแตกต่างของขอบเขตบนและล่างไว้

แบ่งโดยเกณฑ์เอง ) จะคำนวณสำหรับปีและจุดตารางทั้งหมด ถ้า
NCR มีขนาดเล็กกว่า 1 , อารี การประเมินควร
ภายใน 100 % ของขนาดของมันมีความเชื่อมั่นร้อยละ 95 .
รูป 7A แสดงให้อารี 5 5 ปี ส่วนใหญ่ของพื้นที่ที่ฝนตกหนัก
,
itcz , เอเชียมรสุมและAmazon ภูมิภาคมีการประเมินที่เหมาะสมของอารีเป็น
แสดงโดย NCR , 1 ความไว้วางใจต่ำ ( NCR . 2 )
2 ภาคบริการ เช่น แอฟริกาเหนือ อาหรับ
ทะเลทราย และภูมิภาคเอเชียแปซิฟิก ความมั่นใจ
เสื่อมอย่างมากเมื่ออารีมาถึง 20 ปี ตามที่แสดงในรูปที่ 7b
, NCR . 1 ที่ครอบคลุมมากที่สุดของโลก ยกเว้นเขต itcz
. ความเชื่อมั่นที่ไม่ดีคือ
ส่วนใหญ่เนื่องจากการบันทึกความยาวสั้น และส่วนหนึ่งเนื่องจาก
สถิติที่ใช้ เพื่อให้ได้มาซึ่งยังไม่เหมาะ
สำหรับบันทึกข้อมูลปัจจุบัน ( Katz et al . 2002 ;
hosking ลิสและ 1997 ) เป็นบันทึกข้อมูลผสาน
trmm – GPM ฝนข้อมูลที่เติบโตขึ้นในความยาว ความมั่นใจ
อารีสูงจะเพิ่มขึ้น