Cloud interceptionIn order to demon

Cloud interception
In order to demonstrate the uncertainty involved in
estimating cloud interception directly from gauge measurements
we compared estimates of Pc derived from
Pga, Tf and Sf (using the methodology described here)
with the corresponding ‘catch’ of the cloud interception
gauge at the Upper Barron site. The catch of the gauge
was defined by the volume of water collected divided by
the collection area of the aluminium mesh
1005 cm2.
A comparison of the two methods is shown in Figure 10.
From this figure we can see that there is a positive
relationship between Pc and gauge catch. Since the gauge
catches a mixture of cloud droplets and wind blown rain,
the relationship may be affected by wind speed and rainfall
intensity (c.f. Hutley et al., 1997; Clark et al., 1998)
There is some evidence for this in Figure 10; where the
slope of the linear regression of gauge catch and Pc
increases with wind speed. This is consistent with the
expectation that higher wind speeds increase the amount
of rain that falls at steep angles from the vertical and
would hence be caught by the cloud interception gauge.
Statistical analysis of the difference in the slopes of
the linear regressions (Zar, 1999) in Figure 10 indicates
that all slopes are significantly different from each
other (p < 0 Ð 05). Although the slopes are statistically
different there is still a large amount of scatter in the
relationship between Pc and gauge catch. The scatter in
the relationship is likely to be the result of the inability
of the cloud interception gauge to accurately mimic the
capture of cloud droplets in real forest canopies under
variable climatic conditions. The observed scatter may
also be because the cloud interception gauge will also
capture steeply angled rainfall in very windy conditions,
thus resulting in overestimates of cloud interception
inputs. A much stronger relationship between the two
variables would be necessary for a higher level of
confidence to be gained in developing a ‘calibration’ for
the gauge. Further analyses of these types of data on a
sub-daily and individual storm basis may reveal more
meaningful relationships.
When all the data in Figure 10 are pooled the linear
regression is Pc
gauge D 0Ð41Pc
4
With a correlation coefficient r2 D 0Ð74. This indicates
that over all wind and rain conditions the gauge only
captured 41% of the cloud interception that was caught by
the rainforest canopy. Direct use of a cloud interception
gauge without any knowledge of wind speed during
rainfall will yield results with higher uncertainty than
if wind speed is known. A similar argument may also
apply to rainfall intensity. Clearly, if throughfall and
stemflow measurements are available, then the problems
of ‘calibrating’ the cloud interception gauge can be
circumvented using the canopy water balance technique
described earlier.
The canopy water balance technique used here to
quantify cloud interception differs from that reported
in Harr (1982) and Hutley et al. (1997) in that we
have estimated above canopy Pc. In contrast, Harr and
Hutley et al. estimate below canopy Pc, since they
subtract predicted
Sf C Tf from measured
Sf C Tf.
This point is acknowledged by Harr and the results are
reported as ‘fog drip’. However, Hutley et al. incorrectly
report the difference, as above canopy Pc, therefore,
subsequent calculations of canopy interception in this
study are underestimates since they do not account for
the evaporative losses of cloud interception. Sigmon et al.
(1989) also present similar methods for calculating both
above and below canopy Pc, however, these authors
ignore stemflow and define the occurrence of fog drip
using relative humidity thresholds. Such a technique may
be suitable in temperate environments, but is less useful
for rainforest systems where humidity is always high.

ผลลัพธ์ (ไทย) 1:

สกัดกั้นเมฆแสดงออกถึงความไม่แน่นอนที่เกี่ยวข้องในประมาณเมฆสกัดกั้นโดยตรงจากเกจวัดเราเปรียบเทียบการประเมินของพีซีที่มาจากPga, Tf และ Sf (ใช้วิธีการอธิบายไว้ที่นี่)มีการสอดคล้อง 'จับ' ของสกัดกั้นเมฆวัดที่บาร์รอนบนไซต์ จับของมาตรวัดถูกกำหนด โดยปริมาณของน้ำหารด้วยพื้นที่เก็บของอะลูมิเนียมตาข่าย 1005 cm2การเปรียบเทียบสองวิธีแสดงในรูปที่ 10จากรูปนี้ เราจะเห็นว่ามีบวกความสัมพันธ์ระหว่างพีซีและมาตรวัดตามจริง ตั้งแต่มาตรวัดจับส่วนผสมของหยดน้ำเมฆและลมพัดฝนความสัมพันธ์อาจรับผลกระทบจากความเร็วลมและปริมาณน้ำฝนความเข้ม (สาวกตัว Hutley et al. 1997 Clark et al. 1998)มีหลักฐานนี้ในรูปที่ 10 ซึ่งการความลาดชันของการถดถอยเชิงเส้นของเกจจับและพีซีเพิ่มขึ้นกับความเร็วลม นี่คือสอดคล้องกับการคาดว่า ความเร็วลมสูงเพิ่มฝนตกที่มุมสูงชันจากแนวตั้ง และจะจับได้ โดยมาตรวัดการสกัดกั้นเมฆดังนั้นการวิเคราะห์ทางสถิติของความแตกต่างของลาดบ่งชี้แสดงเชิงเส้น (Zar, 1999) ในรูปที่ 10เนินเขาทั้งหมดแตกต่างกันอื่น ๆ (p < 0 Ð 05) แม้ว่าจะลาดทางสถิติต่าง ๆ ยังคงมีขนาดใหญ่การกระจายในการความสัมพันธ์ระหว่างพีซีและมาตรวัดตามจริง กระจายในความสัมพันธ์จะเป็นผลมาจากการไม่สามารถระบบคลาวด์ สกัดกั้นวัดจะถูกต้องเลียนแบบการจับภาพของหยดน้ำเมฆมุ้งป่าจริงภายใต้ตัวแปรสภาพ กระจายสังเกตอาจยัง เป็น เพราะการลักลอบเมฆวัดจะยังจับมุมอย่างสูงลิ่วฝนในสภาพลมแรงมากเกิด overestimates ของเมฆในการสกัดกั้นอินพุต สัมพันธ์ที่ดีระหว่างทั้งสองตัวแปรจะจำเป็นสำหรับระดับสูงขึ้นความมั่นใจจะได้รับการพัฒนา 'เทียบ' สำหรับวัด การวิเคราะห์ชนิดของข้อมูลเหล่านี้ในการพายุวันย่อย และแต่ละเกณฑ์อาจเปิดเผยเพิ่มเติมมีความหมายสัมพันธ์กันเมื่อทั้งหมดที่มีข้อมูลในรูปที่ 10 พูเชิงเส้นถดถอยเป็นพีซีเกจ D 0Ð41Pc 4ด้วยมีสัมประสิทธิ์สหสัมพันธ์ r2 D 0Ð74 บ่งชี้ที่ผ่านลมและฝนทั้งหมดเงื่อนไขมาตรวัดเฉพาะจับ 41% ของการลักลอบเมฆที่ถูกจับโดยป่าดงดิบกระแชง ใช้การสกัดกั้นเมฆโดยตรงวัด โดยไม่รู้เรื่องของความเร็วลมระหว่างปริมาณน้ำฝนจะมีผลกับความไม่แน่นอนสูงกว่าถ้าความเร็วลม อาร์กิวเมนต์คล้ายกันอาจจะใช้ความเข้มของฝน อย่างชัดเจน ถ้า throughfall และมีการวัด stemflow แล้วปัญหา'การปรับเทียบ' สกัดกั้นเมฆวัดสามารถเงื่อนไขการใช้งานโดยใช้เทคนิคการดุลน้ำของหลังคาอธิบายไว้ก่อนหน้านี้เทคนิคการดุลน้ำหลังคาใช้เพื่อปริมาณเมฆสกัดกั้นแตกต่างจากที่รายงานในฮาร์ลาร์สอี (1982) และ Hutley et al. (1997) ที่เรามีประมาณข้างบนหลังคาพีซี ในความคมชัด ฮาร์ลาร์สอี และประเมินด้านล่างหลังคาพีซี Hutley et al.ตั้งแต่พวกเขาลบ Tf C Sf คาดการณ์จากวัด Sf C Tfจุดนี้เป็นที่ยอมรับ โดยฮาร์ลาร์สอี และผลจะรายงานเป็น 'หยดน้ำหมอก' อย่างไรก็ตาม Hutley et al.ไม่ถูกต้องรายงานต่าง ข้างต้นหลังคาพี ดังนั้นคำนวณมาจากกันสาดสกัดกั้นในที่นี้ศึกษาเป็น underestimates เนื่องจากพวกเขาไม่บัญชีสำหรับการสูญเสียลมเย็นของเมฆในการสกัดกั้น Sigmon et al(1989) นอกจากนี้ยังมีวิธีที่คล้ายกันสำหรับการคำนวณทั้งสองด้านบน และด้าน ล่างหลังคาพี อย่างไรก็ตาม ผู้เขียนเหล่านี้stemflow ละเว้น และกำหนดการเกิดหยดน้ำหมอกใช้เกณฑ์ความชื้นสัมพัทธ์ เทคนิคดังกล่าวอาจจะเหมาะในสภาพแวดล้อมพอสมควร แต่มีประโยชน์น้อยสำหรับระบบป่าฝนซึ่งความชื้นจะสูง

ผลลัพธ์ (ไทย) 2:

การสกัดกั้นเมฆ
เพื่อที่จะแสดงให้เห็นถึงความไม่แน่นอนที่เกี่ยวข้องในการ
ประเมินการสกัดกั้นเมฆโดยตรงจากวัดวัด
เราเมื่อเทียบกับประมาณการของชิ้นที่ได้มาจาก
พีจีเอ Tf และ Sf (โดยใช้วิธีการที่อธิบายที่นี่)
กับที่สอดคล้องกัน 'จับ' ของเมฆสกัดกั้น
วัดที่ตอนบน เว็บไซต์ Barron จับของวัด
ถูกกำหนดโดยปริมาณน้ำที่เก็บรวบรวมโดยแบ่ง
พื้นที่คอลเลกชันของอลูมิเนียมตาข่าย? 1005 cm2 ?.
การเปรียบเทียบทั้งสองวิธีจะแสดงในรูปที่ 10
จากตัวเลขนี้เราจะเห็นว่ามีความเป็นไปในเชิงบวก
ความสัมพันธ์ระหว่างเครื่องคอมพิวเตอร์และวัดจับ ตั้งแต่วัด
จับส่วนผสมของละอองเมฆและลมพัดฝน
ความสัมพันธ์อาจจะได้รับผลกระทบโดยความเร็วลมและปริมาณน้ำฝน
ความเข้ม (CF Hutley, et al, 1997;.. คลาร์ก, et al, 1998)
มีหลักฐานบางอย่างสำหรับเรื่องนี้ในรูปที่ 10 ; ที่
ลาดชันของการถดถอยเชิงเส้นของการจับวัดและชิ้น
เพิ่มขึ้นกับความเร็วลม ซึ่งสอดคล้องกับ
ความคาดหวังที่ความเร็วลมสูงเพิ่มปริมาณ
ฝนที่ตกอยู่ในมุมที่สูงชันจากแนวตั้งและ
ด้วยเหตุนี้จะถูกจับโดยวัดเมฆสกัดกั้น.
การวิเคราะห์สถิติของความแตกต่างในเนินเขาของ
การถดถอยเชิงเส้น (ซาร์ 1999 ) ในรูปที่ 10 แสดงให้เห็น
ว่าเนินเขาทุกอย่างมีนัยสำคัญแตกต่างจากคน
อื่น ๆ (p <0 Ð 05) แม้ว่าเนินเขามีสถิติ
ที่แตกต่างกันยังคงมีจำนวนมากกระจายอยู่ใน
ความสัมพันธ์ระหว่างเครื่องคอมพิวเตอร์และวัดจับ กระจายอยู่ใน
ความสัมพันธ์ที่มีแนวโน้มที่จะเป็นผลมาจากการไร้ความสามารถที่
ของวัดเมฆสกัดกั้นได้อย่างถูกต้องเลียนแบบ
การจับตัวของละอองเมฆหลังคาป่าจริงภายใต้
สภาพภูมิอากาศตัวแปร กระจายสังเกตอาจ
ยังเป็นเพราะวัดเมฆสกัดกั้นก็จะ
จับปริมาณน้ำฝนมุมสูงลิ่วในสภาพลมแรงมาก
จึงทำให้เกิดการ overestimates เมฆสกัดกั้น
ปัจจัยการผลิต ความสัมพันธ์ที่เข้มแข็งมากขึ้นระหว่างสอง
ตัวแปรจะเป็นสิ่งที่จำเป็นสำหรับระดับที่สูงขึ้นของ
ความเชื่อมั่นที่จะได้รับในการพัฒนา 'สอบเทียบสำหรับ
วัด การวิเคราะห์ต่อไปของเหล่านี้ประเภทของข้อมูลบน
พื้นฐานพายุย่อยทุกวันและแต่ละคนอาจเปิดเผยข้อมูลเพิ่มเติม
ความสัมพันธ์ที่มีความหมาย.
เมื่อข้อมูลทั้งหมดในรูปที่ 10 จะมีการสำรองเชิงเส้น
ถดถอยเป็นชิ้น? วัด? D 0Ð41Pc? 4?
ด้วยค่าสัมประสิทธิ์สหสัมพันธ์ R2 D 0Ð74 นี้แสดงให้เห็น
ว่ากว่าทุกลมฝนและสภาพแวดล้อมวัดเพียง
จับ 41% ของการสกัดกั้นเมฆที่ถูกจับโดย
หลังคาป่าดงดิบ ใช้โดยตรงของเมฆสกัดกั้น
วัดไม่มีความรู้ของความเร็วลมใด ๆ ในช่วง
ปริมาณน้ำฝนจะให้ผลกับความไม่แน่นอนสูงกว่า
ถ้าความเร็วลมเป็นที่รู้จักกัน อาร์กิวเมนต์ที่คล้ายกันนอกจากนี้ยังอาจ
นำไปใช้กับสายฝนความเข้ม เห็นได้ชัดว่าถ้า throughfall และ
stemflow วัดที่มีอยู่แล้วปัญหา
ของ 'สอบเทียบ' วัดเมฆสกัดกั้นสามารถ
หลีกเลี่ยงการใช้เทคนิคหลังคาสมดุลของน้ำ
อธิบายไว้ก่อนหน้า.
เทคนิคสมดุลของน้ำหลังคาใช้ที่นี่เพื่อ
ปริมาณการสกัดกั้นเมฆแตกต่างจากที่รายงาน
ใน Harr (1982) และ Hutley et al, (1997) ในการที่เรา
ได้มีการประมาณการดังกล่าวข้างต้นชิ้นหลังคา ในทางตรงกันข้าม Harr และ
Hutley et al, ประมาณการด้านล่างหลังคาชิ้นเนื่องจากพวกเขา
ลบทำนาย? Sf C Tf? จากวัด? Sf C Tf ?.
จุดนี้เป็นที่ยอมรับของ Harr และผลที่ได้รับการ
รายงานว่า 'หมอกหยด' อย่างไรก็ตาม Hutley et al, ไม่ถูกต้อง
รายงานความแตกต่างดังกล่าวข้างต้นชิ้นหลังคาจึง
คำนวณตามมาของหลังคาสกัดกั้นในเรื่องนี้
การศึกษาเป็นดูถูกเนื่องจากพวกเขาไม่บัญชีสำหรับ
การสูญเสียการระเหยของการสกัดกั้นเมฆ Sigmon et al.
(1989) วิธีการที่คล้ายกันนอกจากนี้ยังมีการคำนวณทั้ง
ด้านบนและด้านล่างชิ้นหลังคา แต่ผู้เขียนเหล่านี้
ไม่สนใจ stemflow และกําหนดการเกิดหมอกหยด
โดยใช้เกณฑ์ความชื้นสัมพัทธ์ เช่นเทคนิคอาจ
มีความเหมาะสมในสภาพแวดล้อมที่อบอุ่น แต่มีประโยชน์น้อย
สำหรับระบบป่าดงดิบที่มีความชื้นสูงอยู่เสมอ