Since the 1950s, the population in

Since the 1950s, the population in the arid to hyperarid Tarim River basin has grown rapidly concurrent with an expansion of irrigated agriculture. This threatens the Tarim River basin's natural ecosystems and causes water shortages, even though increased discharges in the headwaters have been observed more recently. These increases have mainly been attributed to receding glaciers and are projected to cease when the glaciers are unable to provide sufficient amounts of meltwater. Under these circumstances water management will face a serious challenge in adapting its strategies to changes in river discharge, which to a greater extent will depend on changes in precipitation. In this paper, we aim to develop accurate seasonal predictions of precipitation to improve water resources management.

Possible predictors of precipitation for the Tarim River basin were either downloaded directly or calculated using NCEP/NCAR Reanalysis 1 and NOAA Extended Reconstructed Sea Surface Temperature (SST) V3b data in monthly resolution. To evaluate the significance of the predictors, they were then correlated with the monthly precipitation dataset GPCCv6 extracted for the Tarim River basin for the period 1961 to 2010. Prior to the Spearman rank correlation analyses, the precipitation data were averaged over the subbasins of the Tarim River. The strongest correlations were mainly detected with lead times of four and five months. Finally, an artificial neural network model, namely a multilayer perceptron (MLP), and a multiple linear regression (LR) model were developed each in two different configurations for the Aksu River subbasin, predicting precipitation five months in advance. Overall, the MLP using all predictors shows the best performance. The performance of both models drops only slightly when restricting the model input to the SST of the Black Sea and the Siberian High Intensity (SHI) pointing towards their importance as predictors.

Results (Thai) 1:

ตั้งแต่ปี 1950 ประชากรในแห้งแล้งเพื่อลุ่มแม่น้ำ Tarim hyperarid มีการเติบโตอย่างรวดเร็วพร้อมกันกับการขยายตัวของเกษตรชลประทาน ซึ่งคุกคามระบบนิเวศธรรมชาติของลุ่มแม่น้ำ Tarim และทำให้ขาดแคลนน้ำ แม้เพิ่มขึ้นปล่อยในการอพยพได้รับการปฏิบัติเพิ่มเติมเร็ว ๆ นี้ เพิ่มขึ้นเหล่านี้ส่วนใหญ่ได้รับการบันทึกให้ธารน้ำแข็งร่น และคาดว่าจะหยุดเมื่อธารน้ำแข็งไม่สามารถให้ปริมาณที่เพียงพอของ meltwater ภายใต้สถานการณ์เหล่านี้ การบริหารจัดการน้ำจะเผชิญความท้าทายในการปรับกลยุทธ์ของการเปลี่ยนแปลงในการปล่อยแม่น้ำ ซึ่งจะขึ้นกับการเปลี่ยนแปลงในปริมาณน้ำฝนในระดับที่มากขึ้น ในกระดาษนี้ เรามุ่งมั่นในการพัฒนาถูกต้องคาดคะเนตามฤดูกาลของฝนเพื่อปรับปรุงการจัดการทรัพยากรน้ำการทำนายเป็นไปได้ของฝนสำหรับลุ่มน้ำ Tarim ดาวน์โหลดอย่างใดอย่างหนึ่งโดยตรง หรือคำนวณโดยใช้ข้อมูล 1 Reanalysis NCEP/NCAR และ V3b NOAA ขยายสร้างขึ้นทะเลพื้นผิวอุณหภูมิ (SST) ในความละเอียดที่รายเดือน การประเมินความสำคัญของการทำนาย พวกเขาได้แล้วมีความสัมพันธ์กับชุดข้อมูลฝนรายเดือน GPCCv6 สกัดสำหรับลุ่มน้ำ Tarim สำหรับงวดปี 1961 ถึง 2553 ก่อนการวิเคราะห์สหสัมพันธ์อันดับ Spearman ข้อมูลฝนได้เฉลี่ยมากกว่า subbasins แม่น้ำ Tarim ส่วนใหญ่พบความสัมพันธ์ที่แข็งแกร่ง ด้วยระยะเวลาสี่ ถึงห้าเดือน ในที่สุด แบบจำลองโครงข่ายประสาทเทียม คือเพอร์เซปตรอนหลายชั้น (MLP), และแบบจำลองถดถอยเชิงเส้น (LR) หลายถูกพัฒนาในสองโครงแบบที่แตกต่างกันสำหรับ subbasin แม่น้ำอัคสุ ทำนายฝนล่วงหน้า 5 เดือน โดยรวม MLP ใช้ทำนายทั้งหมดแสดงประสิทธิภาพสูงสุด ประสิทธิภาพของทั้งสองรุ่นหยดเพียงเล็กน้อยเมื่อการจำกัดรูปแบบอินพุตกับ SST ของทะเลดำและไซบีเรียสูงความเข้ม (SHI) ชี้ไปที่ความสำคัญเป็นทำนาย

Results (Thai) 2:

ตั้งแต่ปี 1950 ประชากรในแห้งแล้งเพื่อ hyperarid Tarim ลุ่มน้ำที่มีการเติบโตอย่างรวดเร็วพร้อมกันกับการขยายตัวของภาคการเกษตรในเขตชลประทาน นี้คุกคามระบบนิเวศธรรมชาติอ่าง Tarim แม่น้ำและทำให้เกิดการขาดแคลนน้ำถึงแม้ว่าการปล่อยของเสียที่เพิ่มขึ้นในต้นน้ำได้รับการปฏิบัติเมื่อเร็ว ๆ นี้ เพิ่มขึ้นเหล่านี้ได้รับการส่วนใหญ่ประกอบกับธารน้ำแข็งถอยและคาดว่าจะยุติเมื่อธารน้ำแข็งไม่สามารถให้ปริมาณที่เพียงพอของนํ้าแข็ง ภายใต้สถานการณ์เช่นนี้การบริหารจัดการน้ำจะต้องเผชิญกับความท้าทายอย่างในการปรับกลยุทธ์การเปลี่ยนแปลงในแม่น้ำออกซึ่งในระดับสูงจะขึ้นอยู่กับการเปลี่ยนแปลงในการเร่งรัด ในบทความนี้เรามุ่งมั่นในการพัฒนาการคาดการณ์ตามฤดูกาลที่ถูกต้องของการเร่งรัดการปรับปรุงการบริหารจัดการทรัพยากรน้ำ.

พยากรณ์ที่เป็นไปได้ในการเร่งรัดสำหรับลุ่มน้ำ Tarim แม่น้ำถูกดาวน์โหลดโดยตรงหรือคำนวณโดยใช้ NCEP / NCAR reanalysis ที่ 1 และ NOAA ขยาย Reconstructed อุณหภูมิผิวน้ำทะเล (SST) ข้อมูล V3b ในความละเอียดรายเดือน เพื่อประเมินความสำคัญของการพยากรณ์ที่พวกเขามีความสัมพันธ์แล้วกับ GPCCv6 ชุดเร่งรัดรายเดือนสกัดลุ่มน้ำ Tarim แม่น้ำเป็นระยะเวลา 1961 2010 ก่อนที่จะมีการวิเคราะห์ความสัมพันธ์สเปียร์แมนยศข้อมูลปริมาณน้ำฝนได้เฉลี่ยเกิน subbasins ของ Tarim แม่น้ำ. ความสัมพันธ์ที่แข็งแกร่งถูกตรวจพบส่วนใหญ่กับครั้งนำไปสู่สี่และห้าเดือน สุดท้ายรูปแบบโครงข่ายประสาทเทียมกล่าวคือหลาย Perceptron (MLP) และหลายถดถอยเชิงเส้น (LR) รุ่นได้รับการพัฒนาในแต่ละสองกำหนดค่าที่แตกต่างกันสำหรับ subbasin Aksu แม่น้ำทำนายเร่งรัดห้าเดือนล่วงหน้า โดยรวมแล้ว MLP ใช้พยากรณ์ทั้งหมดแสดงให้เห็นถึงประสิทธิภาพที่ดีที่สุด ประสิทธิภาพการทำงานของทั้งสองรุ่นจะลดลงเพียงเล็กน้อยเมื่อการ จำกัด การป้อนข้อมูลแบบกับ SST ของทะเลสีดำและไซบีเรียความหนาแน่นสูง (SHI) ชี้ไปที่ความสำคัญของพวกเขาเป็นตัวพยากรณ์

Results (Thai) 3:

ตั้งแต่ปี 1950 , ประชากรในที่แห้งแล้ง hyperarid Tarim ลุ่มน้ำมีการเติบโตอย่างรวดเร็ว สอดคล้องกับการขยายตัวของผลผลิตการเกษตร นี้คุกคาม Tarim ลุ่มน้ำของระบบนิเวศและสาเหตุการขาดแคลนน้ำ แม้ว่าอัตราการไหลเพิ่มขึ้นในต้นน้ำได้รับการตรวจสอบมากขึ้น เมื่อเร็วๆ นี้ เพิ่มขึ้นเหล่านี้ส่วนใหญ่ถูกว่าถอยห่าง และธารน้ำแข็งที่คาดว่าจะหยุดเมื่อธารน้ำแข็งไม่สามารถให้ปริมาณที่เพียงพอของเมลท์วอเตอร์ . ภายใต้สถานการณ์การจัดการน้ำจะเผชิญความท้าทายที่ร้ายแรงในการปรับกลยุทธ์เพื่อการเปลี่ยนแปลงในแม่น้ำไหลซึ่งมีขอบเขตมากขึ้นจะขึ้นอยู่กับการเปลี่ยนแปลงในการตกตะกอน ในกระดาษนี้เรามุ่งพัฒนาการคาดการณ์ตามฤดูกาลที่ถูกต้องของการตกตะกอนเพื่อปรับปรุงการบริหารจัดการทรัพยากรน้ำสามารถทำนายการตกตะกอนสำหรับ Tarim ลุ่มน้ำมีให้ดาวน์โหลดโดยตรงหรือคำนวณการใช้รถ reanalysis นิคการแพทย์ / 1 และ NOAA ขยายสร้างพื้นผิวน้ำทะเลอุณหภูมิ ( SST ) ข้อมูล v3b ความละเอียดในรายเดือน ประเมินความสำคัญของปัจจัย พวกเขาจึงมีความสัมพันธ์กับการ gpccv6 รายเดือนข้อมูลสกัดสำหรับลุ่มน้ำ Tarim River สำหรับช่วงปี 1961 ถึง 2010 ก่อนที่ The Spearman Rank Correlation การวิเคราะห์ข้อมูลปริมาณน้ำฝนเฉลี่ยมากกว่ามีจำนวนของแม่น้ำทาริม . ความสัมพันธ์ที่แข็งแกร่ง ส่วนใหญ่ตรวจพบตะกั่วครั้งที่สี่และห้าเดือน ในที่สุด แบบจำลองโครงข่ายประสาทเทียมคือเพอร์เซปตรอนหลายชั้น ( MLP ) และสมการถดถอยพหุคูณ ( LR ) รุ่น ถูกพัฒนาขึ้นในแต่ละสองค่าที่แตกต่างกันสำหรับ aksu แม่น้ำลุ่มน้ำย่อย ทำนายฝนเดือนห้า ล่วงหน้า รวม , MLP ใช้พยากรณ์แสดงประสิทธิภาพที่ดีที่สุด ประสิทธิภาพของแบบจำลองทั้งสองลดลงเพียงเล็กน้อยเมื่อ จำกัด รูปแบบการป้อนข้อมูลเพื่อ SST ของทะเลสีดำและความเข้มสูงไซบีเรีย ( ชิ ) ชี้ไปที่ความสำคัญตามที่พยากรณ์