Published April 1, 2021
| Version v1
Publication
Open
Modeling Joint Relationship and Design Scenarios Between Precipitation, Surface Temperature, and Atmospheric Precipitable Water Over Mainland China
- 1. Tsinghua University
- 2. Federal University of Agriculture
- 3. Qinghai University
Description
Abstract This study employs copula model to discuss joint relationship and design scenarios between precipitation ( P ), surface temperature ( T ), and precipitable water ( PW ) in seven regions and mainland China over 1980–2016 within a bivariate framework. Markov Chain Monte Carlo modeling in a Bayesian framework was applied to calculate copula parameters while best fitted copulas were assessed using Akaike Information Criterion (AIC), Bayesian Information Criterion (BIC), Root Mean Squared Error (RMSE), Nash‐Sutcliffe Efficiency (NSE), and maximum likelihood criteria. Results showed that the spatial variations of P decreased from South to Northwest, T decreased from South to North and from East to West. Distributions of P and T were similar, with higher values in regions c and d . PW was higher in the south, with more than 64.54 mm in the southwest, 25 mm in the north‐central. The correlation between PW and P as well as PW and T were higher than 0.74. Birnbaum Saunders distribution was considered appropriate to fit P in regions a and f while P and PW in other regions are good with Generalized Pareto. T performed better with generalized extreme in all regions. Moreover, Gumbel, Frank, and Joe copulas provided good fit for PW and P in regions b , f , and g , respectively while in regions a , c , d , and e , Nelson provided perfect fit. For PW and T , Nelson was a good fit in all regions. The bivariate probabilities and design scenarios in various regions suggest tremendous variations, with regions having high probabilities associated with low return periods. We showed that joint analysis of climate variables gives more robust design quantiles.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
ملخص تستخدم هذه الدراسة نموذج الترابط لمناقشة العلاقة المشتركة وسيناريوهات التصميم بين هطول الأمطار ( P ) ودرجة حرارة السطح ( T ) والمياه القابلة للترسيب ( PW ) في سبع مناطق وبر الصين الرئيسي خلال الفترة 1980–2016 ضمن إطار ثنائي المتغير. تم تطبيق نمذجة سلسلة ماركوف مونتي كارلو في إطار بايزي لحساب معلمات الرابطة بينما تم تقييم الروابط الأنسب باستخدام معيار معلومات أكايكي (AIC)، ومعيار معلومات بايزي (BIC)، وخطأ تربيع متوسط الجذر (RMSE)، وكفاءة ناش ساتكليف (NSE)، ومعايير الاحتمال القصوى. أظهرت النتائج أن الاختلافات المكانية لـ P انخفضت من الجنوب إلى الشمال الغربي، وانخفضت T من الجنوب إلى الشمال ومن الشرق إلى الغرب. كانت توزيعات P و T متشابهة، مع قيم أعلى في المنطقتين ج و د . كانت المياه الصالحة للشرب أعلى في الجنوب، مع أكثر من 64.54 ملم في الجنوب الغربي، و 25 ملم في الشمال الأوسط. كان الارتباط بين المياه الصالحة للشرب و المياه الصالحة للشرب وكذلك المياه الصالحة للشرب و المياه الصالحة للشرب أعلى من 0.74. اعتُبر توزيع بيرنباوم سوندرز مناسبًا لتناسب بي في المناطق أ و و بينما بي و بي في مناطق أخرى جيدة مع باريتو المعمم. كان أداء T أفضل مع تعميم شديد في جميع المناطق. علاوة على ذلك، قدمت Gumbel و Frank و Joe copulas ملاءمة جيدة لـ PW و P في المناطق b و f و g ، على التوالي، بينما في المناطق a و c و d و e ، قدمت نيلسون ملاءمة مثالية. بالنسبة إلى PW و T ، كان نيلسون مناسبًا في جميع المناطق. تشير الاحتمالات ثنائية المتغير وسيناريوهات التصميم في مناطق مختلفة إلى اختلافات هائلة، مع وجود احتمالات عالية في المناطق مرتبطة بفترات العائد المنخفض. أظهرنا أن التحليل المشترك للمتغيرات المناخية يعطي كميات تصميم أكثر قوة.Translated Description (French)
Résumé Cette étude utilise un modèle de copule pour discuter de la relation conjointe et des scénarios de conception entre les précipitations ( P ), la température de surface ( T ) et l'eau précipitable ( PW ) dans sept régions et en Chine continentale entre 1980 et 2016 dans un cadre bivarié. La modélisation de Monte Carlo en chaîne de Markov dans un cadre bayésien a été appliquée pour calculer les paramètres de la copule, tandis que les copules les mieux ajustées ont été évaluées à l'aide du critère d'information d'Akaike (AIC), du critère d'information bayésien (BIC), de l'erreur quadratique moyenne (RMSE), de l'efficacité de Nash-Sutcliffe (NSE) et des critères de probabilité maximale. Les résultats ont montré que les variations spatiales de P diminuaient du Sud au Nord-Ouest, T diminuait du Sud au Nord et de l'Est à l'Ouest. Les distributions de P et T étaient similaires, avec des valeurs plus élevées dans les régions c et d. Le PW était plus élevé dans le sud, avec plus de 64,54 mm dans le sud-ouest, 25 mm dans le centre-nord. La corrélation entre PW et P ainsi qu'entre PW et T était supérieure à 0,74. La distribution de Birnbaum Saunders a été jugée appropriée pour adapter P dans les régions a et f tandis que P et PW dans d'autres régions sont bons avec Pareto généralisé. T a obtenu de meilleurs résultats avec l'extrême généralisé dans toutes les régions. De plus, les copules Gumbel, Frank et Joe convenaient bien à PW et P dans les régions b , f et g , respectivement, tandis que dans les régions a , c, d et e , Nelson convenait parfaitement. Pour PW et T , Nelson était un bon choix dans toutes les régions. Les probabilités bivariées et les scénarios de conception dans diverses régions suggèrent d'énormes variations, les régions ayant des probabilités élevées associées à de faibles périodes de retour. Nous avons montré que l'analyse conjointe des variables climatiques donne des quantiles de conception plus robustes.Translated Description (Spanish)
Resumen Este estudio emplea un modelo de cópula para discutir la relación conjunta y los escenarios de diseño entre la precipitación ( P ), la temperatura superficial ( T ) y el agua precipitable ( PW ) en siete regiones y China continental durante 1980–2016 dentro de un marco bivariado. Se aplicó el modelado de Markov Chain Monte Carlo en un marco bayesiano para calcular los parámetros de la cópula, mientras que las cópulas mejor ajustadas se evaluaron utilizando el criterio de información de Akaike (AIC), el criterio de información bayesiana (BIC), el error cuadrático medio (RMSE), la eficiencia de Nash-Sutcliffe (NSE) y los criterios de máxima probabilidad. Los resultados mostraron que las variaciones espaciales de P disminuyeron de sur a noroeste, T disminuyó de sur a norte y de este a oeste. Las distribuciones de P y T fueron similares, con valores más altos en las regiones c y d . PW fue mayor en el sur, con más de 64,54 mm en el suroeste, 25 mm en el centro-norte. La correlación entre PW y P, así como entre PW y T, fue superior a 0,74. La distribución de Birnbaum Saunders se consideró apropiada para encajar P en las regiones a y f, mientras que P y PW en otras regiones son buenos con Pareto Generalizado. T rindió mejor con extremo generalizado en todas las regiones. Además, las cópulas de Gumbel, Frank y Joe proporcionaron un buen ajuste para PW y P en las regiones b , f y g , respectivamente, mientras que en las regiones a, c, d y e , Nelson proporcionó un ajuste perfecto. Para PW y T , Nelson encajó bien en todas las regiones. Las probabilidades bivariadas y los escenarios de diseño en varias regiones sugieren enormes variaciones, con regiones que tienen altas probabilidades asociadas con períodos de retorno bajos. Mostramos que el análisis conjunto de variables climáticas da cuantiles de diseño más robustos.Files
2020EA001513.pdf
Files
(16.0 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:62dfac04ba13d54bef87d89439282881
|
16.0 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- نمذجة سيناريوهات العلاقة المشتركة والتصميم بين هطول الأمطار ودرجة حرارة السطح والمياه الجوية القابلة للترسيب فوق البر الرئيسي للصين
- Translated title (French)
- Modélisation de la relation conjointe et des scénarios de conception entre les précipitations, la température de surface et l'eau précipitable atmosphérique au-dessus de la Chine continentale
- Translated title (Spanish)
- Modelar la relación conjunta y los escenarios de diseño entre la precipitación, la temperatura de la superficie y el agua atmosférica precipitable en China continental
Identifiers
- Other
- https://openalex.org/W3128499619
- DOI
- 10.1029/2020ea001513
References
- https://openalex.org/W1483821640
- https://openalex.org/W1544662260
- https://openalex.org/W1550079431
- https://openalex.org/W1569716231
- https://openalex.org/W1574940769
- https://openalex.org/W1589570794
- https://openalex.org/W1593873489
- https://openalex.org/W1624356652
- https://openalex.org/W1656732585
- https://openalex.org/W1659095121
- https://openalex.org/W1818635978
- https://openalex.org/W1965302626
- https://openalex.org/W1966262860
- https://openalex.org/W1966827292
- https://openalex.org/W1968637865
- https://openalex.org/W1970102934
- https://openalex.org/W1971054317
- https://openalex.org/W1974038018
- https://openalex.org/W1978117141
- https://openalex.org/W1990187844
- https://openalex.org/W1991567646
- https://openalex.org/W1994329518
- https://openalex.org/W2000033743
- https://openalex.org/W2000502470
- https://openalex.org/W2013089794
- https://openalex.org/W2016860221
- https://openalex.org/W2034822856
- https://openalex.org/W2035971761
- https://openalex.org/W2048679502
- https://openalex.org/W2050006201
- https://openalex.org/W2054957279
- https://openalex.org/W2055065220
- https://openalex.org/W2058815839
- https://openalex.org/W2060172488
- https://openalex.org/W2060959067
- https://openalex.org/W2061984794
- https://openalex.org/W2071416426
- https://openalex.org/W2073187170
- https://openalex.org/W2086673556
- https://openalex.org/W2098280243
- https://openalex.org/W2102831107
- https://openalex.org/W2115521437
- https://openalex.org/W2116632035
- https://openalex.org/W2117157376
- https://openalex.org/W2121032760
- https://openalex.org/W2127038280
- https://openalex.org/W2135973421
- https://openalex.org/W2138644576
- https://openalex.org/W2138710913
- https://openalex.org/W2138920515
- https://openalex.org/W2139089363
- https://openalex.org/W2141913814
- https://openalex.org/W2142635246
- https://openalex.org/W2143822331
- https://openalex.org/W2148650246
- https://openalex.org/W2155551183
- https://openalex.org/W2158114082
- https://openalex.org/W2161444534
- https://openalex.org/W2166223539
- https://openalex.org/W2168175751
- https://openalex.org/W2171205625
- https://openalex.org/W2180633021
- https://openalex.org/W2291214551
- https://openalex.org/W2343155978
- https://openalex.org/W2350748082
- https://openalex.org/W2363026119
- https://openalex.org/W2373445138
- https://openalex.org/W2373891381
- https://openalex.org/W2391225761
- https://openalex.org/W2394297524
- https://openalex.org/W2463492543
- https://openalex.org/W2521650032
- https://openalex.org/W2615684655
- https://openalex.org/W2617169092
- https://openalex.org/W2619437782
- https://openalex.org/W2737806562
- https://openalex.org/W2789883585
- https://openalex.org/W2796127526
- https://openalex.org/W2801936497
- https://openalex.org/W2898316230
- https://openalex.org/W2988101483
- https://openalex.org/W3123589292
- https://openalex.org/W390686421
- https://openalex.org/W4249680573
- https://openalex.org/W78225883
- https://openalex.org/W88189997
- https://openalex.org/W956756048