a) In Lithuania the agricultural dr

a) In Lithuania the agricultural droughts lasts longer than one month and can be monitored by EDI index with
different estimation timescale, however intra-monthly and intra-seasonal variability of droughts were
captured only with EDI30, 60 or 90.
b) In Romania a 3-month SPI (SPI3) was evaluated in terms of capturing precipitation trends during the important
vegetation phases (reproductive and early grain-filling stages, the growing season etc.) for the observed
drought events. Zoning the soil moisture reserves shows good correspondence with the 3-months SPI spatial
distributions for all analyzed periods. Identified extremely dry areas according to SPI indicator were
corresponding to extreme pedological drought estimated from soil moisture reserves. Areas that were found
to be near normal according to SPI were overlapping with the satisfactory supply of soil moisture reserves.
c) In Lithuania the meteorological drought indexes SPI and EDI have statistically significant relationship with
hydrological drought indexes SRI and FI. The correlation between SPI and SRI is better with indexes calculated
using longer time steps. The correlation during spring is weakest due to runoff formation from snowmelt. The
relationship between meteorological and hydrological drought indexes depends on the properties of river
catchment and climate. SPI and indexes calculated for shorter time steps better represents the hydrological
response in catchments where the water accumulation capacity is smaller and where the part of surface and
fast subsurface runoff in total river runoff is large. Moderate and severe drought periods identified by EDI9
usually coincide with the reduction off runoff, but only during July-September the meteorological droughts
may be related to water resources shortage.
d) In Poland values of SPI to SRI indices were used to develop a two-dimensional variable for drought hazard
assessment. The approach allows establishing five classes of combined SPI-SRI variable which represents:
normal meteorological and hydrological conditions (0), wet both meteorological and hydrological conditions
(1), dry meteorological conditions and wet hydrological conditions (2), dry both meteorological and
hydrological conditions (3) and, wet meteorological conditions and dry hydrological conditions (4). Additionally
for stochastic characterization of drought Markov chain models have been used. Statistical characteristics of
Markov chain provides information that were used for drought hazard assessment:
- probabilities of transition from one drought class to another, that represents proneness to drought
formation;
- return period of drought class which represent the probabilities of occurrence of the various drought
classes;
- expected residence time in drought class, which is the average time the process stays in a particular
drought class before migrating to another class and represents the duration of that drought class;
- the expected first passage time from one class to another that represents the average time period taken by
the process to reach for the first time the given drought class starting from some other class.

Kết quả (Việt) 1:

a) ở Litva nông nghiệp hạn hán kéo dài hơn một tháng và có thể được theo dõi bởi EDI chỉ vớiMặt Trăng ước tính khác nhau, Tuy nhiên nội bộ hàng tháng và theo mùa trong sự biến đổi của hạn hán đãbị bắt chỉ với EDI30, 60 hoặc 90.b) tại Rumani một tháng 3-SPI (SPI3) được đánh giá trong điều kiện chụp mưa xu hướng trong những điều quan trọnggiai đoạn cây cối (sinh sản và đầu hạt-điền giai đoạn, mùa phát triển vv) cho các quan sátsự kiện hạn hán. Quy hoạch dự trữ đất ẩm cho thấy các thư từ tốt với SPI 3 tháng không gianphân phối cho tất cả các giai đoạn phân tích. Xác định các khu vực rất khô theo chỉ số SPItương ứng với cực hạn hán pedological ước tính từ đất ẩm dự trữ. Khu vực đã được tìm thấyđể ở gần bình thường theo SPI chồng với cấp đất ẩm dự trữ, thỏa đáng.c) ở Litva các chỉ số khí tượng hạn hán SPI và EDI có ý nghĩa thống kê quan hệ vớithuỷ văn hạn hán chỉ số SRI và FI. Tương quan giữa SPI và SRI là tốt hơn với chỉ số tính toánsử dụng lâu hơn thời gian bước. Tương quan mùa xuân là yếu nhất do hình thành dòng chảy mặt từ tan. Cácmối quan hệ giữa khí tượng và thủy văn hạn hán chỉ số phụ thuộc vào tính chất của sônglưu vực và khí hậu. SPI và lập chỉ mục được tính cho ngắn hơn thời gian bước tốt hơn đại diện cho các nướcCác phản ứng trong catchments khả năng tích tụ nước nhỏ và đâu mà là một phần của bề mặt vàCác dòng chảy nhanh bên dưới bề mặt trong tất cả sông chảy là lớn. Thời gian trung bình và nặng hạn hán được xác định bởi EDI9thường trùng với việc giảm tắt dòng chảy, nhưng chỉ trong tháng bảy-tháng chín khí tượng hạn háncó thể liên quan đến nước tài nguyên thiếu.d) tại Ba Lan giá trị của SPI SRI chỉ số đã được sử dụng để phát triển một biến hai chiều cho hạn hán gây nguy hiểmđánh giá. Cách tiếp cận này cho phép thiết lập năm lớp học của biến SPI-SRI kết hợp đại diện cho:điều kiện khí tượng và thủy văn bình thường (0), ướt điều kiện khí tượng và thủy văn(1), điều kiện khí tượng khô và điều kiện thủy văn ẩm ướt (2), khô cả khí tượng vàđiều kiện thuỷ văn (3), và điều kiện khí tượng ẩm ướt và điều kiện thủy văn khô (4). Ngoài raĐối với các đặc tính ngẫu nhiên của hạn hán xích Markov mô hình đã được sử dụng. Thống kê đặc điểm củaXích Markov cung cấp các thông tin được sử dụng cho hạn hán hazard đánh giá:-xác suất của quá trình chuyển đổi từ một hạn hán lớp khác, mà đại diện cho proneness để hạn hánhình thành;-trở về thời hạn của hạn hán lớp mà đại diện cho xác suất của sự xuất hiện của hạn hán khác nhauCác lớp học;-dự kiến thời gian cư trú trong nạn hạn hán lớp, mà là thời gian trung bình quá trình ở trong một cụ thểhạn hán lớp trước khi di chuyển sang lớp khác và đại diện cho thời gian của lớp đó hạn hán;-dự kiến thông qua lần đầu tiên từ một lớp khác đại diện cho mức trung bình thời gian thời gian thực hiện bởiquá trình để đạt được cho lần đầu tiên đưa ra hạn hán lớp bắt đầu từ một số lớp học khác.

Kết quả (Việt) 2:

a) Trong Lithuania hạn hán nông nghiệp kéo dài hơn một tháng và có thể được theo dõi bởi chỉ số với EDI
niên đại ước tính khác nhau, tuy nhiên trong nội bộ hàng tháng và nội mùa biến đổi của hạn hán đã
bị bắt chỉ với EDI30, 60 hoặc 90.
b) Trong Romania một 3 tháng SPI (SPI3) được đánh giá về xu hướng chụp mưa trong quan trọng
giai đoạn thực vật (giai đoạn hạt làm đầy sinh sản và đầu, mùa sinh trưởng vv) cho các quan sát
sự kiện khô hạn. Khoanh dự trữ độ ẩm đất cho thấy sự tương ứng tốt với 3 tháng SPI không gian
phân phối cho tất cả các phân tích thời gian. Xác định khu vực cực kỳ khô theo chỉ số SPI được
tương ứng với hạn hán thổ nhưỡng cực ước tính từ dự trữ độ ẩm đất. Khu vực đã được tìm thấy
để được gần bình thường theo SPI được chồng chéo với các nguồn cung cấp đạt yêu cầu dự trữ độ ẩm đất.
C) Trong Lithuania các chỉ số hạn hán khí tượng SPI và EDI có mối quan hệ có ý nghĩa thống kê với
chỉ số hạn hán thủy văn SRI và FI. Mối tương quan giữa SPI và SRI là tốt hơn với chỉ số tính toán
sử dụng các bước thời gian lâu hơn. Các mối tương quan trong mùa xuân là yếu nhất do sự hình thành dòng chảy từ tuyết tan. Các
mối quan hệ giữa các chỉ số hạn hán khí tượng và thủy văn phụ thuộc vào tính chất của sông
lưu vực và khí hậu. SPI và chỉ tính cho bước thời gian ngắn hơn đại diện cho thủy văn
phản ứng ở các lưu vực nơi mà khả năng tích tụ nước nhỏ hơn và nơi một phần của bề mặt và
dưới bề mặt dòng chảy nhanh trong tổng dòng chảy sông lớn. Đợt hạn hán vừa và nặng xác định bởi EDI9
thường trùng với việc giảm đi dòng chảy, nhưng chỉ trong tháng Bảy-Tháng Chín hạn hán khí tượng
có thể liên quan đến tài nguyên nước thiếu hụt.
D) Ở Ba Lan các giá trị của chỉ số SPI để SRI đã được sử dụng để phát triển một hai biến chiều cho hạn hán nguy hiểm
đánh giá. Cách tiếp cận cho phép xây dựng năm lớp kết hợp biến SPI-SRI đại diện:
điều kiện khí tượng, thủy văn bình thường (0), ướt cả hai điều kiện khí tượng, thủy văn
(1), điều kiện khí tượng khô và điều kiện thủy văn ướt (2), khô cả khí tượng và
thủy văn điều kiện (3) và điều kiện khí tượng ẩm ướt và điều kiện thủy văn khô (4). Ngoài ra
đối với đặc tính ngẫu nhiên của mô hình chuỗi Markov hạn hán đã được sử dụng. Đặc tính thống kê của
chuỗi Markov cung cấp thông tin đó đã được sử dụng để đánh giá hạn hán nguy hiểm:
- xác suất của quá trình chuyển đổi từ một lớp hạn hán khác, mà đại diện proneness hán
hình;
- giai đoạn trở lại của lớp khô hạn mà đại diện cho xác suất xảy ra các đợt hạn hán nhiều
lớp ;
- thời gian lưu trú dự kiến trong lớp hạn hán, đó là thời gian trung bình quá trình này ở lại trong một đặc biệt
lớp khô hạn trước khi chuyển đến một lớp khác và đại diện cho thời gian của lớp hán;
- dự kiến đầu tiên thời gian trôi qua từ một lớp khác đại diện cho khoảng thời gian trung bình thực hiện bởi
quá trình để đạt được lần đầu tiên lớp hạn hán được bắt đầu từ một lớp khác.