Уменьшение масштаба - Downscaling

Уменьшение масштаба - это любая процедура для вывода информации с высоким разрешением из переменных с низким разрешением. Этот метод основан на динамических или статистических подходах, обычно используемых в нескольких дисциплинах, особенно метеорология, климатология и дистанционное зондирование.[1][2] Период, термин уменьшение масштаба обычно относится к увеличению Пространственное разрешение, но он также часто используется для временное разрешение.[3][4]

Метеорология и климатология

Глобальные климатические модели (GCM), используемые для климатических исследований и климатических прогнозов, обычно выполняются с пространственным разрешением порядка 150-200 км.[5] и ограничены в своей способности разрешать важные особенности субсеточного масштаба, такие как конвекция облака и топография. В результате прогнозы на основе GCM могут оказаться ненадежными для местных исследований воздействия.

Чтобы преодолеть эту проблему, уменьшение масштаба разработаны методы получения локальных Погода и климат, особенно на приземном уровне, из атмосферных переменных регионального масштаба, которые предоставляются ГЦМ. Существуют две основные формы техники уменьшения масштаба. Одна форма динамическое масштабирование, где выходные данные GCM используются для управления региональной численной моделью с более высоким пространственным разрешением, которая, таким образом, может моделировать местные условия более подробно. Другая форма статистическое масштабирование, где статистическая взаимосвязь устанавливается на основе наблюдений между крупномасштабными переменными, такими как атмосферное давление на поверхности, и локальной переменной, например скоростью ветра в определенном месте. Затем это отношение используется в данных GCM для получения локальных переменных из выходных данных GCM.

Уилби и Wigley разделил методы метеорологического масштабирования на четыре категории:[6] регресс методы, подходы на основе погодных условий, стохастический генераторы погоды, которые представляют собой статистические методы уменьшения масштаба, и моделирование на ограниченной площади (что соответствует методы динамического масштабирования). Среди этих подходов методы регрессии предпочтительны из-за их относительной простоты реализации и низких требований к вычислениям.

Примеры

В 2007 году Бюро мелиорации США сотрудничало с Министерством энергетики США. Национальная лаборатория энергетических технологий (DOE NETL), Университет Санта-Клары (SCU), Национальная лаборатория Лоуренса Ливермора (LLNL) и Калифорнийского университета Институт исследований изменения климата и его социальных последствий (IRCCSI), чтобы применить проверенный метод под названием «Пространственная дезагрегация с коррекцией смещения» BCSD;[7] см. также раздел «Информация на веб-сайте» на 112 современных прогнозов глобального климата, доступных в рамках Проекта взаимного сравнения парных моделей Всемирной программы исследований климата, Фаза 3 (WCRP CMIP3). Эти прогнозы представляют собой 16 ГКМ, моделирующих реакцию климата на три сценария выбросов парниковых газов из нескольких исходных условий климатической системы.

Эти усилия привели к разработке 112 прогнозов месячной температуры и осадков над континентальной частью США с пространственным разрешением 1/8 ° (12 километров (7,5 миль)) в течение периода моделирования климата 1950–2099 годов.

КОРДЕКС

Скоординированный региональный эксперимент по даунскейлингу (CORDEX) был инициирован в 2009 году с целью создания основы для оценки и сравнения характеристик модели даунскейлинга, а также для определения набора экспериментов для составления климатических прогнозов для использования в исследованиях воздействия и адаптации.[8][9] Эксперименты по изменению климата CORDEX проводятся по инициативе WCRP CMIP5[10] GCM выходы. CORDEX определила 14 регионов или доменов уменьшения масштаба.

Компьютеры

С технологической точки зрения, масштабирование означает снижение чего-либо, обычно относящееся к разрешающая способность.

Рекомендации

  • Хессами, М., Куарда, TBMJ, Гачон, П., Сент-Хайлер, А., Сельва, Ф. и Боби, Б., «Оценка метода статистического масштабирования по нескольким регионам восточной Канады», 57-я Канадская ассоциация водных ресурсов. ежегодный конгресс, 2004 г.
  • Ким, Дж. У., Чанг, Дж. Т., Бейкер, Н. Л., Уилкс, Д. С., Гейтс, В. Л., 1984. Статистическая проблема инверсии климата: определение взаимосвязи между локальным и крупномасштабным климатом. Ежемесячный обзор погоды 112, 2069–2077.
  • Мараун, Д., Веттерхолл, Ф., Иресон, А.М., Чендлер, Р.Э., Кендон, Э.Дж., Видманн, М., Бриенен, С., Руст, Х.В., Заутер, Т., Темессл, М., Венема ВКЦ, Чун , К.П., Гудесс, К.М., Джонс, Р.Г., Оноф К., Врак М. и Тиле-Эйх, И., "Уменьшение масштаба осадков в условиях изменения климата. Последние разработки для преодоления разрыва между динамическими моделями и конечным пользователем", Rev. Geophys. 48, RG3003, 2010.
  • Мараун, Д. и Видманн, М., «Статистическое масштабирование и коррекция смещения для исследований климата», Cambridge University Press, Кембридж, 2018.
  • Сахур, Х., Султан, М., Вазифедан, М., Абдельмохсен, К., Карки, С., Йеллич, Дж. А., Гебремайкл, Э., Альшехри, Ф., Эльбайуми, Т. М. (2020). Статистические приложения для уменьшения масштаба данных о наземных хранилищах воды, полученных с помощью GRACE, и для заполнения временных пробелов. Дистанционное зондирование, 12 (3), 533.https://doi.org/10.3390/rs12030533
  • фон Сторх, Х., Зорита, Э., Кубаш, У., 1993. Уменьшение масштабов оценок глобального изменения климата до региональных масштабов: приложение к иберийским дождям в зимнее время. Journal of Climate 6, 1161–1171.
  • Уилби, Р.Л. и Уигли, Т.М.Л., (1997) Выходные данные модели даунскейлинга общей циркуляции: обзор методов и ограничений, Progress in Physical Geography, 21, 530–548.
  • Уилби, Р.Л., Доусон, К.В. и Барроу, Э.М. (2002) SDSM - инструмент поддержки принятия решений для оценки воздействий изменения климата в регионе, Экологическое моделирование и программное обеспечение, 17, 147–159.
  • Вуд, А. В., Люнг, Л. 5 Р., Шридхар, В. и Леттенмайер, Д. П .: Гидрологические последствия динамических и статистических подходов к уменьшению результатов климатических моделей, Изменение климата, 62, 189–216, 2004.
  • Reclamation et al. «Коррекция смещения и уменьшенные прогнозы климата и гидрологии CMIP3 ВПИК» <http://gdo-dcp.ucllnl.org/ downscaled_cmip3_projection />
  • Сюй, З. и З.-Л. Ян, (2012) Улучшенный метод динамического масштабирования с поправками на смещение GCM и его проверка с 30-летним климатическим моделированием. J. Climate, 25, 6271–6286.
  • Сюй, З. и З.-Л. Ян, (2015) Новый подход к динамическому уменьшению масштаба с поправками на смещение GCM и смещением спектра. J. Geophys. Res. Атмосфера, doi: 10.1002 / 2014JD022958
Примечания
  1. ^ Ribalaygua, J .; Torres, L .; Pórtoles, J .; Monjo, R .; Gaitan, E .; Пино, М.Р. (2013). «Описание и проверка двухэтапного аналогового / регрессионного метода уменьшения масштаба». Теоретическая и прикладная климатология. 114 (1–2): 253–269. Bibcode:2013ThApC.114..253R. Дои:10.1007 / s00704-013-0836-х.
  2. ^ Peng, J .; Loew, A .; Merlin, O .; Verhoest, N.E.C. (2017). "Обзор пространственного масштабирования спутниковой дистанционной съемки влажности почвы". Обзоры геофизики. 55 (2): 341. Bibcode:2017RvGeo..55..341P. Дои:10.1002 / 2016RG000543. HDL:11858 / 00-001M-0000-002D-3843-0.
  3. ^ Ли, Т .; Чон, К. (2014). «Непараметрическое статистическое уменьшение во времени суточных осадков до почасовых осадков и последствия для сценариев изменения климата». Журнал гидрологии. 510: 182–196. Bibcode:2014JHyd..510..182L. Дои:10.1016 / j.jhydrol.2013.12.027.
  4. ^ Монджо, Р. (2016). «Измерение временной структуры осадков с помощью безразмерного n-индекса». Климатические исследования. 67 (1): 71–86. Bibcode:2016ClRes..67 ... 71M. Дои:10.3354 / cr01359. (pdf)
  5. ^ Изменение, Межправительственная группа экспертов по климату (март 2014 г.). «Оценка климатических моделей». В Межправительственной группе экспертов по изменению климата (ред.). Изменение климата 2013 - основы физических наук (PDF). Изменение климата 2013 - Основа физических наук: Вклад Рабочей группы I в Пятый оценочный доклад Межправительственной группы экспертов по изменению климата. С. 741–866. Дои:10.1017 / cbo9781107415324.020. ISBN  9781107415324. Получено 2019-08-06.
  6. ^ Wilby, R.L .; Wigley, T.M.L. (1997). «Даунскейлинг модели общей циркуляции: обзор методов и ограничений». Прогресс в физической географии. 21 (4): 530–548. Дои:10.1177/030913339702100403.
  7. ^ Wood, A. W .; Leung, L.R .; Sridhar, V .; Леттенмайер, Д. П. (2004-01-01). «Гидрологические последствия динамических и статистических подходов к даунскейлингу результатов климатических моделей». Изменение климата. 62 (1–3): 189–216. Дои:10.1023 / B: CLIM.0000013685.99609.9e. ISSN  0165-0009.
  8. ^ "CAB Direct". www.cabdirect.org. Получено 2019-08-06.
  9. ^ Гутовски-младший, Уильям Дж .; Джорджи, Филиппо; Тимбал, Бертран; Фригон, Энн; Джейкоб, Даниэла; Кан, Хён-Сок; Рагхаван, Кришнан; Ли, Борам; Леннард, Кристофер (17 ноября 2016 г.). «WCRP Coordinated Regional Downscaling EXperiment (CORDEX): диагностическая MIP для CMIP6». Разработка геонаучных моделей. 9 (11): 4087–4095. Дои:10.5194 / gmd-9-4087-2016. ISSN  1991-9603.
  10. ^ Тейлор, Карл Э .; Стоуфер, Рональд Дж .; Мил, Джеральд А. (2011-10-07). «Обзор CMIP5 и схемы эксперимента». Бюллетень Американского метеорологического общества. 93 (4): 485–498. Дои:10.1175 / БАМС-Д-11-00094.1. ISSN  0003-0007.