Масштабирование

Процедура получения информации высокого разрешения из переменных низкого разрешения

Уменьшение масштаба — это любая процедура для вывода информации с высоким разрешением из переменных с низким разрешением. Эта техника основана на динамических или статистических подходах, обычно используемых в нескольких дисциплинах, особенно в метеорологии , климатологии и дистанционном зондировании . ^{[1] [2]} Термин уменьшение масштаба обычно относится к увеличению пространственного разрешения , но часто используется также и для временного разрешения . ^{[3] [4]} Это не следует путать с уменьшением масштаба изображения, которое представляет собой процесс уменьшения разрешения изображения с более высокого до более низкого.

Метеорология и климатология

Глобальные климатические модели (GCM), используемые для изучения климата и климатических прогнозов, обычно работают с пространственным разрешением порядка 150–200 км ^[5] и ограничены в своей способности разрешать важные особенности масштаба подсетки, такие как конвекционные облака и топография . В результате, прогнозы на основе GCM могут быть ненадежными для локальных исследований воздействия.

Чтобы преодолеть эту проблему, разрабатываются методы уменьшения масштаба для получения погоды и климата локального масштаба , особенно на уровне поверхности, из атмосферных переменных регионального масштаба, которые предоставляются GCM. Существуют две основные формы техники уменьшения масштаба. Одна форма - динамическое уменьшение масштаба , где выходные данные GCM используются для управления региональной числовой моделью с более высоким пространственным разрешением, которая, следовательно, способна более подробно моделировать локальные условия. Другая форма - статистическое уменьшение масштаба , где статистическая связь устанавливается из наблюдений между крупномасштабными переменными, такими как атмосферное давление у поверхности, и локальной переменной, такой как скорость ветра в определенном месте. Затем эта связь впоследствии используется в данных GCM для получения локальных переменных из выходных данных GCM.

Уилби и Уигли разделили методы метеорологического масштабирования на четыре категории: ^[6] методы регрессии, подходы, основанные на погодных условиях, стохастические генераторы погоды, которые все являются статистическими методами масштабирования, и моделирование ограниченной области (что соответствует динамическим методам масштабирования ). Среди этих подходов предпочтительными являются методы регрессии из-за их относительной простоты реализации и низких требований к вычислениям. Кроме того, может быть применен полумеханический подход к масштабированию, как, например, используемый для данных CHELSA выходных данных модели с уменьшенным масштабом. В этом примере алгоритм температуры основан на статистическом масштабировании, а алгоритм осадков включает орографические предикторы с последующей коррекцией смещения. ^[7]

Примеры

В 2007 году Бюро мелиорации США сотрудничало с Национальной лабораторией энергетических технологий Министерства энергетики США (DOE NETL), Университетом Санта-Клары (SCU), Ливерморской национальной лабораторией им. Лоуренса (LLNL) и Институтом исследований изменения климата и его социальных последствий Калифорнийского университета (IRCCSI) для применения проверенной методики под названием «Коррекция смещения пространственной дезагрегации» BCSD; ^[8] см. также «О проекте на веб-сайте» к 112 современным глобальным климатическим прогнозам, предоставленным через Проект сравнения парных моделей Всемирной программы исследований климата, Фаза 3 (WCRP CMIP3). Эти прогнозы представляют собой 16 GCM, имитирующих климатические реакции на три сценария выбросов парниковых газов из нескольких начальных условий климатической системы.

Результатом этих усилий стала разработка 112 ежемесячных прогнозов температуры и осадков на континентальной части США с пространственным разрешением 1/8° (12 километров (7,5 миль)) за период моделирования климата 1950–2099 годов.

КОРДЕКС

Координированный региональный эксперимент по масштабированию (CORDEX) был начат в 2009 году с целью предоставления рамок для оценки и сравнения производительности модели масштабирования, а также определения набора экспериментов для создания климатических прогнозов для использования в исследованиях воздействия и адаптации. ^{[9] [10]} Эксперименты CORDEX по изменению климата проводятся на основе результатов GCM , полученных в рамках проекта Всемирной программы исследований климата по сравнению сопряженных моделей (CMIP5) ^[11] . CORDEX определил 14 регионов или доменов масштабирования.

Ссылки

• Хессами, М., Куарда, TBMJ, Гашон, П., Сент-Айлер, А., Сельва, Ф. и Боби, Б., «Оценка метода статистического масштабирования в нескольких регионах восточной Канады», 57-й ежегодный конгресс Канадской ассоциации водных ресурсов, 2004 г.
• Ким, Дж. В., Чанг, Дж. Т., Бейкер, Н. Л., Уилкс, Д. С., Гейтс, В. Л., 1984. Статистическая проблема климатической инверсии: определение связи между локальным и крупномасштабным климатом. Monthly Weather Review 112, 2069–2077.
• Мараун, Д., Веттерхолл, Ф., Айресон, А.М., Чандлер, Р.Э., Кендон, Э.Дж., Видманн, М., Бринен, С., Раст, Х.В., Саутер, Т., Темессл, М., Венема В.К.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 Видман, М., «Статистическое уменьшение масштаба и коррекция смещения для исследований климата», Cambridge University Press, Кембридж, 2018.
• Sahour, H., Sultan, M., Vazifedan, M., Abdelmohsen, K., Karki, S., Yellich, JA, Gebremichael, E., Alshehri, F., Elbayoumi, TM (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 Шторх, Х., Зорита, Э., Кубаш, У., 1993. Уменьшение масштаба оценок глобального изменения климата до региональных масштабов: применение к иберийским осадкам в зимнее время. Журнал климата 6, 1161–1171.
• Уилби, Р.Л. и Уигли, Т.М.Л. (1997) Уменьшение масштаба выходных данных модели 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 последствий изменения регионального климата, Экологическое моделирование и программное обеспечение, 17, 147–159.
• Вуд, А. В., Леунг, Л. 5 Р., Шридхар, В. и Леттенмайер, Д. П .: Гидрологические последствия динамических и статистических подходов к масштабированию результатов климатических моделей, Изменение климата, 62, 189–216, 2004.
• Рекламация и др. «Коррекция смещения и уменьшенные масштабы климатических и гидрологических прогнозов WCRP CMIP3» <http://gdo-dcp.ucllnl.org/downscaled_cmip3_projections/>
• Сюй, З. и З.-Л. Ян, (2012) Улучшенный метод динамического масштабирования с поправками на смещение GCM и его проверка с 30 годами моделирования климата. J. Climate, 25, 6271–6286.
• Сюй, З. и З.-Л. Ян, (2015) Новый подход к динамическому масштабированию с коррекциями смещения GCM и спектральным подталкиванием. J. Geophys. Res. Atmos., doi : 10.1002/2014JD022958

Примечания

1. Ribalaygua, J.; Torres, L.; Pórtoles, J.; Monjo, R.; Gaitan, E.; Pino, MR (2013). «Описание и проверка двухшагового метода аналогового/регрессионного масштабирования». Теоретическая и прикладная климатология . 114 (1–2): 253–269. Bibcode :2013ThApC.114..253R. doi :10.1007/s00704-013-0836-x. S2CID  52253427.
2. Peng, J.; Loew, A.; Merlin, O.; Verhoest, NEC (2017). "Обзор пространственного уменьшения масштаба спутниковой дистанционной влажности почвы". Reviews of Geophysics . 55 (2): 341. Bibcode : 2017RvGeo..55..341P. doi : 10.1002/2016RG000543. hdl : 11858/00-001M-0000-002D-3843-0 . S2CID  73579104.
3. Ли, Т.; Чонг, К. (2014). «Непараметрическое статистическое временное уменьшение суточного количества осадков до почасового и его последствия для сценариев изменения климата». Журнал гидрологии . 510 : 182–196. Bibcode : 2014JHyd..510..182L. doi : 10.1016/j.jhydrol.2013.12.027.
4. Монджо, Р. (2016). «Измерение временной структуры осадков с использованием безразмерного n-индекса». Climate Research . 67 (1): 71–86. Bibcode : 2016ClRes..67...71M. doi : 10.3354/cr01359 .(pdf-файл)
5. Изменение, Межправительственная группа экспертов по климату (март 2014 г.). "Оценка климатических моделей". В Межправительственной группе экспертов по изменению климата (ред.). Изменение климата 2013 г. — физическая научная основа (PDF) . стр. 741–866. doi :10.1017/cbo9781107415324.020. ISBN 9781107415324. Получено 2019-08-06 . {{cite book}}: |website=проигнорировано ( помощь )
6. Wilby, RL; Wigley, TML (1997). «Уменьшение масштаба выходных данных модели общей циркуляции: обзор методов и ограничений». Progress in Physical Geography . 21 (4): 530–548. doi :10.1177/030913339702100403. S2CID  18058016.
7. Каргер, DN; Конрад, O.; Бёнер, J.; Каволь, T.; Крефт, H.; Сория-Ауза, RW; Циммерман, NE; Линдер, P.; Кесслер, M. (2017). "Климатология с высоким разрешением для земных поверхностных областей". Scientific Data . 4 (170122): 170122. Bibcode :2017NatSD...470122K. doi :10.1038/sdata.2017.122. PMC 5584396 . PMID  28872642. 
8. Wood, AW; Leung, LR; Sridhar, V.; Lettenmaier, DP (2004-01-01). "Hydrologic Implications of Dynamical and Statistical Approaches to Downscaling Climate Model Outputs". Изменение климата . 62 (1–3): 189–216. doi :10.1023/B:CLIM.0000013685.99609.9e. ISSN  0165-0009. S2CID  27377984.
9. "CAB Direct". www.cabdirect.org . Получено 2019-08-06 .
10. Gutowski Jr., William J.; Giorgi, Filippo; Timbal, Bertrand; Frigon, Anne; Jacob, Daniela ; Kang, Hyun-Suk; Raghavan, Krishnan; Lee, Boram; Lennard, Christopher (17.11.2016). "WCRP COordinated Regional Downscaling EXperiment (CORDEX): a diagnostic MIP for CMIP6". Geoscientific Model Development . 9 (11): 4087–4095. Bibcode : 2016GMD.....9.4087G. doi : 10.5194/gmd-9-4087-2016 . hdl : 11336/29500 . ISSN  1991-9603.
11. Тейлор, Карл Э.; Стоуффер, Рональд Дж.; Мил, Джеральд А. (2011-10-07). «Обзор CMIP5 и дизайна эксперимента». Бюллетень Американского метеорологического общества . 93 (4): 485–498. doi : 10.1175/BAMS-D-11-00094.1 . ISSN  0003-0007.