En mere præcis måde at løse rumlige mønstre i vejret kan føre til bedre forudsigelser af klimaændringer

En opdel og hersk tilgang, kombineret med noget matematisk gymnastik, har hjulpet KAUST-forskerne Ying Sun og Yuxiao Li med at komme med et hurtigt og fleksibelt statistisk skema til at forbedre nøjagtigheden af ​​modellering af klimaændringer.

"Statistikere forsøger at undgå urealistiske antagelser for at estimere miljøprocesser mere præcist, " siger Li, en ph.d. studerende i Suns forskerhold. "Motivationen bag vores undersøgelse var at forbedre, hvordan rumlig ikke-stationaritet tages højde for i klimamodellering over et stort og geografisk komplekst område."

Ikke-stationaritet opstår, når statistikken for en observeret parameter, temperatur eller nedbør, varierer over tid eller rum. I dette tilfælde, Li og Sun kiggede på statistikken, der beskriver, hvordan målinger på to forskellige steder ændrer sig rumligt. Forståelse og nøjagtig karakterisering af denne kovarians er afgørende ved forudsigelse af vejr og ved oversættelse eller nedskalering af global klimamodellering, der udføres i meget grove skalaer for at kunne forudsige lokale effekter i finere skalaer.

"Vi kan tænke på rumlig kovarians som, hvor godt observationer er korreleret med hinanden i rummet, eller som rumlige mønstre, " forklarer Li. "For miljødata, det rumlige korrelationsmønster over land er anderledes end det over havet. Fordi korrelationsmønsteret ikke er helt det samme overalt, vi er nødt til at overveje, hvordan vi repræsenterer denne ikke-stationaritet."

Ikke-stationaritet er tidligere blevet behandlet med komplekse og beregningsintensive foldningsbaserede tilgange, kombineret med tilnærmelser baseret på antagelser om lokal stationaritet ved en vilkårlig netstørrelse. Sun og Li udviklede en beregningseffektiv tilgang, der i høj grad forbedrer nøjagtigheden af ​​tilnærmelse.

"Udfordringen for ikke-stationær modellering er afvejningen mellem nøjagtighed og effektivitet, " siger Li. "Vi udvidede den lokale stationære model, hvilket er effektivt, men ikke nøjagtigt, til en lineært varierende lokal ikke-stationær model ved at opdele den rumlige region og estimere kovariansfunktionerne for hver underregion. Dette giver os mulighed for at beskrive mere komplicerede ikke-stationære funktioner, som forbedrer nøjagtigheden, mens den stadig er hurtig at beregne."

Forskerne forventer at forbedre nedskaleringen af ​​klimamodellering markant gennem denne tilgang, som undgår urealistiske antagelser og kan estimere forskellige typer af rumlig ikke-stationaritet i en finere rumlig skala. De demonstrerede effektiviteten og den forbedrede nøjagtighed af deres skema ved at simulere nedbør ved høj rumlig opløsning over et stort område. Tilgangen egner sig også til interpolering af miljøprocesser på uobserverede steder.

"Da vores metode er baseret på mere realistiske antagelser, analyser ved hjælp af denne tilgang kan hjælpe forskere med bedre at forstå vejr og klima, " siger Li.