减法更多降尺度气候数据改善建模

精确度气候建模需要长期高分辨率高质量时间序列数据但这些数据集往往缺缺,在全球南方尤其如此。Andrew Fullhart博士美国农业部)使用全球气候数据集和机器学习提高网格数据的全球覆盖研究结果为全非洲和南美降水量提供准确的月度和每日时间序列,为地面观察记录不足或不存在的地区提供关键资源

包括人在内的所有生物的健康和福祉与土壤和水循环密不可分,而土壤和水循环为初级生产提供基础。此外,在气候变化多变影响中土壤健康水循环是重要的构件精确建模这些变量需要多项变量的长期高分辨率高质量时间序列数据,至少降水量满足这些需要的数据集往往无法获得,特别是在全球南方(例如大片非洲和南美)。提供长期气候观察的地面站主要集中在欧洲、澳大利亚和北美,这妨碍了我们模拟大片土地关键气候参数当前和未来的演进能力。

CILIGEN系统

解决方案包括使用广受欢迎的全局网格数据集模型使用空间平均度估计单点位平均变量值然而,这种统计数据降尺度过程可产生重大的建模不确定性,因为平均和内插值无法反映气候变量的复杂时空变异,即使在极小尺度上也是如此。随机天气生成器CLIGEN可用于统计稀释初级数据源稀疏(或不存在)区域全球网格数据,并一直用于为各种模型应用提供点标数据,包括与水土流失和水文学相关应用

在美国农业部西南分水岭研究中心(美国亚利桑那州图森),Andrew Fullhart博士(也是长期农机系统研究网)正通过使用全球气候数据集提高网格数据的全球覆盖量来解决这一问题。最近,Fullhart及其同事开发CLIGEN网格数据集,产生20年平均数
点标数据分辨率为0.25弧度(热带为~25-28千米分辨率,视纬度而定)横跨非洲和南美输入数据中的二分法使用强机学习技术解决

数据源

Fullhart创建网格包括非洲40 936分和南美24 588分数据源包括卫星遥感数据集和气候模型再分析,包括ERA5-Daily的降水和温度(欧洲中程天气预报中心每日数据20年)月均水量(包括降水量)TerraClimateGPM-IMERG高空间分辨率全局降水测量产品30分钟时间分辨率计算GLDAS太阳辐射

提供长期气候观测的地面站主要集中在欧洲、澳大利亚和北美

此外,还收集两个全球陆基网络直接观察降水数据,共11 065个站点首先是全球历史气候每日网的长期无差数据多数GHCN-D数据流提供30年记录然而,鉴于非洲和南美站缺少这种长期数据,也包含一些短期数据集(例如20年)。最后,包括高时分辨率数据集(数据间隔1分钟)覆盖美国观察降水数据为统计降尺度方法提供参考,偏差程度与网格尺度数据中的时空缩放相关

机器学习

缩放网格数据集到点标数据时使用梯度推介机学习技术共考虑了21个变量,包括平均降水量、年降水量、地表空气压力、纬度和海拔,以及各种统计计量法梯度推送使用一系列决策树创建数据子集机器学习的第一步就是模型训练步中为每个变量执行回归并用交叉校验选择最优模型梯度推增模型数据与地面站测量已知点标值比较之后可以确定模型的精度。依据培训阶段结果构建最终模型,用户从中从网格数据集判定点标数据

Fullhart和同事发现,他们的网格数据集为各种变量提供准确的月度和每日点标值(例如平均降水量、预测一年内降水日数)。使用点标数据CLIGEN精确重构全非洲高度异差空间分布雨量,从撒哈拉、萨赫勒和卡拉哈里极低降水区到刚果盆地极高降水区小尺度空间变异也可靠重构举个例子,全埃塞俄比亚降水部分受崎岖地形和异态地形控制CLIGEN网格数据集可帮助精确模型显示7月至8月高地高雨量等年度时标的时差此外,在短地面记录可用时,输出量实际上可能比地面观察站的输出量更可靠,地面观察站往往难以有效测量高降水多变性。类似有希望结果在巴西发现,其中包括六大生物群落显示高度多变降水量(从东北半干旱Caatea生物群落每年不到800毫米到北亚马孙生物群落每年3000多毫米不等)。

统计数据降尺度可产生重大的建模不确定性,因为平均和内插值无法反映气候变量的复杂时空变异

模拟稀有极端暴雨高强度降水仍然是一个挑战特别是,当使用CLIGEN电网模拟极降水次日时间框架时,需要认真考虑偏差校正举例说,10至60分钟时间框架大区发现系统高估偏差1.2-1.4系数对比之下,发现系统低估赤道次时降水强度

有趣的是,用于验证和培训模型的空间分布无法解释模型偏差的所有领域。举例说,甚至在全美大陆多站,一些模型输出故障精度测试Fullhart建议包括气候带分布在内的其他因素发挥重要作用,使用统计方法对气候区进行空间权重可提高模型结果归根结底,日间和分时降水点数生成问题将影响随后水土流失和水文因素建模确定极端事件高估计偏差后,可能随后发生高估计径流和沉积增量(i高估计侵蚀)。依据此推理,Fullhart建议,使用从CLIGEN电网缩放数据时,应谨慎处理与极端降水量相关的大规模侵蚀事件。

水文和侵蚀建模应用

制作气候时间序列建模可是一个耗时复杂过程最坏假设情况中,缺气候数据可有效禁止建模实施因此,可靠的全球CLIGEN数据集可用性有助于重要的研究应用,为以前可能没有这些数据集的地方提供模型输入

Fullhart方法生成时间序列反映从长期地面观察期望的关键统计特征与所有已知CLIGEN网格一起考虑时,目前全球无冰块覆盖大都可用,近乎总覆盖40摄氏度以南区域随机CLIGEN时间序列为地面观察记录不足和unauged研究区提供关键资源CLIGEN可用于生成任意长记录,这有助于理解长期平均值和频繁极端事件CLIGEN时间序列还可用于测试新式水文假设,特别是关于年际变异提高气候建模能力是有效管理和减缓全球气候变化及其后果的一个关键构件