Reducción de escala

Procedimiento para inferir información de alta resolución a partir de variables de baja resolución

La reducción de escala es cualquier procedimiento para inferir información de alta resolución a partir de variables de baja resolución. Esta técnica se basa en enfoques dinámicos o estadísticos comúnmente utilizados en varias disciplinas, especialmente la meteorología , la climatología y la teledetección . ^{[1] [2]} El término reducción de escala generalmente se refiere a un aumento en la resolución espacial , pero a menudo también se usa para la resolución temporal . ^{[3] [4]} Esto no debe confundirse con la reducción de escala de imágenes, que es un proceso de reducción de una imagen de una resolución más alta a una resolución más baja.

Meteorología y climatología

Los modelos climáticos globales (GCM) que se utilizan para estudios y proyecciones climáticas suelen ejecutarse con resoluciones espaciales del orden de 150 a 200 km ^[5] y tienen una capacidad limitada para resolver características importantes a escala subcuadrícula, como nubes de convección y topografía . Como resultado, las proyecciones basadas en GCM pueden no ser robustas para estudios de impacto local.

Para superar este problema, se han desarrollado métodos de reducción de escala para obtener el clima y el tiempo a escala local , en particular a nivel de superficie, a partir de variables atmosféricas a escala regional proporcionadas por los GCM. Existen dos formas principales de técnica de reducción de escala. Una forma es la reducción de escala dinámica , donde la salida del GCM se utiliza para impulsar un modelo numérico regional con una resolución espacial más alta, que por lo tanto es capaz de simular las condiciones locales con mayor detalle. La otra forma es la reducción de escala estadística , donde se establece una relación estadística a partir de observaciones entre variables de gran escala, como la presión atmosférica superficial, y una variable local, como la velocidad del viento en un sitio en particular. La relación se utiliza posteriormente en los datos del GCM para obtener las variables locales a partir de la salida del GCM.

Wilby y Wigley clasificaron las técnicas de reducción de escala meteorológica en cuatro categorías: ^[6] métodos de regresión, enfoques basados ​​en patrones climáticos, generadores meteorológicos estocásticos , que son todos métodos de reducción de escala estadísticos, y modelado de área limitada (que corresponde a métodos de reducción de escala dinámicos ). Entre estos enfoques, los métodos de regresión son los preferidos debido a su relativa facilidad de implementación y bajos requisitos de cálculo. Además, se puede aplicar un enfoque de reducción de escala semimecanicista como, por ejemplo, el utilizado para los datos CHELSA de la salida del modelo de reducción de escala. En este ejemplo, el algoritmo de temperatura se basa en la reducción de escala estadística y el algoritmo de precipitación incorpora predictores orográficos con una corrección de sesgo posterior. ^[7]

Ejemplos

En 2007, la Oficina de Recuperación de los Estados Unidos colaboró ​​con el Laboratorio Nacional de Tecnología Energética (DOE NETL) del Departamento de Energía de los Estados Unidos, la Universidad de Santa Clara (SCU), el Laboratorio Nacional Lawrence Livermore (LLNL) y el Instituto de Investigación sobre el Cambio Climático y sus Impactos Sociales (IRCCSI) de la Universidad de California para aplicar una técnica probada llamada "Desagregación Espacial con Corrección de Sesgo" (BCSD); ^[8] véase también "Acerca de" en el sitio web a 112 proyecciones climáticas globales contemporáneas disponibles a través del Proyecto de Intercomparación de Modelos de Pareja del Programa Mundial de Investigación Climática, Fase 3 (WCRP CMIP3). Estas proyecciones representan 16 GCM que simulan las respuestas climáticas a tres escenarios de GEI a partir de múltiples condiciones iniciales del sistema climático.

El esfuerzo dio como resultado el desarrollo de 112 proyecciones mensuales de temperatura y precipitación en el territorio continental de Estados Unidos con una resolución espacial de 1/8° (12 kilómetros (7,5 millas)) durante un período de simulación climática de 1950 a 2099.

Cordón

El Experimento Coordinado de Reducción de Escala Regional (CORDEX) se inició en 2009 con el objetivo de proporcionar un marco para la evaluación y comparación del desempeño del modelo de reducción de escala, así como definir un conjunto de experimentos para producir proyecciones climáticas para su uso en estudios de impacto y adaptación. ^{[9] [10]} Los experimentos de cambio climático de CORDEX están impulsados ​​por los resultados del Proyecto de Intercomparación de Modelos Acoplados Fase 5 (CMIP5) ^[11] del Programa Mundial de Investigación Climática . CORDEX definió 14 regiones o dominios de reducción de escala.

Referencias

• Hessami, M., Quarda, TBMJ, Gachon, P., St-Hailaire, A., Selva, F. y Bobee, B., "Evaluación del método de reducción de escala estadística en varias regiones del este de Canadá", 57º congreso anual de la Asociación Canadiense de Recursos Hídricos, 2004.
• Kim, JW, Chang, JT, Baker, NL, Wilks, DS, Gates, WL, 1984. El problema estadístico de la inversión climática: determinación de la relación entre el clima local y a gran escala. Monthly Weather Review 112, 2069–2077.
• Maraun, D., Wetterhall, F., Ireson, AM, Chandler, RE, Kendon, EJ, Widmann, M., Brienen, S., Rust, HW, Sauter, T., Themessl, M., Venema VKC, Chun, KP, Goodess, CM, Jones, RG, Onof C., Vrac M. y Thiele-Eich, I., "Reducción de escala de las precipitaciones en condiciones de cambio climático. Desarrollos recientes para reducir la brecha entre los modelos dinámicos y el usuario final", Rev. Geophys. 48, RG3003, 2010.
• Maraun, D. y Widmann, M., "Reducción de escala estadística y corrección de sesgo para la investigación climática", Cambridge University Press, Cambridge, 2018.
• Sahour, H., Sultan, M., Vazifedan, M., Abdelmohsen, K., Karki, S., Yellich, JA, Gebremichael, E., Alshehri, F., Elbayoumi, TM (2020). Aplicaciones estadísticas para reducir la escala de los datos de almacenamiento de agua terrestre derivados de GRACE y llenar los vacíos temporales. Teledetección, 12(3), 533. https://doi.org/10.3390/rs12030533
• von Storch, H., Zorita, E., Cubasch, U., 1993. Reducción de las estimaciones del cambio climático global a escalas regionales: una aplicación a las precipitaciones ibéricas en invierno. Journal of Climate 6, 1161–1171.
• Wilby, RL y Wigley, TML, (1997) Reducción de la escala de los resultados del modelo de circulación general: una revisión de los métodos y las limitaciones, Progress in Physical Geography, 21, 530–548.
• Wilby, RL, Dawson, CW y Barrow EM, (2002) SDSM: una herramienta de apoyo a la toma de decisiones para la evaluación de los impactos del cambio climático regional, Environmental Modelling & Software, 17, 147– 159.
• Wood, AW, Leung, L. R., Sridhar, V. y Lettenmaier, DP : Implicaciones hidrológicas de los enfoques dinámicos y estadísticos para reducir la escala de los resultados de los modelos climáticos, Climatic Change, 62, 189–216, 2004.
• Reclamation et al. "Corrección de sesgo y proyecciones climáticas e hidrológicas a escala reducida del WCRP CMIP3" <http://gdo-dcp.ucllnl.org/ downscaled_cmip3_projections/>
• Xu, Z. y Z.-L. Yang, (2012) Un método mejorado de reducción de escala dinámica con correcciones de sesgo GCM y su validación con 30 años de simulaciones climáticas. J. Climate, 25, 6271–6286.
• Xu, Z. y Z.-L. Yang, (2015) Un nuevo enfoque de reducción de escala dinámica con correcciones de sesgo GCM y empuje espectral. J. Geophys. Res. Atmos., doi :10.1002/2014JD022958

Notas

1. Ribalaygua, J.; Torres, L.; Pórtoles, J.; Monjo, R.; Gaitán, E.; Pino, MR (2013). "Descripción y validación de un método de reducción de escala analógico/regresivo en dos etapas". Climatología teórica y aplicada . 114 (1–2): 253–269. Código Bibliográfico :2013ThApC.114..253R. doi :10.1007/s00704-013-0836-x. S2CID  52253427.
2. Peng, J.; Loew, A.; Merlin, O.; Verhoest, NEC (2017). "Una revisión de la reducción de escala espacial de la humedad del suelo detectada remotamente por satélite". Reseñas de Geofísica . 55 (2): 341. Bibcode :2017RvGeo..55..341P. doi :10.1002/2016RG000543. hdl : 11858/00-001M-0000-002D-3843-0 . S2CID  73579104.
3. Lee, T.; Jeong, C. (2014). "Reducción temporal estadística no paramétrica de la precipitación diaria a la precipitación horaria e implicaciones para los escenarios de cambio climático". Journal of Hydrology . 510 : 182–196. Código Bibliográfico :2014JHyd..510..182L. doi :10.1016/j.jhydrol.2013.12.027.
4. Monjo, R. (2016). "Medida de la estructura temporal de la precipitación utilizando el índice n adimensional". Climate Research . 67 (1): 71–86. Bibcode :2016ClRes..67...71M. doi : 10.3354/cr01359 .(pdf)
5. Cambio, Grupo Intergubernamental de Expertos sobre el Cambio Climático (marzo de 2014). "Evaluación de modelos climáticos". En el Grupo Intergubernamental de Expertos sobre el Cambio Climático (ed.). Cambio climático 2013: la base científica física (PDF) . pp. 741–866. doi :10.1017/cbo9781107415324.020. ISBN 9781107415324. Recuperado el 6 de agosto de 2019 . {{cite book}}: |website=ignorado ( ayuda )
6. Wilby, RL; Wigley, TML (1997). "Reducción de la escala de los resultados del modelo de circulación general: una revisión de los métodos y las limitaciones". Progreso en geografía física . 21 (4): 530–548. doi :10.1177/030913339702100403. S2CID  18058016.
7. Karger, DN; Conrad, O.; Böhner, J.; Kawohl, T.; Kreft, H.; Soria-Auza, RW; Zimmermann, NE; Linder, P.; Kessler, M. (2017). "Climatologías de alta resolución para las áreas de superficie terrestre de la Tierra". 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 (1 de enero de 2004). "Implicaciones hidrológicas de los enfoques dinámicos y estadísticos para reducir la escala de los resultados de los modelos climáticos". Cambio climático . 62 (1–3): 189–216. doi :10.1023/B:CLIM.0000013685.99609.9e. ISSN  0165-0009. S2CID  27377984.
9. "CAB Direct". www.cabdirect.org . Consultado el 6 de agosto de 2019 .
10. Gutowski Jr., William J.; Giorgi, Filippo; Timbal, Bertrand; Frigon, Anne; Jacob, Daniela ; Kang, Hyun-Suk; Raghavan, Krishnan; Lee, Boram; Lennard, Christopher (17 de noviembre de 2016). "Experimento de reducción de escala regional coordinado por el WCRP (CORDEX): un MIP de diagnóstico para el CMIP6". Desarrollo de modelos geocientíficos . 9 (11): 4087–4095. Bibcode :2016GMD.....9.4087G. doi : 10.5194/gmd-9-4087-2016 . hdl : 11336/29500 . ISSN  1991-9603.
11. Taylor, Karl E.; Stouffer, Ronald J.; Meehl, Gerald A. (7 de octubre de 2011). "Una descripción general de CMIP5 y el diseño del experimento". Boletín de la Sociedad Meteorológica Estadounidense . 93 (4): 485–498. doi : 10.1175/BAMS-D-11-00094.1 . ISSN  0003-0007.