Original title:
Statistická korekce denních srážkových úhrnů z klimatických modelů
Translated title:
Statistical correction of daily precipitation sums from climate models
Authors:
Hnilica, Jan ; Chára, Zdeněk (advisor) ; Jan, Jan (referee) Document type: Doctoral theses
Year:
2016
Language:
cze Publisher:
Česká zemědělská univerzita v Praze Abstract:
[cze][eng] Odhad budoucích klimatických změn a zhodnocení jejich potenciálního dopadu představují jeden z klíčových úkolů současné vědy. Nezastupitelnou úlohu při predikci vývoje klimatu sehrávají regionální klimatické modely, které doplňují velkoprostorové globální simulace a umožňují vykreslit meteorologické jevy středních měřítek. Jejich prostorové rozlišení je ale příliš hrubé pro kvalitní predikci meteorologických veličin v lokálním měřítku, která je při posuzování dopadu klimatické změny nezbytná. Výstupy z regionálních modelů, zejména teploty a srážkové úhrny, jsou ve svých statistických ukazatelích odchýleny od měřených hodnot a před použitím v dopadových studiích jsou obvykle podrobovány statistické korekci chyb.
Korekce chyb je v oboru klimatologie aktuálně diskutovaným tématem a korekční metody prodělaly značný rozvoj od jednoduché aditivní metody až po sofistikovanější přístupy, jakým je např. kvantilové mapování. Bez ohledu na tento vývoj jsou však aktuálně užívané metody spojeny s řadou problémů, které vnáší nejistoty do navazujících studií.
Tato práce se soustředí na dva problematické aspekty spjaté s korekcemi denních srážkových úhrnů. Prvním problém spočívá v tom, že korekce jsou aplikovány na datové soubory s odlišnými statistickými vlastnostmi, než mají data, na kterých byly kalibrovány. V rámci práce jsou odvozeny a validovány metody vykazující vůči nestacionárním podmínkám zvýšenou odolnost. Druhým řešeným problémem je korekce prostorových vztahů mezi srážkovými záznamy z různých lokalit. Práce obsahuje odvození a validaci procedury, korigující kompletní závislostní (tj. korelační a kovarianční) vazby v mnohorozměrných srážkových datech.
Climate change prediction and evaluation of its impact currently represent one of the key challenges for the science community. Regional climate models (RCM) have been recently established as a main source of the data for climate change assessment studies. Nevertheless, RCM outputs suffer from systematic errors caused primarily by their low spatial resolution and cannot be used directly without any form of bias correction.
The bias correction is an actual topic in climatology and several correction methods were developed, ranging from the simple additive method to more advanced approaches (e.g. quantile mapping). However, despite this progress, the bias correction methods suffer from several difficulties, which bring another source of uncertainty into the climate change impact assessment studies.
This thesis is focused on two problematic points connected with the bias correction of daily precipitation data. The first one is a non-stationarity between calibration and application periods. New correction methods are developed, showing an increased resistance to non-stationary conditions. The second problem is related to the correction of a dependence (i.e. correlation and covariance) structure of multivariate precipitation data. A new procedure is proposed, correcting the complete dependence structure of the model data. All newly introduced methods are validated using measured and RCM-simulated data; the validation demonstrates their suitable applicability.
Keywords:
korekce chyb; korelace; kovariance; nestacionarita; regionální klimatický model