Refined climatologies of future precipitation over High Mountain Asia using probabilistic ensemble learning

要約

高山アジアは、極地の外側に最大の濃度濃度の凍結水を保持しており、19億人以上の人々にとって重要な水源として機能しています。
気候変動に直面して、降水量は、この分野の水文モデリングの不確実性の最大の原因を表しています。
将来の降水量の予測は、複雑なオログラフィ、その場の水文学的観察の欠如、およびこの地域の気候モデルの解決とパラメータ化の制限により、依然として困難です。
これらの課題によってもたらされる不確実性に対処するために、気候モデルはしばしばマルチモデルアンサンブルに集約されます。
マルチモデルのアンサンブルは、将来の気候の予測の予測精度と分析を改善することが知られていますが、モデルの集約方法に関するコンセンサスは不足しています。
この研究では、高山アジアを介した調整された地域ダウンスケーリング実験（Cordex）の13の地域気候モデルを組み合わせるための確率的機械学習フレームワークを提案します。
私たちのアプローチは、モデル内の季節的および空間的バイアスを説明し、より忠実な降水分布の予測を可能にします。
フレームワークは、グリッド型の履歴降水データに対して検証され、近い将来の投影（2036 $ \ unicode {x2013} $ 2065）およびfar future（2066 $ \ unicode {x2013} $ 2095）のRCP4.5およびRCP8.5.5.5.5.5.5.5.5.5.5.5.5.
シナリオ。

要約(オリジナル)

High Mountain Asia holds the largest concentration of frozen water outside the polar regions, serving as a crucial water source for more than 1.9 billion people. In the face of climate change, precipitation represents the largest source of uncertainty for hydrological modelling in this area. Future precipitation predictions remain challenging due to complex orography, lack of in situ hydrological observations, and limitations in climate model resolution and parametrisation for this region. To address the uncertainty posed by these challenges, climate models are often aggregated into multi-model ensembles. While multi-model ensembles are known to improve the predictive accuracy and analysis of future climate projections, consensus regarding how models are aggregated is lacking. In this study, we propose a probabilistic machine learning framework to combine 13 regional climate models from the Coordinated Regional Downscaling Experiment (CORDEX) over High Mountain Asia. Our approach accounts for seasonal and spatial biases within the models, enabling the prediction of more faithful precipitation distributions. The framework is validated against gridded historical precipitation data and is used to generate projections for the near future (2036$\unicode{x2013}$2065) and far future (2066$\unicode{x2013}$2095) under RCP4.5 and RCP8.5 scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google