The assessment of climate change im

The assessment of climate change impacts on future meteorological and/or hydrological regimes usually
requires the downscaling of large-scale climate/weather predictors from GCMs (Wilby et al., 1998,
2002). Depending on the GCM used, the predictors are either available on the monthly or on the daily
scale, where the use of the latter is of particular interest, when studying impacts related to shorter-term
behavior, e.g., storms and/or floods. However, the direct use of daily climate predictions from one GCM
is usually not reliable enough to represent the full variability of the climate variable's time series, namely,
its extreme behavior. Notwithstanding that daily climate predictors are available for some GCM-models,
their reliability is considered lower than that of monthly GCM predictors. For this reason, downscaling of
monthly predictor data may be more recommendable. However, the subsequent step to generate daily series from such a downscaled monthly climate series becomes then a tricky task (Wilks, 1998).
In the present paper a novel or daily weather (climate) -generator (DWG) is presented which regenerates daily from monthly climate data, such that it will render changes in the daily sequencing of an observed series, while still reflecting the intra-month variability of the observed climate event series in a
statistically responsible manner (Maurer and Hidalgo, 2008). The basic technique used in this DWG is
similar to spatial climate downscaling, where finer-scale variables are generated from larger-field data by
following the data sample’s statistical properties. With a DWG low-resolution climate projections can be
rescaled to a broader spectrum of long-term predictions of daily climate and their effects on the hydrology and the water supply in a region be studied than is possible with a regular (monthly-scale) downscaling approach (Wilson et al., 1992, Wilby et al., 1998; Bejranonda, 2014).
Stochastic daily climate generation has been widely used in impact assessments, because of their advantage of easily generating multiple climate ensembles which are useful for statistical risk analysis
(Wilby, 1994; Wilby et al., 2002). In this stochastic approach, also known as weather classification, the
major statistical attributes of the observed climate time series at a particular site are provided to replicate
the persisting climate by multi-realizations of the local weather (Wilby, 1994; Wilks and Wilby, 1999).
The generation of a daily climate series is based on some conditioning of the climate properties and
the weather states, i.e. the occurrence of wet or dry conditions (Katz, 1996; Semenov and Barrow, 1997;
Wilks, 1998; 1999a;b). This approach war originally proposed by Richardson (1981) who used a firstApplication of multi-site stochastic daily climate generation to assess
the impact of climate change in the eastern seaboard of Thailand
W. Bejranonda & M. Koch
Department of Geohydraulics and Engineering Hydrology, University of Kassel, Kassel, Germany
ABSTRACT: In the assessment of climate change impacts on future meteorological regimes, downscaling of large-scale climate/weather variables from GCMs is usually applied. Depending on the GCM, the
predictors are either available on the monthly or on the daily scale, wherefore, for obvious reasons, the
monthly predictions of a GCM are considered to be more reliable for long-term climate impact studies.
Nevertheless, in many instances, it is desirable to have predictors on a daily scale, e.g. for the study of
short-term seasonal climate fluctuations and extreme events. This requires the rescaling of monthly predictor data to a daily series. Here we present a novel daily weather (climate) -generator (DWG) to do
this properly. The new DWG employs various statistic and stochastic techniques to synthesize daily
climate from several ensembles of daily series from different climate sites, respecting the relevant statistical attributes of the various monthly climate series, but also their spatial correlation properties between
the different sites (multi-site approach). This multi-site/-realization of the synthetic daily climate can exhibit a broad spectrum of climate variability that can be useful in a practical climate assessment, as this
approach provides also some uncertainty measure. The DWG proposed here processes the daily precipitation- and temperature- series separately, wherefore for the former both the monthly downscaled rainfall
intensity and the probability of rainfall occurrence are employed. For past observed meteorological data
in the study region, which is the eastern seaboard of Thailand, the stochastic properties of the daily multirealizations are conditioned on the observed time series. The performance of the new DWG is compared
with those of other classical downscaling methods and shows some advantages.
Keywords: Stochastic daily weather generator; multi-site; downscaling; climate impact study
order Markov chain process to define the occurrences o

Kết quả (Việt) 1:

Đánh giá về biến đổi khí hậu tác động vào trong tương lai chế độ khí tượng và/hoặc thuỷ văn thườngyêu cầu downscaling quy mô lớn khí hậu/thời tiết dự đoán từ GCMs (Nuthall et al., 1998,Năm 2002). tùy thuộc vào GCM được sử dụng, các dự đoán là một trong hai có sẵn trên hàng tháng hoặc trên các hàng ngàyquy mô, nơi mà việc sử dụng của thứ hai là quan tâm đặc biệt, khi nghiên cứu tác động liên quan đến shorter-termhành vi, ví dụ như, cơn bão và/hoặc lũ lụt. Tuy nhiên, chỉ đạo việc sử dụng hàng ngày khí hậu dự đoán từ một GCMthường không phải là đáng tin cậy, đủ để đại diện cho biến đầy đủ của chuỗi thời gian thay đổi khí hậu, cụ thể là,hành vi cực của nó. Tuy nhiên đó hàng ngày khí hậu dự đoán có sẵn cho một số mô hình GCM,độ tin cậy của họ được coi là thấp hơn dự đoán GCM hàng tháng. Vì lý do này, downscaling củadữ liệu dự báo hàng tháng có thể nhiều hơn. Tuy nhiên, bước tiếp theo để tạo ra hàng ngày loạt từ như vậy một downscaled hàng tháng khí hậu loạt trở thành sau đó một nhiệm vụ khó khăn (Jardine, 1998).Trong hiện tại giấy một cuốn tiểu thuyết hoặc hàng ngày thời tiết (khí hậu)-máy phát điện (DWG) được trình bày mà regenerates hàng ngày từ hàng tháng dữ liệu khí hậu, như vậy mà nó sẽ khiến những thay đổi trong trình tự hàng ngày của một loạt quan sát, trong khi vẫn còn phản ánh thay đổi nội-tháng của loạt sự kiện quan sát khí hậu trong mộtchịu trách nhiệm về mặt thống kê cách (Maurer và Hidalgo, 2008). Kỹ thuật cơ bản được sử dụng trong DWG này làtương tự như không gian khí hậu downscaling, nơi tốt hơn quy mô biến được tạo ra từ dữ liệu lớn hơn trường bởitheo mẫu dữ liệu thuộc tính thống kê. Với một DWG phát khí hậu dự có thểrescaled cho một phổ rộng hơn của các dự báo dài hạn của hàng ngày khí hậu và hiệu ứng của họ trên thủy văn và cung cấp nước trong một khu vực được nghiên cứu hơn là có thể với một thường xuyên (hàng tháng quy mô) downscaling phương pháp tiếp cận (Wilson et al., 1992, Nuthall và ctv, 1998; Bejranonda, 2014).Thế hệ khí hậu hàng ngày ngẫu nhiên được sử dụng rộng rãi trong đánh giá tác động, vì lợi ích của họ một cách dễ dàng tạo ra nhiều ensembles khí hậu mà có ích đối với phân tích thống kê rủi ro(Nuthall, 1994; Nuthall et al., 2002). Trong cách tiếp cận ngẫu nhiên này, cũng được gọi là thời tiết phân loại, cácchính thống kê thuộc tính của dòng thời gian quan sát khí hậu tại một trang web cụ thể được cung cấp để nhân rộngkhí hậu persisting bởi đa realizations thời tiết địa phương (Nuthall, 1994; Rùa và Nuthall, 1999).Các thế hệ của một loạt khí hậu hàng ngày dựa trên một số lạnh của các thuộc tính khí hậu vàthời tiết quốc gia, tức là sự xuất hiện của điều kiện ẩm ướt hay khô (Katz, 1996; Semenov và Barrow, 1997;Rùa, 1998; 1999a; b). Cuộc chiến tranh cách tiếp cận này ban đầu được đề xuất bởi Richardson (1981) đã sử dụng một firstApplication thế hệ khí hậu hàng ngày ngẫu nhiên nhiều trang web để đánh giátác động của khí hậu thay đổi ở bờ biển phía đông của Thái LanW. Bejranonda & M. KochVùng của Geohydraulics và kỹ thuật thủy văn, University of Kassel, Kassel, ĐứcTóm tắt: Trong đánh giá về biến đổi khí hậu tác động vào trong tương lai các chế độ khí tượng, downscaling của quy mô lớn khí hậu/thời tiết biến từ GCMs thường được áp dụng. Tùy thuộc vào GCM, cácdự đoán là một trong hai có sẵn trên hàng tháng hoặc trên các hàng ngày leo, tại sao, vì lý do rõ ràng, cácCác dự đoán hàng tháng của một GCM được coi là đáng tin cậy hơn cho lâu dài khí hậu tác động nghiên cứu.Tuy nhiên, trong nhiều trường hợp, nó là mong muốn phải dự đoán trên quy mô hàng ngày, ví dụ cho việc nghiên cứungắn hạn biến động khí hậu và sự kiện cực. Điều này đòi hỏi rescaling dữ liệu dự báo hàng tháng cho một loạt các hàng ngày. Ở đây chúng tôi trình bày một cuốn tiểu thuyết hàng ngày thời tiết (khí hậu)-máy phát điện (DWG) để làmĐiều này đúng cách. DWG mới sử dụng các số liệu thống kê khác nhau và các kỹ thuật ngẫu nhiên để tổng hợp hàng ngàykhí hậu từ một số ensembles loạt hàng ngày từ trang web khí hậu khác nhau, tôn trọng các thuộc tính thống kê có liên quan của dòng khí hậu hàng tháng khác nhau, nhưng cũng là tài sản của họ không gian tương quan giữaCác trang web khác nhau (phương pháp tiếp cận của nhiều trang web). Nhiều trang web /-thực hiện điều này tổng hợp khí hậu hàng ngày có thể triển lãm một phổ rộng của biến đổi khí hậu có thể hữu ích trong một đánh giá thực tế khí hậu, như thế nàycách tiếp cận cung cấp cũng là một số biện pháp không chắc chắn. DWG đề xuất ở đây quá trình hàng ngày mưa - và nhiệt độ-dòng một cách riêng biệt, tại sao cho các cựu cả hai hàng tháng downscaled lượng mưacường độ và khả năng của lượng mưa xảy ra được tuyển dụng. Cho qua dữ liệu quan sát khí tượngtrong vùng nghiên cứu là bờ biển phía đông của Thái Lan, các thuộc tính ngẫu nhiên của các multirealizations hàng ngày là điều kiện trên dòng thời gian quan sát. Hiệu suất của DWG mới được so sánhvới những người của các cổ điển downscaling phương pháp và cho thấy một số lợi thế.Từ khóa: Hàng ngày ngẫu nhiên thời tiết phát điện; nhiều trang web; downscaling; khí hậu tác động nghiên cứuCác đơn đặt hàng Markov chuỗi quá trình để xác định các sự kiện o