Auswirkungen der räumlichen und zeitlichen Verfügbarkeit von Stationen auf rasterbasierte Niederschlagsprodukte in Zentralamerika

Zusammenfassung Rasterbasierte Niederschlagsdaten sind entscheidend für das Verständnis der Klimavariabilität und langfristiger Trends; ihre Genauigkeit und Zuverlässigkeit hängen jedoch stark von der Verfügbarkeit und der räumlichen sowie zeitlichen Verteilung in-situ-meteorologischer Beobachtungen ab. Hier bewerten wir die Leistung von vier rasterbasierten Niederschlagsprodukten: dem Climate Hazards Group InfraRed Precipitation with Station Data (CHIRPS) v2, dem Global Precipitation Climatology Centre (GPCC) Full Data Monthly Product v2022, dem Climatic Research Unit (CRU) TS 4.07 und der ERA5-Land (ERA5-L) Reanalyse im Vergleich zu einem Netzwerk von Wetterstationen in Zentralamerika, das von den regionalen meteorologischen Dienststellen zusammengestellt wurde. Mithilfe eines Punkt-zu-Pixel-Vergleichs und einer Raster-für-Raster-Räumlichen Dekorrelation-Analyse bewerten wir die Genauigkeit der Rasterdaten und untersuchen, wie die Stationenabdeckung die Erkennung von Niederschlagstrends beeinflusst. Die Ergebnisse der Punkt-zu-Pixel-Analyse zeigen, dass CHIRPS ERA5-Land, GPCC und CRU in all ihren standardisierten statistischen Kennzahlen (einschließlich Korrelationskoeffizient, Verzerrung und quadratisches Mittel der Fehler) konstant übertrifft. CRU zeigt die größten räumlichen Dekorrela-tionsabstände, was auf eine übertriebene räumliche Kohärenz hinweist, die möglicherweise auf Interpolation in datenarmen Regionen zurückzuführen ist. Wir finden Diskrepanzen zwischen der räumlichen Darstellung von Niederschlagstrends in den reanalysierten und beobachtungsbasierten Datensätzen und zeigen, dass der beobachtete regionale Trockenheitstrend in Ost-Honduras und Nicaragua in den GPCC- und CHIRPS-Produkten möglicherweise den Einfluss einer einzelnen Station widerspiegelt und nicht ein breiteres, räumlich kohärentes Klimasignal. Diese Ergebnisse unterstreichen die Bedeutung, sowohl die räumliche Dichte von Stationen als auch die zeitliche Verfügbarkeit von Daten zu berücksichtigen, wenn rasterbasierte Niederschlagsprodukte für Studien zur Klimavariabilität und zum Klimawandel, insbesondere in datenarmen Regionen wie Zentralamerika, verwendet werden.