Eine Bewertung hochauflösender rasterbasierter Temperaturdatensätze in Kalifornien

Zusammenfassung Hochauflösende rasterbasierte Datensätze sind sehr gefragt, da sie räumlich vollständig sind und wichtige Feinheiten enthalten. Frühere Bewertungen beschränkten sich auf zwei bis drei rasterbasierte Datensätze oder analysierten die Datensätze nur an den Stationstandorten. Hier werden acht hochauflösende rasterbasierte Temperaturdatensätze auf zwei Arten bewertet: an den Stationen, indem sie mit den täglichen Daten des Global Historical Climatology Network verglichen werden; und abseits der Stationen unter Verwendung physikalischer Prinzipien. Diese Bewertung umfasst sechs stationenbasierte Datensätze, eine interpolierte Reanalyse und eine dynamisch heruntergerechnete Reanalyse. Kalifornien wird als Testgebiet verwendet, aufgrund seines komplexen Geländes und seiner Küstenlinien, Merkmale, die bekannt dafür sind, rasterbasierte Datensätze zu differenzieren. Wie erwartet stimmen die Klimatologien der stationenbasierten Datensätze eng mit den Stationsdaten überein. Allerdings kann die Streuung in den Klimatologien abseits der Stationen 6°C übersteigen. Einige stationenbasierte Datensätze sind sehr wahrscheinlich in Küstennähe und im komplexen Terrain wegen ungenauer Höhenprofile verzerrt. Viele stationenbasierte Datensätze weisen große unphysikalische Trends (1°C pro Jahrzehnt) auf, aufgrund von nicht homogenisierten oder fehlenden Stationsdaten – ein Problem, das in einigen Datensätzen durch den Einsatz von Homogenisierungsalgorithmen behoben wurde. In der Zwischenzeit haben auf Reanalyse basierende rasterbasierte Datensätze systematische Verzerrungen im Vergleich zu Stationsdaten. Dynamisch heruntergerechnete Reanalyse hat kleinere Verzerrungen als interpolierte Reanalyse und zeigt realistischere Variabilität und Trends. Die dynamische Herunterrechnung erfasst auch den Schnee-Albedo-Rückkopplungseffekt, den stationenbasierte Datensätze nicht erfassen. Insgesamt zeigen diese Ergebnisse, dass 1) die Auswahl des rasterbasierten Datensatzes eine erhebliche Quelle der Unsicherheit sein kann, und 2) einige Datensätze besser für bestimmte Anwendungen geeignet sind.