Key points are not available for this paper at this time.
기후 데이터의 통계적 다운스케일링은 전 세계 데이터 세트에서 거시적인 기후 매개 변수의 신뢰성을 개선하는 것을 목표로 문헌에서 널리 설명되어 왔습니다. 이 기사에서는 월별 역사적 및 미래 시계열을 위한 글로벌 스케일의 동적 다운스케일링 웹 도구인 ClimateDT를 소개합니다. ClimateDT의 핵심은 CHELSA Climate(버전 2.1)의 1 km 1981–2010 기후 자료로, 1901년부터 현재까지의 CRU-TS 레이어를 오버레이하여 역사적 시계열을 생성합니다. ClimateDT는 또한 UKCP18 예측(rcp2.6 및 rcp8.5) 및 5개의 GCM을 사용하는 CMIP6로부터의 미래 시나리오를 제공하며, 이들 모두 CHELSA 웹사이트에서 이용할 수 있습니다. 이 시스템은 공간 보간을 위한 조정으로 각 위치에 대한 지역 환경 경과율을 계산하여 동적 접근 방식을 사용하여 그리드를 다운스케일할 수 있습니다. ClimateDT에서 얻은 온도 및 강수량에 대한 지역 예측은 12,000개의 기상 관측소에서 수집된 기후 시계열과 비교되었으며, 평균 절대 오차(MAE) 및 설명된 분산(R2)을 성능 지표로 사용하였습니다. 전체 시간 척도(1901–2022)에서 월별 값에 대한 평균 MAE는 최대 월 최고 기온이 약 1.26 °C, 평균 월 기온이 0.80 °C, 최소 월 기온이 1.32 °C였습니다. 월별 총 강수량에 대한 평균 MAE는 19 mm였습니다. 설명된 분산의 비율과 관련하여, 평균 R2 값은 항상 온도에 대해 0.95보다 크고, 강수량에 대해서는 약 0.70으로, 이는 시간 및 공간에 따른 강수 데이터의 다양한 시간 자기 상관 정도로 인해 추정이 더 복잡해졌습니다. 고도 조정은 산악 지역 및 복잡한 지형의 지역 기후 매개변수 추정치를 매우 정확하게 만들어 주었고, 다운스케일링 과정에서 현지 기후 매개변수의 추정을 크게 개선하였습니다. 2022년 11월 첫 출시 이후 1300건 이상의 제출물이 처리되었습니다. 45개 위치에 대한 계산은 2분 이내에 완료되고 전체 데이터 세트(512 레코드)의 경우 약 8분이 소요됩니다.
Marchi et al. (수)에 이 질문을 연구하였습니다.