Utilidade de dados climáticos em grande escala diários vs. mensais: uma intercomparação de dois métodos de redução estatística

Resumo. A redução de dados de modelos climáticos é essencial para a análise de impactos locais e regionais. Comparamos dois métodos de redução estatística para produzir séries temporais contínuas em grade de precipitação e temperatura do ar na superfície com uma resolução de 1/8 de grau (aproximadamente 140 km² por célula de grade) sobre o oeste dos EUA. Usamos dados de Reanálise do NCEP/NCAR de 1950 a 1999 como um modelo de circulação geral (GCM) substituto. Os dois métodos incluídos são análogos construídos (CA) e uma correção de viés e redução espacial (BCSD), ambos demonstrando competência em diferentes configurações, e o BCSD tem sido amplamente utilizado na análise de impacto hidrológico. Ambos os métodos usam os campos de Reanálise em escala grosseira de precipitação e temperatura como preditores dos correspondentes campos em escala fina. O CA reduz os dados em grande escala diários diretamente e o BCSD reduz os dados mensais, utilizando uma técnica de reamostragem aleatória para gerar valores diários. Os métodos produzem habilidades geralmente comparáveis na produção de campos reduzidos e em grade de precipitação e temperaturas em nível mensal e sazonal. Para precipitação diária, ambos os métodos exibem habilidades limitadas em reproduzir tanto extremos úmidos quanto secos observados, e a diferença entre os métodos não é significativa, refletindo a geral baixa habilidade na variabilidade diária da precipitação nos dados de reanálise. Para extremos de temperatura baixa, o método CA produz maior habilidade de redução do que o BCSD para as estações de outono e inverno. Para extremos de temperatura alta, o CA demonstra maior habilidade do que o BCSD no verão. Constatamos que a escolha da técnica de redução mais apropriada depende das variáveis, estações e regiões de interesse, da disponibilidade de dados diários e se a correspondência dia a dia do clima do GCM precisa ser reproduzida para algumas aplicações. A capacidade de produzir dados diários reduzidos com habilidade depende principalmente da capacidade do modelo climático de mostrar habilidade diária.