Autores:  (1) Maggie D. Bailey, Escola de Minas do Colorado e Laboratório Nacional de Energia Renovável;  (2) Douglas Nychka, Escola de Minas do Colorado;  (3) Manajit Sengupta, Laboratório Nacional de Energia Renovável;  (4) Aron Habte, Laboratório Nacional de Energia Renovável;  (5) Yu Xie, Laboratório Nacional de Energia Renovável;  (6) Soutir Bandyopadhyay, Escola de Minas do Colorado.  Tabela de links   Resumo e introdução   Dados   Modelo Hierárquico Bayesiano (BHM)   Exemplo de radiação solar   Resultados   Conclusão   Apêndice A: Estudo de Simulação   Apêndice B: Estimativas de Coeficientes de Regridagem   Referências  6. Conclusão  Este estudo analisa a incerteza na reclassificação de dados espaciais de modelos climáticos, que muitas vezes é o primeiro passo na análise climática multimodelo. Os dados de radiação solar são reestruturados a partir de sua grade nativa, usando krigagem com uma função de covariância exponencial e uma transformação loglinear, para a mesma grade do NSRDB. Em segundo lugar, implementamos um BHM para estimar os pesos do modelo linear enquanto incorporamos a incerteza associada à etapa de regridagem. Finalmente, comparamos os dois e fornecemos um estudo de simulação adicional no Apêndice A. Descobriu-se que as estimativas ingênuas dos coeficientes do modelo de regridding estavam dentro da faixa das distribuições posteriores dos coeficientes do modelo na maioria dos casos. Sazonalmente, o mês de agosto produziu um descompasso entre o coeficiente de regridding ingênuo e a distribuição posterior para o RCM do WRF forçado pelo ERA-Interim. Em particular,   vimos que as estimativas dos coeficientes resultantes neste mês para o WRF foram maiores no método ingênuo do que no BHM. Isto sugere que quando a incerteza da reestruturação é tida em conta, há um aumento menor nos dados do WRF para aumentos unitários no NSRDB, ou que a incerteza da reestruturação pode resultar em menos enviesamento do WRF neste caso particular.  Verificou-se que a cobertura posterior dos dados de teste para os campos simulados foi semelhante às estimativas ingênuas de regridagem para os meses de agosto e novembro. Isto sugere que, ao ter em conta a incerteza da reestruturação dos campos simulados e os próprios parâmetros do modelo, o verdadeiro valor da radiação solar neste caso ainda é provável que seja coberto pelo intervalo de credibilidade de 95%. Portanto, se a média condicional do campo reestruturado fosse considerada como verdade fundamental, como costuma acontecer, os efeitos a jusante da reestruturação na modelagem parecem ser mínimos no caso da radiação solar. No entanto, o BHM apresentou valores de RMSE mais elevados do que os modelos ingênuos de regridding nos meses considerados, indicando que a adição da incerteza de regridding aumentou o erro de previsão para previsão fora da amostra. É importante notar que as estimativas ingénuas dos coeficientes de reestruturação fornecem boas previsões, mas não são apropriadas para avaliar directamente os enviesamentos do modelo, uma vez que os enviesamentos do modelo dependem da reestruturação.  Finalmente, esta análise serve como uma estrutura para a compreensão dos efeitos da regridding no contexto da radiação solar. Embora este estudo não tenha encontrado situações em que a reestrutura BHM superasse consistentemente o método ingênuo de reestrutura, notamos que esta análise gira em torno da variável escolhida: IGF. Foi demonstrado que o método de regridding escolhido tem impacto nos extremos das distribuições (McGinnis et al. (2010)), porém os extremos não são centrais para a radiação solar. Uma análise futura aplicando o método de regridding BHM a variáveis climáticas onde os extremos dos dados são mais amplamente estudados, como   como precipitação ou temperatura, podem produzir resultados diferentes e fornecer um exemplo onde o método proposto neste artigo pode mostrar maior incerteza na modelagem a jusante. Além disso, este estudo leva em consideração um único tipo de regridagem (krigagem com covariância exponencial) e esta análise pode ser estendida a outros tipos de interpolação para compreender os efeitos posteriores desses métodos específicos.  Este artigo está   sob licença CC 4.0. disponível no arxiv

Read My Stories

The publication about the quantity of something. The theory about why that quantity is what is. And research!

Quantification's blog

Este áudio é produzido no idioma original da história!

Navegando pela incerteza da regridding na análise climática da radiação solar

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Toque para ganhar: Telegram pode integrar os próximos 10 bilhões de usuários criptográficos antes de Solana

Digital Nomads Ouçam: O que você precisa saber sobre o novo visto DTV da Tailândia

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Toque para ganhar: Telegram pode integrar os próximos 10 bilhões de usuários criptográficos antes de Solana

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps