Điều hướng tính không chắc chắn của việc nối lại lưới trong phân tích khí hậu bức xạ mặt trời

Bảng liên kết

Tóm tắt và giới thiệu

Dữ liệu

Mô hình phân cấp Bayesian (BHM)

Ví dụ về bức xạ mặt trời

Kết quả

Phần kết luận

Phụ lục A: Nghiên cứu mô phỏng

Phụ lục B: Ước tính hệ số tính lại

Người giới thiệu

6 Kết luận

Nghiên cứu này phân tích sự không chắc chắn trong việc sắp xếp lại dữ liệu không gian từ các mô hình khí hậu, đây thường là bước đầu tiên trong phân tích khí hậu đa mô hình. Dữ liệu bức xạ mặt trời được nối lại từ lưới gốc của nó, sử dụng phương pháp kriging với hàm hiệp phương sai hàm mũ và phép biến đổi logarit, vào cùng một lưới với NSRDB. Thứ hai, chúng tôi triển khai BHM để ước tính trọng số mô hình tuyến tính đồng thời kết hợp độ không đảm bảo liên quan đến bước chia lưới lại. Cuối cùng, chúng tôi so sánh cả hai và cung cấp một nghiên cứu mô phỏng bổ sung trong Phụ lục A. Ước tính hệ số mô hình lưới điện lại đơn giản nằm trong phạm vi phân bố sau của các hệ số mô hình trong hầu hết các trường hợp. Theo mùa, tháng 8 đã tạo ra sự không phù hợp giữa hệ số nối lưới lại ban đầu và phân bổ sau cho WRF RCM do ERA-Interim ép buộc. Đặc biệt,

chúng tôi thấy rằng kết quả ước tính hệ số trong tháng này đối với WRF theo phương pháp đơn giản cao hơn BHM. Điều này gợi ý rằng khi tính đến độ bất định của việc nối lưới lại, dữ liệu WRF sẽ tăng nhỏ hơn khi tăng đơn vị trong NSRDB, hoặc độ không đảm bảo của việc nối lưới lại có thể dẫn đến ít sai lệch hơn so với WRF trong trường hợp cụ thể này.

Người ta nhận thấy rằng phạm vi bao phủ phía sau của dữ liệu thử nghiệm đối với các trường mô phỏng tương tự như ước tính việc nối lưới lại đơn giản cho các tháng 8 và tháng 11. Điều này cho thấy rằng khi tính đến độ không đảm bảo đo của các trường mô phỏng và bản thân các tham số mô hình, giá trị thực của bức xạ mặt trời trong trường hợp này vẫn có khả năng nằm trong khoảng tin cậy 95%. Do đó, nếu lấy giá trị trung bình có điều kiện của trường được nối lưới lại làm giá trị thực tế trên mặt đất thì như thường lệ, các tác động xuôi dòng của việc nối lưới lại lên mô hình dường như là tối thiểu trong trường hợp bức xạ mặt trời. Tuy nhiên, BHM có giá trị RMSE cao hơn so với các mô hình nối lưới đơn giản trong những tháng được xem xét, cho thấy rằng việc bổ sung độ không chắc chắn của việc nối lưới lại đã làm tăng sai số dự đoán đối với dự đoán ngoài mẫu. Điều quan trọng cần lưu ý là các ước tính hệ số chia lưới lại đơn giản đưa ra dự đoán tốt nhưng không thích hợp để đánh giá trực tiếp các sai lệch của mô hình vì các sai lệch của mô hình phụ thuộc vào việc chia lưới lại.

Cuối cùng, phân tích này đóng vai trò là khuôn khổ để hiểu các tác động của việc nối lại lưới trong bối cảnh bức xạ mặt trời. Mặc dù nghiên cứu này không tìm thấy các tình huống trong đó việc chia lưới lại BHM luôn vượt trội hơn so với phương pháp chia lưới đơn giản, chúng tôi lưu ý rằng phân tích này xoay quanh biến đã chọn: GHI. Người ta đã chứng minh rằng phương pháp nối lưới được chọn có tác động đến các điểm cực trị của phân bố (McGinnis và cộng sự (2010)), tuy nhiên các điểm cực trị không phải là trọng tâm của bức xạ mặt trời. Một phân tích trong tương lai áp dụng phương pháp chia lưới lại BHM cho các biến khí hậu trong đó các điểm cực đoan của dữ liệu được nghiên cứu rộng rãi hơn, chẳng hạn như

như lượng mưa hoặc nhiệt độ, có thể mang lại các kết quả khác nhau và đưa ra một ví dụ trong đó phương pháp được đề xuất trong bài viết này có thể cho thấy độ không đảm bảo cao hơn trong mô hình xuôi dòng. Ngoài ra, nghiên cứu này còn tính đến một loại lưới điện duy nhất (kriging với hiệp phương sai hàm mũ) và phân tích này có thể được mở rộng sang các loại nội suy khác để hiểu tác động tiếp theo của các phương pháp cụ thể đó.