Nature Scientific Data: Климатические данные для оценки адаптации и уязвимости и метод масштабирования пространственных взаимодействий
В этом исследовании представлены метод масштабирования пространственных взаимодействий (spatial interactions downscaling, SPID) и набор климатических данных для оценки адаптации и уязвимости (ClimAVA). SPID использует модели случайного леса для учёта взаимосвязи между пространственными структурами при разрешении глобальной модели циркуляции и значениями пикселей с высоким разрешением. Подводя итог, можно сказать, что модель случайного леса обучается для каждого пикселя с высоким пространственным разрешением эталонных данных в качестве предиктора и девяти пикселей из пространственно перевыбранной (грубой) версии эталонных данных из глобальных моделей циркуляции в качестве предикторов. Затем модели используются для масштабирования данных глобальных моделей циркуляции с поправкой на смещение. Набор данных ClimAVA-SW предлагает прогноз будущего климата с высоким разрешением (4 км) и с поправкой на смещение, полученный из семнадцати глобальных моделей циркуляции CMIP6. Он включает три переменные (ежедневные осадки, минимальная и максимальная температура) для трёх сценариев (SSP245, SSP370, SSP585) по всему юго-западному региону США. Набор данных ClimAVA отличается способностью метода SPID обеспечивать замечательный климатический реализм, высокую физическую правдоподобность изменений и превосходное представление экстремальных событий, сохраняя при этом удобство для пользователя и требуя относительно низких вычислительных ресурсов.
