ダウンスケーリング

ダウンスケーリングとは、低解像度の変数から高解像度の情報を推測する手順です。この技術は、気象学、気候学、リモートセンシングなど、いくつかの分野で一般的に使用されている動的または統計的アプローチに基づいています。^{[1] [2]}ダウンスケーリングという用語は通常、空間解像度の向上を指しますが、時間解像度の向上にも使用されることがよくあります。^{[3] [4]}これを、高解像度から低解像度に画像を縮小するプロセスである画像ダウンスケーリングと混同しないでください。

気候研究や気候予測に使用される全球気候モデル（GCM）は、通常150～200km程度の空間解像度で実行され^{[5] 、}対流 雲や地形などの重要なサブグリッドスケールの特徴を解像する能力には限界があります。その結果、GCMに基づく予測は、局所的な影響研究には適さない可能性があります。

この問題を克服するために、GCM によって提供される地域規模の大気変数から、特に地表レベルでの局所規模の天気と気候を取得するダウンスケーリング手法が開発されています。ダウンスケーリング手法には主に 2 つの形式があります。1 つは動的ダウンスケーリングで、GCM からの出力を使用して、より高い空間解像度で地域的な数値モデルを駆動し、より詳細に局所的な状況をシミュレートできます。もう 1 つは統計的ダウンスケーリングで、観測結果から、大気圧などの大規模変数と特定の場所の風速などの局所変数間の統計的関係を確立します。その後、この関係を GCM データに対して使用して、GCM 出力から局所変数を取得します。

ウィルビーとウィグリーは、気象ダウンスケーリング手法を4つのカテゴリーに分類しました。^[6]回帰法、気象パターンベースのアプローチ、確率的気象ジェネレーター（これらはすべて統計的ダウンスケーリング手法）、および限定領域モデリング（動的ダウンスケーリング手法に相当）です。これらのアプローチの中では、実装が比較的簡単で計算要件が低いため、回帰法が好まれます。さらに、ダウンスケーリングされたモデル出力のCHELSAデータに使用されるような、半機械的なダウンスケーリングアプローチを適用することもできます。この例では、気温アルゴリズムは統計的ダウンスケーリングに基づいており、降水アルゴリズムには地形予測子とその後のバイアス補正が組み込まれています。^[7]

2007 年、米国開拓局は、米国エネルギー省の国立エネルギー技術研究所(DOE NETL)、サンタクララ大学(SCU)、ローレンス リバモア国立研究所(LLNL)、カリフォルニア大学の気候変動とその社会的影響に関する研究機関 (IRCCSI) と協力し、実証済みの「バイアス補正空間分解」BCSD と呼ばれる手法を適用しました。^[8]また、「Web サイトの「About」も参照」を、世界気候研究計画カップル モデル相互比較プロジェクト フェーズ 3 (WCRP CMIP3) を通じて利用可能になった 112 の最新の地球気候予測に適用しました。これらの予測は、複数の初期気候システム条件から 3 つの GHG シナリオに対する気候応答をシミュレートする 16 の GCM を表しています。

この取り組みの結果、1950年から2099年の気候シミュレーション期間中に、米国本土の1/8°（12キロメートル（7.5マイル））の空間解像度で112の月間気温と降水量の予測が開発されました。

協調地域ダウンスケーリング実験（CORDEX）は、ダウンスケーリングモデルの性能を評価・比較するための枠組みを提供し、影響と適応の研究に使用するための気候予測を作成するための一連の実験を定義することを目的として、2009年に開始されました。^{[9] [10] CORDEXの気候変動実験は、}世界気候研究計画 結合モデル相互比較プロジェクトフェーズ5（CMIP5）^[11] GCMの出力によって推進されています。CORDEXは14のダウンスケーリング地域またはドメインを定義しました。

• Hessami, M.、Quarda, TBMJ、Gachon, P.、St-Hailaire, A.、Selva, F.、および Bobee, B.、「カナダ東部のいくつかの地域における統計的ダウンスケーリング法の評価」、第 57 回カナダ水資源協会年次会議、2004 年。
• Kim, JW, Chang, JT, Baker, NL, Wilks, DS, Gates, WL, 1984. 気候逆転の統計的問題: 局所的気候と大規模気候の関係の決定。Monthly Weather Review 112、2069–2077。
• Maraun, D.、Wetterhall, F.、Ireson, AM、Chandler, RE、Kendon, EJ、Widmann, M.、Brienen, S.、Rust, HW、Sauter, T.、Themessl, M.、Venema VKC、Chun, KP、Goodess, CM、Jones, RG、Onof C.、Vrac M.、および Thiele-Eich, I.、「気候変動下での降水量のダウンスケーリング。動的モデルとエンドユーザーの間のギャップを埋める最近の開発」、Rev. Geophys. 48、RG3003、2010 年。
• Maraun, D. および Widmann, M.、「気候研究のための統計的ダウンスケーリングとバイアス補正」、ケンブリッジ大学出版局、ケンブリッジ、2018 年。
• Sahour, H., Sultan, M., Vazifedan, M., Abdelmohsen, K., Karki, S., Yellich, JA, Gebremichael, E., Alshehri, F., Elbayoumi, TM (2020)。GRACE から得られた陸上貯水データをダウンスケールし、時間的ギャップを埋めるための統計的アプリケーション。リモートセンシング、12(3)、533。https://doi.org/10.3390/rs12030533
• von Storch, H., Zorita, E., Cubasch, U., 1993.「地球規模の気候変動推定値の地域規模へのダウンスケーリング：冬季のイベリア半島の降雨量への応用」Journal of Climate 6, 1161–1171。
• Wilby, RLおよびWigley, TML、(1997)「一般循環モデル出力のダウンスケーリング：方法と限界のレビュー」、Progress in Physical Geography、21、530-548。
• Wilby, RL, Dawson, CW および Barrow EM、(2002) SDSM - 地域的な気候変動の影響を評価するための意思決定支援ツール、Environmental Modelling & Software、17、147–159。
• Wood, AW, Leung, L. 5 R., Sridhar, V.、およびLettenmaier, DP : 気候モデル出力のダウンスケーリングに対する動的および統計的アプローチの水文学的影響、気候変動、62、189–216、2004 年。
• Reclamation 他「バイアス補正とダウンスケール WCRP CMIP3 気候および水文学予測」<http://gdo-dcp.ucllnl.org/ downscaled_cmip3_projections/>
• Xu, Z. および Z.-L. Yang、(2012) GCM バイアス補正による改良された動的ダウンスケーリング法と 30 年間の気候シミュレーションによる検証。J. Climate、25、6271–6286。
• Xu, Z. および Z.-L. Yang、(2015) GCM バイアス補正とスペクトル ナッジングによる新しい動的ダウンスケーリング手法。J. Geophys. Res. Atmos.、doi :10.1002/2014JD022958

注記