نبذة مختصرة : Climate models, derived from process understanding, are essential tools in the study of climate change and its wide-ranging impacts on the biosphere. Hindcast and future simulations provide comprehensive spatiotemporal estimates of climatology that are frequently employed within the environmental sciences community, although the output can be afflicted with bias that impedes direct interpretation. Bias correction approaches using observational data aim to address this challenge. However, approaches are typically criticised for not being physically justified and not considering uncertainty in the correction. These aspects are particularly important in cases where observations are sparse, such as for weather station data over Antarctica. This paper attempts to address both of these issues through the development of a novel Bayesian hierarchical model for bias prediction. The model propagates uncertainty robustly and uses latent Gaussian process distributions to capture underlying spatial covariance ... : الخلاصة: النماذج المناخية، المستمدة من فهم العملية، هي أدوات أساسية في دراسة تغير المناخ وآثاره واسعة النطاق على المحيط الحيوي. توفر المحاكاة الخلفية والمستقبلية تقديرات مكانية زمانية شاملة لعلم المناخ التي يتم استخدامها بشكل متكرر داخل مجتمع العلوم البيئية، على الرغم من أن المخرجات يمكن أن تعاني من التحيز الذي يعوق التفسير المباشر. تهدف مناهج تصحيح التحيز باستخدام بيانات الملاحظة إلى مواجهة هذا التحدي. ومع ذلك، عادة ما يتم انتقاد الأساليب لعدم تبريرها جسديًا وعدم النظر في عدم اليقين في التصحيح. هذه الجوانب مهمة بشكل خاص في الحالات التي تكون فيها الملاحظات متفرقة، مثل بيانات محطة الأرصاد الجوية فوق القارة القطبية الجنوبية. تحاول هذه الورقة معالجة هاتين القضيتين من خلال تطوير نموذج هرمي بايزي جديد للتنبؤ بالتحيز. ينشر النموذج عدم اليقين بقوة ويستخدم توزيعات العملية الغاوسية الكامنة لالتقاط أنماط التباين المكاني الكامنة، مما يحافظ جزئيًا على بنية التباين المشترك من النموذج المناخي الذي يعتمد على قوانين فيزيائية راسخة. يمكن للإطار البايزي التعامل مع هياكل النمذجة المعقدة ويوفر نهجًا مرنًا وقابلًا للتكيف مع ...
No Comments.