Análisis espaciotemporales de simulaciones de precipitación en conjunto de alta resolución en el territorio chino basados en la corrección de sesgo por mapeo de cuantiles (QM) y métodos de promediado de modelos bayesianos (BMA) para modelos CMIP6
Autores: Meng, Hao; Di, Zhenhua; Zhang, Wenjuan; Sun, Huiying; Tian, Xinling; Wang, Xurui; Xie, Meixia; Li, Yufu
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Fluctuaciones
Precipitación
Modelos
Corrección de sesgo
Simulación
China
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Las fluctuaciones en la precipitación suelen afectar el entorno ecológico y la socioeconomía humana a través de eventos como inundaciones y sequías, lo que resulta en pérdidas económicas sustanciales. Los modelos de alta resolución en el Proyecto de Comparación de Modelos Acoplados Fase 6 (CMIP6) son vitales para simular los patrones de precipitación en China; sin embargo, aún existen incertidumbres significativas. Este estudio utilizó el método de mapeo de cuantiles (QM) para corregir sesgos en nueve Modelos de Sistema Terrestre (ESMs) de alta resolución y luego evaluó de manera integral sus capacidades de simulación de precipitación en el territorio chino desde 1985 hasta 2014. Basado en los modelos seleccionados, se utilizó el método de Promedio de Modelos Bayesianos (BMA) para integrarlos y obtener la variación espacio-temporal de la precipitación en el territorio chino. Los resultados mostraron que el rendimiento de simulación de nueve modelos para la precipitación de 1985 a 2014 mejoró significativamente después de la corrección de sesgos. Se seleccionaron seis de los nueve ESMs de alta resolución para generar el modelo de conjunto BMA. Para el modelo BMA, la tendencia de precipitación y las ubicaciones de puntos significativos estaban más alineadas con los datos observacionales en verano que en otras estaciones. Sobreestimó la precipitación en primavera e invierno, mientras que la subestimó en verano y otoño. Además, tanto el modelo BMA como el peor modelo de conjunto multi-modelo (WMME) exhibieron un sesgo medio negativo en verano, mientras que mostraron un sesgo medio positivo en invierno. Y el modelo BMA superó al modelo WMME en términos de sesgo medio y rango de sesgo tanto en verano como en invierno. Además, los modelos de alta resolución ofrecieron simulaciones de precipitación que se alinearon más estrechamente con los datos observacionales en comparación con los modelos de baja resolución.
Descripción
Las fluctuaciones en la precipitación suelen afectar el entorno ecológico y la socioeconomía humana a través de eventos como inundaciones y sequías, lo que resulta en pérdidas económicas sustanciales. Los modelos de alta resolución en el Proyecto de Comparación de Modelos Acoplados Fase 6 (CMIP6) son vitales para simular los patrones de precipitación en China; sin embargo, aún existen incertidumbres significativas. Este estudio utilizó el método de mapeo de cuantiles (QM) para corregir sesgos en nueve Modelos de Sistema Terrestre (ESMs) de alta resolución y luego evaluó de manera integral sus capacidades de simulación de precipitación en el territorio chino desde 1985 hasta 2014. Basado en los modelos seleccionados, se utilizó el método de Promedio de Modelos Bayesianos (BMA) para integrarlos y obtener la variación espacio-temporal de la precipitación en el territorio chino. Los resultados mostraron que el rendimiento de simulación de nueve modelos para la precipitación de 1985 a 2014 mejoró significativamente después de la corrección de sesgos. Se seleccionaron seis de los nueve ESMs de alta resolución para generar el modelo de conjunto BMA. Para el modelo BMA, la tendencia de precipitación y las ubicaciones de puntos significativos estaban más alineadas con los datos observacionales en verano que en otras estaciones. Sobreestimó la precipitación en primavera e invierno, mientras que la subestimó en verano y otoño. Además, tanto el modelo BMA como el peor modelo de conjunto multi-modelo (WMME) exhibieron un sesgo medio negativo en verano, mientras que mostraron un sesgo medio positivo en invierno. Y el modelo BMA superó al modelo WMME en términos de sesgo medio y rango de sesgo tanto en verano como en invierno. Además, los modelos de alta resolución ofrecieron simulaciones de precipitación que se alinearon más estrechamente con los datos observacionales en comparación con los modelos de baja resolución.