If you are experiencing problems downloading PDF or HTML fulltext, our helpdesk recommend clearing your browser cache and trying again. If you need help in clearing your cache, please click here . Still need help? Email help@ingentaconnect.com

Precipitation by a regional climate model and bias correction in Europe and South Asia

$39.00 plus tax (Refund Policy)

Buy Article:

Abstract:

Because coarse-grid global circulation models do not allow for regional estimates of the water balance or trends of extreme precipitation, downscaling of global simulations is necessary to generate regional precipitation. This paper applies for downscaling the regional climate model CLM as a dynamical downscaling method (DDM) and two statistical downscaling methods (SDMs). Because the SDMs neglect information available to the DDM, and vice versa, a combination of the dynamical and statistical approaches is proposed here. In this combined approach, a simple statistical step is carried out to correct for the regional model biases in the dynamically downscaled simulations. To test the proposed methods, coarse-grid global re-analysis data (ERA40 with ∼1.125° grid spacing) is downscaled in two regions with different climatology and orography: one in South Asia and the other in Europe. All of the methods are tested on daily precipitation with 0.5° grid spacing. The SDMs are generally successful: the standardized root mean square error of rain day intensity is reduced from ERA40's 0.16 to 0.10 in a test area to the west of the European Alps. The CLM simulations perform less well (with a corresponding error of 0.14), but represent a promising approach if the user requires flexibility and independence from observational data. The proposed bias correction of the CLM simulations performs very well in European test areas (better than or at least comparable with the SDMs; i.e., with a corresponding error of 0.07), but fails in South Asia. An investigation of the observed and simulated precipitation climate in the test areas shows a strong dependence of the bias correction performance on sampling statistics (i.e., rain day frequency) and on the robustness of bias estimation.

German
Da grob aufgelöste globale Zirkulationsmodelle keine regionale Einschätzung des Wasserhaushalts oder der Entwicklung von Extremniederschlägen erlauben, ist ein Hinunterskalieren der globalen Klimaprojektionen auf die regionale Skala notwendig, um regionale Niederschlagsfelder zu erzeugen. In dieser Arbeit werden das regionale Klimamodell CLM für ein dynamisches Hinunterskalieren und zwei statistische Skalierungsmethoden angewendet. Da statistische Methoden Information vernachlässigen, welche in dynamischen Methoden verwendet wird, und umgekehrt, stellen wir hier einen kombinierten Ansatz vor. In diesem Ansatz wird ein einfacher statistischer Schritt durchgeführt um regionale, systematische Fehler in den dynamisch hinunterskalierten Simulationen zu korrigieren. Um die Methoden zu testen, werden grob aufgelöste globale Reanalyse Daten (ERA40 mit ∼1.125° Gitterabstand) in zwei Regionen mit unterschiedlicher Klimatologie und Orographie skaliert: Eine in Südasien die andere in Europa. Alle Methoden werden im Vergleich mit täglichem Niederschlag mit 0.5° Gitterabstand getestet. Die statistischen Skalierungsmethoden sind generell erfolgreich: Der standardisierte mittlere quadratische Fehler der Regentagintensität von ERA40 wird von 0.16 auf 0.10 reduziert in einem Testgebiet westlich der Europäischen Alpen. Die CLM Simulationen schneiden weniger gut ab (mit einem entsprechenden Fehler von 0.14), sind aber vielversprechend, wenn Unabhängigkeit von Beobachtungsdaten und Flexibilität erwünscht sind. Die vorgestellte Fehlerkorrektur der CLM Simulationen funktioniert sehr gut in europäischen Testgebieten (besser oder zumindest vergleichbar mit den statistischen Skalierungsmethoden, d.h. mit einem entsprechenden Fehler von 0.07), schlagen aber fehl in Südasien. Eine Untersuchung der beobachteten und simulierten Regentaghäufigkeit in den Testgebieten zeigt eine große Abhängigkeit der Güte der Fehlerkorrekturen von Sampling-Statistiken (d.h. Regentaghäufigkeit) und von der Robustheit der Modellfehlerschätzung.

Document Type: Research Article

DOI: http://dx.doi.org/10.1127/0941-2948/2008/0306

Publication date: August 1, 2008

More about this publication?
  • Meteorologische Zeitschrift (originally founded in 1866) is the joint periodical of the meteorological societies of Austria, Germany and Switzerland. It accepts high-quality peer-reviewed manuscripts on all aspects of observational, theoretical and computational research out of the entire field of meteorology, including climatology. Meteorologische Zeitschrift represents a natural forum for the meteorological community of Central Europe and worldwide.
  • Editorial Board
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • ingentaconnect is not responsible for the content or availability of external websites
Related content

Tools

Favourites

Share Content

Access Key

Free Content
Free content
New Content
New content
Open Access Content
Open access content
Subscribed Content
Subscribed content
Free Trial Content
Free trial content
Cookie Policy
X
Cookie Policy
ingentaconnect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more