文献

J-GLOBAL ID：202202280961279027   整理番号：22A1114761

BCC-CSM1.1-mからの洞察,Yangtze-Huaihe川流域における日極値降水量指数のための最適バイアス補正【JST・京大機械翻訳】

The optimal bias correction for daily extreme precipitation indices over the Yangtze-Huaihe River Basin, insight from BCC-CSM1.1-m

著者 (7件)： Zhu Lianhuan (School of Mathematics and Statistics, Nanjing University of Information Science & Technology, Nanjing 210044, China) ,  Zhu Lianhuan (Wuxi University, Wuxi 214105, China) ,  Kang Weizhen (School of Mathematics and Statistics, Nanjing University of Information Science & Technology, Nanjing 210044, China) ,  Li Wei (Key Laboratory of Meteorological Disaster, Ministry of Education (KLME) / Joint International Research Laboratory of Climate and Environment Change (ILCEC) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters (CIC-FEMD), Nanjing University of Informatio...) ,  Li Wei (Laboratory of Severe Weather, Fujian Institute of Meteorological Sciences, 350008 Fuzhou, China) ,  Luo Jing-Jia (Key Laboratory of Meteorological Disaster, Ministry of Education (KLME) / Joint International Research Laboratory of Climate and Environment Change (ILCEC) / Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters (CIC-FEMD), Nanjing University of Informatio...) ,  Zhu Yingqi (School of Mathematics and Statistics, Nanjing University of Information Science & Technology, Nanjing 210044, China)
資料名： Atmospheric Research  (Atmospheric Research)
巻： 271  ページ： Null  発行年： 2022年 
JST資料番号： E0540A  ISSN： 0169-8095  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： モデルシミュレーションのかなりのバイアスのために,バイアス補正は,モデルバイアスを減らすために広く使われている方法である。最適なものを選択する前に多重バイアス補正の性能を評価する必要がある。本研究では,4つの統計的バイアス補正法,すなわち,線形スケーリング(LS),分位マッピング(QM),分布マッピング(DM),および累積分布関数変換(CDFt)を導入し,BCC-CSM1.1-mモデルから中国の揚子江-Huaihe川流域(YRB)の日降水量のシミュレーションを行った。さらに,観測された夏日降水量と降水極値の確率分布を再現する性能を評価した。結果は,BCC-CSM1.1-mが,特に分布の尾部に関して,毎日の降水をシミュレーションする際に,系統的バイアスを示すことを示した。バイアス補正シミュレーションは,系統的バイアスを著しく減少することができた。それらの中で,QMは,Brierスコア(BS)が0に落ちる日降水量の確率分布をシミュレートするのに最も顕著な改善があり,一方,有意性スコア(S_score)は1に急速に上昇した。極端な降水の領域平均と空間的一貫性のために,QM,CDFtとLSは,全体の降水と適度な雨日において,よいシミュレーション能力を持った。一方,QMだけが降雨日,降水強度,および95%の分位降水量のバイアスを減少できた。例えば,95%の分位降水量に対する相対誤差は,生シミュレーションで-57.8%からバイアス補正シミュレーションで-2.76%に減少し,空間相関係数は-0.12から0.64に増加した。連続的乾燥日はよく補正できないことが注目される。ガンマ分布に基づくDMは,特に豪雨に対して,モデル模擬降水の確率分布を特徴付けるのに有効でない。QMとCDFtは,YRBの極端な降水におけるバイアス補正を適用するのに使用される最適な方法であると信じる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *降水 ,  *降水量 ,  確率分布 ,  豪雨 ,  *流域 ,  相関係数 ,  夏 ,  多重化 ,  降水強度 ,  Γ分布
準シソーラス用語： 長江 ,  累積分布関数 ,  日雨量 ,  モデルシミュレーション , 【Automatic Indexing@JST】

著者キーワード (4件)： 全球気候モデル ,  Bias補正 ,  極端な降水 ,  Yangtze-Huaihe川流域

分類 (1件)： 水文学一般  (DC07010R)

タイトルに関連する用語 (5件)： 洞察 ,  流域 ,  極値降水量 ,  指数 ,  バイアス補正