把大尺度、低解析度的全球氣候模式輸出的信息轉化為小尺度、高解析度的區域地面氣候變化信息的一種方法。
基本介紹
- 中文名：降尺度
- 外文名：Downscaling
- 相關術語：動力降尺度，統計降尺度
- 學科分支：氣候學
描述,套用的必要性,主要方法,
描述
全球氣候模式能很好地預估未來全球氣候變化，但目前它輸出的空間解析度（通常為300千米左右）較低，缺少詳細的區域氣候信息，難以對區域氣候做出合理的預測。降尺度可以彌補全球氣候模式預測區域氣候變化的局限，它可以把全球氣候模式提供的大尺度氣候信息轉化為區域尺度的氣候信息（如氣溫、降水等），從而實現對區域氣候預測。
套用的必要性
在氣候預測和氣候變化預估的研究中，通常定義降尺度是為了建立代表大尺度信息變數與小尺度信息變數之間的關係。大尺度變數的變化過程緩慢，它代表一個廣大區域的環流特徵，如大氣濤動、環流型等；而小尺度變數的變化過程較快速，它代表局地的氣溫、降水等。之所以提出降尺度，是為了解決模式的預測能力無法滿足現實預測預估的需要這一問題。雖然，大尺度變數的可預報性較高，但現實中我們需要更多的局地氣象要素信息，而模式直接輸出的氣象要素不能滿足精度要求，這就需要把大尺度變數進行降尺度處理，來得到小尺度的要素信息。
主要方法
目前套用的降尺度方法共三種：動力降尺度法、統計降尺度法和統計與動力相結合的降尺度法。
（1）動力降尺度法。
動力降尺度方法是將解析度較低的全球氣候模式嵌套高解析度的區域氣候模式，利用全球模式為區域氣候模式提供初邊值條件，獲取描述區域氣候特徵的高解析度預測信息。
優點：物理意義明確，能用於任何地方而不受觀測資料的影響，也可用於不同的解析度。
缺點：計算量大，費機時；受全球氣候模式提供的邊界條件影響大；動力模式對氣候模擬的系統誤差比較大。
（2）統計降尺度法。
統計降尺度法是利用多年的觀測資料建立大尺度氣候狀況和區域氣候要素之間的統計關係，並用獨立的觀測資料檢驗這種關係，最後再將這種關係套用於全球氣候模式輸出的大尺度氣候信息，來預測區域要素的氣候變化趨勢。
優點：計算量小，易於操作；能夠糾正全球氣候模式的系統誤差，不用考慮邊界條件對預測結果的影響。
缺點：需要足夠的觀測資料建立統計模式；不能用於大尺度氣候要素與區域氣候要素相關性差的地區。
（3）統計與動力相結合降尺度法。
有些研究成果表明，統計降尺度對夏季溫度、動力降尺度對冬季降水的預測效果較好，因此氣象學家們努力結合動力降尺度和統計降尺度的優點，去除其缺點，以獲得更好的預測效果。
利用以上方法進行降尺度可以套用於氣候預測業務、季節氣候模式集合預測產品、區域風能資源的評估等諸多方面。
