Een verdeel en heers aanpak, gecombineerd met wat wiskundige gymnastiek, heeft KAUST-onderzoekers Ying Sun en Yuxiao Li geholpen met het bedenken van een snel en flexibel statistisch schema om de nauwkeurigheid van klimaatveranderingsmodellering te verbeteren.

"Statistici proberen onrealistische veronderstellingen te vermijden om milieuprocessen nauwkeuriger in te schatten, " zegt Li, een doctoraat student in het onderzoeksteam van Sun. "De motivatie achter onze studie was om te verbeteren hoe ruimtelijke niet-stationariteit wordt verwerkt in klimaatmodellering over een groot en geografisch complex gebied."

Niet-stationariteit treedt op wanneer de statistieken van een waargenomen parameter, zoals temperatuur of regenval, varieert in tijd of ruimte. In dit geval, Li en Sun keken naar de statistieken die beschrijven hoe metingen op twee verschillende locaties ruimtelijk veranderen. Het begrijpen en nauwkeurig karakteriseren van deze covariantie is van cruciaal belang bij het voorspellen van het weer en bij het vertalen of verkleinen van wereldwijde klimaatmodellering die op zeer grove schalen wordt gedaan om lokale effecten op fijnere schalen te kunnen voorspellen.

"We kunnen ruimtelijke covariantie beschouwen als hoe goed waarnemingen in de ruimte met elkaar zijn gecorreleerd, of als ruimtelijke patronen, " legt Li uit. "Voor milieugegevens, het ruimtelijke correlatiepatroon over land is anders dan dat over de oceaan. Omdat het correlatiepatroon niet overal precies hetzelfde is, we moeten nadenken over hoe we deze non-stationariteit kunnen vertegenwoordigen."

Niet-stationariteit is eerder aangepakt door complexe en rekenintensieve op convolutie gebaseerde benaderingen, gekoppeld aan benaderingen op basis van aannames van lokale stationariteit bij een willekeurige rastergrootte. Sun en Li ontwikkelden een rekenkundig efficiënte benadering die de nauwkeurigheid van de benadering aanzienlijk verbetert.

"De uitdaging voor niet-stationaire modellering is de afweging tussen nauwkeurigheid en efficiëntie, " zegt Li. "We hebben het lokale stationaire model uitgebreid, die efficiënt maar niet nauwkeurig is, naar een lineair variërend lokaal niet-stationair model door het ruimtelijke gebied op te delen en de covariantiefuncties voor elk subgebied te schatten. Dit stelt ons in staat om meer gecompliceerde niet-stationaire kenmerken te beschrijven, wat de nauwkeurigheid verbetert en toch snel is om te berekenen."

De onderzoekers verwachten door deze aanpak de schaalverkleining van klimaatmodellering aanzienlijk te verbeteren, die onrealistische aannames vermijdt en verschillende soorten ruimtelijke niet-stationariteit kan schatten op een fijnere ruimtelijke schaal. Ze demonstreerden de efficiëntie en verbeterde nauwkeurigheid van hun schema door neerslag met een hoge ruimtelijke resolutie over een groot gebied te simuleren. De aanpak leent zich ook voor interpolatie van omgevingsprocessen op niet-geobserveerde locaties.

"Omdat onze methode is gebaseerd op meer realistische aannames, analyses die deze benadering gebruiken, kunnen wetenschappers helpen het weer en het klimaat beter te begrijpen, " zegt Li.