Un enfoque de divide y vencerás, combinado con algo de gimnasia matemática, ha ayudado a los investigadores de KAUST Ying Sun y Yuxiao Li a crear un esquema estadístico rápido y flexible para mejorar la precisión de los modelos de cambio climático.

"Los estadísticos intentan evitar suposiciones poco realistas para estimar los procesos ambientales con mayor precisión, "dice Li, un doctorado estudiante del equipo de investigación de Sun. "La motivación detrás de nuestro estudio fue mejorar la forma en que se contabiliza la no estacionariedad espacial en el modelado climático en un área grande y geográficamente compleja".

La no estacionariedad ocurre cuando las estadísticas de un parámetro observado, como la temperatura o la lluvia, varía con el tiempo o el espacio. En este caso, Li y Sun observaron las estadísticas que describen cómo las mediciones en dos ubicaciones diferentes cambian espacialmente. Comprender y caracterizar con precisión esta covarianza es fundamental para predecir el clima y traducir o reducir la modelación del clima global que se realiza a escalas muy gruesas para poder predecir los efectos locales a escalas más finas.

"Podemos pensar en la covarianza espacial como qué tan bien se correlacionan las observaciones entre sí en el espacio, o como patrones espaciales, "explica Li." Para los datos medioambientales, el patrón de correlación espacial sobre la tierra es diferente al del océano. Dado que el patrón de correlación no es exactamente el mismo en todas partes, tenemos que considerar cómo representar esta no estacionariedad ".

La no estacionariedad se ha abordado anteriormente mediante enfoques complejos y computacionalmente intensivos basados ​​en convoluciones, junto con aproximaciones basadas en supuestos de estacionariedad local en un tamaño de cuadrícula arbitrario. Sun y Li desarrollaron un enfoque computacionalmente eficiente que mejora en gran medida la precisión de la aproximación.

"El desafío para el modelado no estacionario es el compromiso entre precisión y eficiencia, ", dice Li." Ampliamos el modelo estacionario local, que es eficiente pero no precisa, a un modelo no estacionario local que varía linealmente dividiendo la región espacial y estimando las funciones de covarianza para cada subregión. Esto nos permite describir características no estacionarias más complicadas, lo que mejora la precisión sin dejar de ser rápido de calcular ".

Los investigadores esperan mejorar significativamente la reducción de escala del modelado climático a través de este enfoque, que evita suposiciones poco realistas y puede estimar diferentes tipos de no estacionariedad espacial a una escala espacial más fina. Demostraron la eficiencia y la precisión mejorada de su esquema al simular la precipitación a alta resolución espacial en una gran región. El enfoque también se presta a la interpolación de procesos ambientales en ubicaciones no observadas.

"Dado que nuestro método se basa en supuestos más realistas, Los análisis que utilizan este enfoque pueden ayudar a los científicos a comprender mejor el tiempo y el clima, "dice Li.