En dela och erövra strategi, kombinerat med lite matematisk gymnastik, har hjälpt KAUST-forskarna Ying Sun och Yuxiao Li att ta fram ett snabbt och flexibelt statistiskt schema för att förbättra noggrannheten i modellering av klimatförändringar.

"Statistiker försöker undvika orealistiska antaganden för att kunna uppskatta miljöprocesser mer exakt, säger Li, en doktorsexamen student i Suns forskargrupp. "Motivationen bakom vår studie var att förbättra hur rumslig icke-stationaritet redovisas i klimatmodellering över ett stort och geografiskt komplext område."

Icke-stationaritet uppstår när statistiken för en observerad parameter, såsom temperatur eller nederbörd, varierar över tid eller rum. I detta fall, Li och Sun tittade på statistiken som beskriver hur mätningar på två olika platser förändras rumsligt. Att förstå och exakt karakterisera denna kovarians är avgörande för att förutsäga väder och för att översätta eller nedskala global klimatmodellering som görs i mycket grova skalor för att kunna förutsäga lokala effekter i finare skalor.

"Vi kan tänka på rumslig kovarians som hur väl observationer är korrelerade med varandra i rymden, eller som rumsliga mönster, " förklarar Li. "För miljödata, det rumsliga korrelationsmönstret över land skiljer sig från det över havet. Eftersom korrelationsmönstret inte är exakt samma överallt, vi måste överväga hur vi ska representera denna icke-stationaritet."

Ickestationaritet har tidigare hanterats genom komplexa och beräkningsintensiva faltningsbaserade tillvägagångssätt, kombinerat med approximationer baserade på antaganden om lokal stationaritet vid en godtycklig rutnätsstorlek. Sun och Li utvecklade ett beräkningseffektivt tillvägagångssätt som avsevärt förbättrar approximationens noggrannhet.

"Utmaningen för icke-stationär modellering är avvägningen mellan noggrannhet och effektivitet, "säger Li." Vi utökade den lokala stationära modellen, som är effektivt men inte exakt, till en linjärt varierande lokal icke-stationär modell genom att dela upp den rumsliga regionen och uppskatta kovariansfunktionerna för varje subregion. Detta gör att vi kan beskriva mer komplicerade icke-stationära funktioner, som förbättrar noggrannheten samtidigt som den är snabb att beräkna."

Forskarna förväntar sig att avsevärt förbättra nedskalningen av klimatmodellering genom detta tillvägagångssätt, som undviker orealistiska antaganden och kan uppskatta olika typer av rumslig icke-stationaritet i en finare rumslig skala. De demonstrerade effektiviteten och förbättrad noggrannhet i deras schema genom att simulera nederbörd med hög rumslig upplösning över en stor region. Tillvägagångssättet lämpar sig också för interpolering av miljöprocesser på oobserverade platser.

"Eftersom vår metod är baserad på mer realistiska antaganden, analyser som använder detta tillvägagångssätt kan hjälpa forskare att bättre förstå väder och klimat, säger Li.