気候シナリオのバイアス補正手法について（未完）

    • Maurer and Hidalgo (2007)
      • アメリカ西部の気温と降水量を対象に、Constructed analogues法（以下CA; Hidalgo et al., 2007）とBias correction and spatial disaggregation法 (BCSD; Wood et al., 2004)を利用して、T62・月単位のNCEP/NCAR再解析データを1/8deg x 1/8deg・月単位および日単位にダウンスケールした。CAは過去の観測気象パターンに最も近いものを探してあてはめる方法、BCSDはランダムに過去の気象パターンを抽出し、スケーリングする方法である。月単位では両者の結果に有意な差はなかった。日単位の気温では夏の暑い日や冬の寒い日の再現性はCAの方が高かった。日単位の降水では、もとの再解析の再現性が低いため、両者の結果に有意な差はなかった。
    • 篠田昌弘(2007)
      • 全国のAMeDASデータ（1932地点、1976-2004）を利用して、再現期間100年の日降雨量と１時間降雨量に関する確率降雨量マップを作成した。大量のデータを効率よく処理するために、手法の選択が行われた。確率分布：gumbel分布と一般化極値分布、母数推定：Probability Weighted Moment法とL積率法、適合度評価：jacknife法。
    • Vrac et al.(2007)
      • 統計的ダウンスケーリング手法の一般的検証法に関する論文。モデルを構築し、再解析をフォーシングしたとき過去の観測値を再現できるか、GCMのretrospectiveシミュレーション結果をフォーシングしたとき過去の観測値を再現できるか、GCMの将来シミュレーション結果をフォーシングしたとき、GCMにRCMをネスティングして得られた結果と一致するか、の３つを調べるべきだ、という提案。この手法を、自分達の作ったNonhomogeneous stochastic weather typing法について、イリノイ降水量の極値が再現できるか試してみて、よく合うことを示した（10, 25, 50, 75,99パーセンタイル降水量の比較など）。しかし、何を基準に「再現性」の高さを示すかについて、具体的に言及されていないように思われた（目視で１：１線にフィットするか）。
    • Palmer et al. (2007)
      • バイアス補正とは無関係の論文だった。前半は気象・気候の予測可能性、初期値・パラメタ・マルチモデルアンサンブルの解説。後半はヨーロッパのマルチモデルアンサンブル季節予報プロジェクトDEMETERの紹介と、IPCCの気候予測のマルチモデルアンサンブルについて。
    • Dankers et al. (2007)
      • 力学的ダウンスケールの研究。Methodology以降については今回のテーマと異なるので読んでいない。シナリオと解像度を変えた５本のRCM実験を行って、温暖化によるドナウ川上流の洪水流量の再起確率を推定。イントロのレビューはヨーロッパの温暖化の水循環影響研究をコンパクトにまとめていて参考になる。
    • IPCC/TGICA (2006)
      • IPCCによる将来の社会経済・気候シナリオに関するガイドライン。一般向けの基礎知識と、専門家向けのレビューが混ざったような文章で読みにくい。記述は網羅的で、見出し（項目）を追うとIPCCのシナリオの全体像がつかめる。レビューされている論文は90年代後半のものが多く、若干古いが、各項目につき１～２本は参考文献が見つかる。
    • Wood et al. (2004)
      • 引用件数の多い論文。提唱しているBias-Corrected Spatial Disaggregation (BCSD)の手法は以下の通り。
      1. 入出力
        • 入力GCMデータ:解像度T42, 1975-95および2040-2060, monthly
        • 入力観測データ:解像度1/8deg, 1975-95, daily(Maurer et al., 2002)
        • 出力したいデータ:解像度1/8deg, 2040-60, daily
      2. バイアス補正
        1. 1975-95の月平均の観測データの解像度(1/8度)をGCM解像度(T42)に変換する。
        2. GCMの1975-95年の平均値を用意する。
        3. Quantile-based mapping (Panofsky and Brier, 1968)法でadjustする（詳細不明）。このadjustmentはグリッドによっても、月によっても異なる（いわゆる偏差を利用したバイアス補正のことか？？）。
        4. GCMの2040-60と1975-95の偏差を月別に取る。
        5. バイアス補正済みのGCMデータ(T42, 1975-1995, monthly)および偏差場(T42, monthly)が得られる。
      3. 空間内挿
        1. 観測データ(1975-95の月平均)の解像度(1/8度)をGCM解像度(T42)に変換する。
        2. 解像度を1/8度に再度内挿する。
        3. この解像度変換に伴うアノマリを取る（つまり、1/8度の空間分布情報を得る）
        4. アノマリを内挿したデータに足す。こうすることで、空間的になめらかな場ができる。
      4. 時間内挿（月単位を日単位に）
        1. 1950-1999年の50年の中から、ランダムに１年選ぶ。
        2. 各グリッドで、気温は月平均の偏差を足し、降水量は月平均の率を掛ける。
      5. その後の議論は、
        1. 上記のようにGCMを直接使う場合とRCMで力学的ダウンスケールをした場合の差
        2. バイアス補正も空間内挿もしない（空間内装は単純内挿する）場合とバイアス補正だけする場合との差を見る。ただし時間内挿は全て同じ手法で行う。
    • Wilby et al. (2004)
      • 上記の文献と同じ形態で配布されている統計的ダウンスケーリングに関するガイドライン。３章では具体的な作業手順を示すなど、上記より踏み込んでおり、記述も読みやすい。
    • Wilby et al. (2000)
      • NCEP/NCAR再解析を統計的・力学的にダウンスケールし、日単位の最高気温(Tmax)、最低気温(Tmin)、降水量(P)を得る。これを水文モデルに入力し、得られた流量シミュレーション結果のNash-Sutcliffe(NS)係数を求めた。水文モデルに入力したのは１）観測、２）統計的ダウンスケール、３）力学的ダウンスケール（RCMの生の出力値）、４）再解析（生）、５）力学的ダウンスケール（出力値を標高補正）、６）再解析（標高補正）の６通りの入力データセット。対象地は降雪地帯であるため、融雪過程がNS係数に強く影響してくる。このため、統計的・力学的DSの効果より、標高補正の効果が強く効く結果になっている。
  • Reference
    • Maurer, E. P., and Hidalgo, H. G. 2007. Utility of daily vs. monthly large-scale climate data: an intercomparison of two statistical downscaling methods, Hydrol. Earth Syst. Sci. Discuss., 4, 3413-3440
    • 篠田昌弘 2007. AMeDASデータを用いた確率降雨量マップ, 土木学会論文集B, 63-3, 195-205
    • Vrac, M., Stein, M. L., Hayhoe, K., and Liang, X.-Z. 2007. A general method for validating statistical downscaling methods under future climate change, Geophys. Res. Lett., 34, L18701, doi:10.1029/2007GL030295.
    • Palmer, T. N., Doblas-Reyes, F. J., Hagedorn, R., and Wisheimer, A. 2005. Probablistic prediction of climate using muti-model ensembles: from basics to applications, Philos. T. Roy. Soc. B, 360, 1991-1998, doi:10.1098/rstb.2005.1750
    • Dankers, R., Christensen, O. B., Feyen, L., Kalas, M., and de Roo, A. 2007. Evaluation of very high-resolution climate model data for simulating flood hazards in the Upper Danube Basin, J. Hydrol., 347, 319-331
    • Wood, A. W., Leung, L. R., Sridhar, V., and Lettenmaier, D. P. 2004. Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs, Climatic Change, 62, 189-216
    • IPCC-TGICA: General Guidelines on the Use of Scenario Data for Climate Impact and Adaptation Assessment, Prepared by T.R. Carter on behalf of the Intergovernmental Panel on Climate Change, Task Group on Data and Scenario Support for Impact and Climate Assessment, pp66, 2007. http://www.ipcc-data.org/guidelines/index.html
    • Wilby, R. L., Charles, S. P., Zorita, E., Timbal, B., Whetton, P., and Mearns, L. O.: Guidelines for use of climate scenarios development from statistical downscaling methods, Intergovernmental Panel on Climate Change, Task Group on Data and Scenario Support for Impact and Climate Assessment, 27, 2004. http://www.ipcc-data.org/guidelines/index.html
    • Wilby, R. L., Hay, L. E., Gutowski, W. J., Arritt, R. W., Takle, E. S., Pan, Z. T., Leavesley, G. H., and Clark, M. P. 2000. Hydrological responses to dynamically and statistically downscaled climate model output, Geophys. Res. Lett., 27, 1199-1202