Resumen de Temporal error estimate for statistical downscaling regional meteorological models

Egor V. Dmitriev, Ilva V. Nogotkov, Vladimir S. Rogutov, Gueorgui Komenko, Anatoly I. Chavro

• español

  Los modelos de downscaling estadístico, que se aplican para la obtención de campos geofísicos de pequeña escala a partir de campos a gran escala, permiten obtener a priori estimaciones de varianza de los errores de las soluciones y algunas otras características estadísticas de los errores. Sin embargo, en determinados instantes o incluso periodos de tiempo los errores de las soluciones de los problemas considerados pueden ser mucho mayores de lo estimado, lo cual puede ser muy importante al usar los resultados del downscaling. Este trabajo se centra en comprobar el parámetro estocástico conocido como �fiabilidad del modelo� como un indicador de... (Leer más) los cambios temporales de la precisión de la solución. Para este propósito, se han considerado varias aplicaciones geofísicas básicas del downscaling. Se muestra que el parámetro probabilista �fiabilidad del modelo� se puede usar para predecir puntos temporales donde el campo de pequeña escala se obtiene con grandes errores.

• English

  Statistical downscaling models, which are applied for retrieval of small-scale geophysical fields from largescale fields, allow obtaining a priori estimate of variance of the solution error and some other statistical characteristics of error. However, at given instants or even time periods the solution error of the considered problem can be much higher than its estimate that may be very important when using the results of downscaling. This paper is dedicated to testing the stochastic parameter known as "model reliability" as an indicator of temporal changes of the solution accuracy. For this purpose we considered several basic geophysical applications... (Leer más) of downscaling. We show below that the probabilistic parameter "reliability of model" can be used for forecasting time points when the small-scale field is retrieved with high errors.