Unter Verwendung statistischer Analysemethoden zur Untersuchung von Niederschlagsextremen in Indien hat ein Forscherteam eine Entdeckung gemacht, die eine anh altende Debatte in veröffentlichten Ergebnissen löst und neue Erkenntnisse bietet.
Die Studie, die von Auroop Ganguly und Kollegen vom Oak Ridge National Laboratory initiiert wurde, gibt keine Hinweise auf gleichmäßig zunehmende Trends bei extremen Niederschlagsmengen im Durchschnitt über die gesamte indische Region. Es wird jedoch eine stetige und signifikante Zunahme der räumlichen Variabilität der Niederschlagsextreme in der Region festgestellt.
Diese in Nature Climate Change veröffentlichten Ergebnisse stehen im Widerspruch zu Ergebnissen früherer Arbeiten zu diesem Thema. Die neue Studie verwendet statistische Methoden, die explizit für die Modellierung von Extremwerten und damit verbundenen Unsicherheiten entwickelt wurden.
"Unsere Forschung legt nahe, dass man sich der unterschiedlichen Charakterisierungen von Extremen bewusst sein muss und dass diese Charakterisierungen sowohl Interpretierbarkeit als auch statistische Strenge erfordern", sagte Ganguly, jetzt Fakultätsmitglied an der Northeastern University in Boston.
Darüber hinaus ist es sinnvoll, neben globalen Problemen auch lokale und regionale Treiber wie Urbanisierung und Entwaldung zu betrachten. Obwohl sich diese Studie auf die Niederschlagsvariabilität in Indien konzentrierte, kann die gleiche Methodik auf jede Region der Welt angewendet werden, sagte Ganguly.
Ganguly und Co-Autoren Subimal Ghosh (Indian Institute of Technology Bombay, Debasish Das (Temple University) und Shih-Chieh Kao (ORNL) verwendeten ihre statistischen Methoden, um Daten von 1.803 Stationen von 1951 bis 2003 zu analysieren. Diese Informationen wurden vom India Meteorological Department in 1-mal-1-Grad-Rastern bereitgestellt.
Das Forschungsteam stellte fest, dass statistische Beobachtungen im Vergleich zur aktuellen Generation von physikbasierten Rechenmodellen ergänzende Erkenntnisse bieten. Dies ist insbesondere dann der Fall, wenn das Ziel darin besteht, die Klima- und Niederschlagsvariabilität auf lokaler bis regionaler Ebene zu verstehen.
Das Verständnis von klimamodellsimulierten Trends von Niederschlagsextremen und die Entwicklung von Metriken, die für Entscheidungen über Wasserressourcen relevant sind, standen im Mittelpunkt eines Papiers, das Anfang dieses Jahres im Journal of Geophysical Research veröffentlicht wurde. In diesem Artikel zeigten Ganguly und Co-Autor Kao, dass Modelle zwar relativ glaubwürdige Vorhersagen über Niederschlagsextreme auf aggregierten räumlichen Skalen liefern, die Unsicherheit jedoch auf lokalisierten räumlichen Skalen erheblich zuzunehmen beginnt – insbesondere über den tropischen Regionen.
"Auch wenn Modelle mit höherer Auflösung versuchen, ein Stadium zu erreichen, in dem räumlich explizite Erkenntnisse generiert werden können, können die aus Beobachtungen in dieser Studie gewonnenen Erkenntnisse als Methoden für die Modelldiagnostik verwendet werden und dazu beitragen, wissenschaftliche Lücken zu schließen “, sagte Cao.
Ganguly merkte an, dass die Abhandlung über den Klimawandel mit dem Titel „Mangel an einheitlichen Trends, aber zunehmender räumlicher Variabilität bei beobachteten Regenextremen in Indien“das Ergebnis einer Teamarbeit mit Forschern aus verschiedenen Disziplinen ist. Ghosh, der Erstautor, ist Hydroklimawissenschaftler und Bauingenieur; Das ist ein Doktorand in Informatik und Data Mining; Kao ist ein Statistiker, der sich auf die Analyse der Wasserverfügbarkeit und Hochwasserhäufigkeit spezialisiert hat; und Ganguly, ein Bauingenieur, ist auf Klimaextreme und Wassernachh altigkeit sowie Datenwissenschaften für komplexe Systeme spezialisiert.
Dieses Forschungskonzept wurde initiiert, als alle Autoren mit Ganguly am ORNL zusammenarbeiteten, und wurde durch das Laboratory Directed Research and Development-Programm finanziert. Das Expeditions in Computing-Programm der National Science Foundation und das indische Ministerium für Wissenschaft und Technologie stellten ebenfalls Mittel bereit.
