Publication: Local rainfall modelling based on global climate information: a data-based approach
Loading...
Date
2020
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Modelling climate is complex due to multi-scale interactions and strong nonlinearities. However, climate signals are typically quasi-periodical and are likely to depend on exogenous-variables. Motivated by this insight, we propose a strategy to circumvent modelling complexity based on the following ideas. 1) The observed signals can be decomposed into non-stationary trends and quasi-periodicities through Dynamic-Harmonic-Regressions (DHR). 2) The main-frequencies and decomposed signals can be used for constructing a harmonic model with varying parameters depending on exogenous-variables. 3) The State-Dependent-Parameter (SDP) technique allows for the dynamical estimation of these parameters. The resulting DHR-SDP combined approach is applied to rainfall- monthly modelling, using global-climate signals as exogenous-variables. As a result, 1) the model yields better predictions than standard alternative techniques; 2) the model is robust regarding data limitations and useful for several-steps-ahead forecasting; 3) interesting relations between global-climate states and the local rainfall’s sea- sonality are obtained from the SDP estimated functions.
Description
Modelar el clima es complejo debido a las interacciones de múltiples escalas y las fuertes no linealidades. Sin embargo, las señales climáticas suelen ser cuasi periódicas y es probable que dependan de variables exógenas. Motivados por esta idea, proponemos una estrategia para eludir la complejidad del modelado basada en las siguientes ideas. 1) Las señales observadas se pueden descomponer en tendencias no estacionarias y cuasi-periodicidades a través de Regresiones Dinámicas-Armónicas (DHR). 2) Las frecuencias principales y las señales descompuestas se pueden utilizar para construir un modelo armónico con parámetros variables según las variables exógenas. 3) La técnica de parámetros dependientes del estado (SDP) permite la estimación dinámica de estos parámetros. El enfoque combinado DHR-SDP resultante se aplica al modelado de lluvia mensual, utilizando señales climáticas globales como variables exógenas. Como resultado, 1) el modelo produce mejores predicciones que las técnicas alternativas estándar; 2) el modelo es sólido con respecto a las limitaciones de los datos y útil para la previsión de varios pasos por delante; 3) Se obtienen relaciones interesantes entre los estados climáticos globales y la estacionalidad de la precipitación local a partir de las funciones estimadas del SDP.
Keywords
Dynamic harmonic regressions, State dependent parameters, Monthly rainfall, Trends, Quasi periodicities