快速统计-物理对抗下采样揭示孟加拉国气候变暖下的降雨风险
大气与海洋物理
2024-08-22 v1
摘要
在气候变化最为脆弱的孟加拉国，准确量化极端天气事件的风险对于制定有效的适应与减缓策略至关重要。将粗糙气候模型投影下采样到更细的分辨率，是提升风险与不确定性评估的关键。本文开发了一种新方法，通过融合统计学、物理学与机器学习进行降雨下采样，并应用于评估孟加拉国的极端降雨风险。该方法成功捕捉到了当下气候下极端降雨的观测空间格局与风险。它还通过快速下采样多个未来情景模型，提供不确定性估计。我们的分析表明，中期（2050 年左右）孟加拉国整体的极端降雨风险将持续上升，北东部风险最高。日最大降雨量在 100 年回归期间预计将增加约 50 毫米/天。然而，多模型投影也表明该风险存在显著不确定性。
引用
@article{arxiv.2408.11790,
title = {Rapid Statistical-Physical Adversarial Downscaling Reveals Bangladesh's Rising Rainfall Risk in a Warming Climate},
author = {Anamitra Saha and Sai Ravela},
journal= {arXiv preprint arXiv:2408.11790},
year = {2024}
}