Statistische vermindering voor de analyse van de impact van klimaatverandering op hydrologische uitersten

Toekomstig klimaat kreeg aandacht door klimaatverandering veroorzaakt door antropogene activiteiten. In deze, Global Climate Models (GCM's) gaven primaire informatie over het bestuderen van watersystemen, maar hun resolutie is grof voor het bestuderen van lokale processen in stroomgebieden van rivieren, daarom hebben we lokale gegevens nodig schaal. Hiervoor zijn twee procedures beschikbaar: Dynamische schaalvergroting en statistische schaalvergroting. Met Dynamical Downscaling worden de regionale klimaatmodellen (RCM's) geproduceerd, maar RCM's ook beperkt in hun resolutie; daarom is statistische schaalverlaging nodig samen met de resultaten van de RCM. RCM's leggen de processen op regionale schaal beter uit, en daarom is het een goede praktijk om te gebruiken ze samen met een schaalvergrotingsmethode voor het bestuderen van rivierstroomgebieden. Niettemin vanwege hun grensvoorwaarden genest op GCM's, het gebruik van RCM's bouwt de onzekerheden meer op dan alleen met behulp van GCM's; om rekening te houden met deze onzekerheden in het onderzoek, worden ensembles van RCM's geadviseerd. Met deze ensembles kunnen we processen in rivierstroomgebieden bestuderen en toch rekening houden met de onzekerheden, we moeten echter beseffen dat deze onzekerheden slechts de onzekerheden van de reactie zijn. Later, door hydrologische modellen met gegevensreeksen van de verkleinde RCM's te forceren, kunnen we de uitersten in een stroomgebied, hetzij hoge of lage uitersten, afhankelijk van de focus van ons onderzoek, dat wil zeggen, overstromingen of droogte.