是的,当然更好的输入数据可以带来更好的模型精度,但前提是模型的概念化接近。气候模型的许多问题的误解,我想强调以下:

)大多数气候模型的隐含精密输出是荒谬的,所以需要很长,困难和怀疑看数据与现实的误差范围。

b)缩小模型倾向于给精度高的印象。在大多数情况下,这是虚幻的。

c)一半网格尺寸和你需要的4倍输入数据。在现实中通常没有那么多的高质量数据,即使有(原则上),通常没有人力能力处理它。

d)减少网格的大小,你必须更加关注概念化。例如,地形学的影响在降雨,地面水达到比,和小气候因素变得越来越重要。

以我的经验的工作在东非AOGCM输出,我发现小网格只突出了当地气候差异模型和以证据为基础的辅助数据。即使有较小的网格,该模型完全不能捕获meso-climatic影响大型湖泊,或陡峭的气候梯度的规模约100公里。信息是明确的。全球气候模型非常适合一般气候趋势,降水趋势的可疑,完全是误导对于大多数小规模气候趋势分析。我担心的是,GCM用户的主要类别之一,水资源分析师,似乎还没有一个清晰的把握GCM的局限性。在治疗有危险气候计算机模型作为一个“神奇的黑盒”。在网格有固有危险实际上(一个可用的数据主要误差的来源!)当你选择一个更精细的网格大小,总是密切关注hind-cast输出之间的差异和实际气候数据的传播在地上。

是的,当然更好的输入数据可以带来更好的模型精度,但前提是模型的概念化接近。气候模型的许多问题的误解,我想强调以下:

)大多数气候模型的隐含精密输出是荒谬的,所以需要很长,困难和怀疑看数据与现实的误差范围。

b)缩小模型倾向于给精度高的印象。在大多数情况下,这是虚幻的。

c)减半网格尺寸和你需要的4倍输入数据。在现实中通常没有那么多的高质量数据,即使有(原则上),通常没有人力能力处理它。

d)减少网格的大小,你必须更加关注概念化。例如,地形学的影响在降雨,地面水达到比,和小气候因素变得越来越重要。

以我的经验的工作在东非AOGCM输出,我发现小网格只突出了当地气候差异模型和以证据为基础的辅助数据。即使有较小的网格,该模型完全不能捕获meso-climatic影响大型湖泊,或陡峭的气候梯度的规模约100公里。信息是明确的:全球气候模型非常适合一般气候趋势,降水趋势的可疑,完全是误导对于大多数小规模气候趋势分析。我担心的是,GCM用户的主要类别之一,水资源分析师,似乎还没有一个清晰的把握GCM的局限性。在治疗有危险气候计算机模型作为一个“神奇的黑盒”。在网格有固有危险实际上(一个可用的数据主要误差的来源!)当你选择一个更精细的网格大小,总是密切关注hind-cast输出之间的差异和实际气候数据的传播在地上。