Un approccio divide et impera, combinato con un po' di ginnastica matematica, ha aiutato i ricercatori KAUST Ying Sun e Yuxiao Li a elaborare uno schema statistico veloce e flessibile per migliorare l'accuratezza della modellazione del cambiamento climatico.

"Gli statistici cercano di evitare ipotesi irrealistiche per stimare i processi ambientali in modo più accurato, "dice Li, un dottorato di ricerca studente nel gruppo di ricerca di Sun. "La motivazione alla base del nostro studio era quella di migliorare il modo in cui la non stazionarietà spaziale viene spiegata nella modellazione del clima su un'area vasta e geograficamente complessa".

La non stazionarietà si verifica quando le statistiche di un parametro osservato, come la temperatura o le precipitazioni, varia nel tempo o nello spazio. In questo caso, Li e Sun hanno esaminato le statistiche che descrivono come le misurazioni in due luoghi diversi cambiano nello spazio. Comprendere e caratterizzare accuratamente questa covarianza è fondamentale nella previsione del tempo e nella traduzione o riduzione della modellizzazione del clima globale che viene eseguita su scale molto approssimative per essere in grado di prevedere gli effetti locali su scale più fini.

"Possiamo pensare alla covarianza spaziale come al modo in cui le osservazioni sono correlate tra loro nello spazio, o come modelli spaziali, " spiega Li. "Per i dati ambientali, il modello di correlazione spaziale sulla terraferma è diverso da quello sull'oceano. Poiché il modello di correlazione non è esattamente lo stesso ovunque, dobbiamo considerare come rappresentare questa non stazionarietà".

La non stazionarietà è stata affrontata in precedenza da approcci basati sulla convoluzione complessi e computazionalmente intensivi, accoppiato con approssimazioni basate su ipotesi di stazionarietà locale a una dimensione della griglia arbitraria. Sun e Li hanno sviluppato un approccio computazionalmente efficiente che migliora notevolmente l'accuratezza dell'approssimazione.

"La sfida per la modellazione non stazionaria è il compromesso tra accuratezza ed efficienza, " dice Li. "Abbiamo esteso il modello stazionario locale, che è efficiente ma non preciso, ad un modello non stazionario locale linearmente variabile dividendo la regione spaziale e stimando le funzioni di covarianza per ciascuna sottoregione. Questo ci permette di descrivere caratteristiche non stazionarie più complicate, che migliora la precisione pur essendo veloce da calcolare."

I ricercatori si aspettano di migliorare significativamente il ridimensionamento dei modelli climatici attraverso questo approccio, che evita ipotesi non realistiche e può stimare diversi tipi di non stazionarietà spaziale a una scala spaziale più fine. Hanno dimostrato l'efficienza e la migliore accuratezza del loro schema simulando le precipitazioni ad alta risoluzione spaziale su una vasta regione. L'approccio si presta anche all'interpolazione di processi ambientali in luoghi non osservati.

"Poiché il nostro metodo si basa su ipotesi più realistiche, le analisi che utilizzano questo approccio possono aiutare gli scienziati a comprendere meglio il tempo e il clima, "dice Li.