Phương pháp hồi quy N–PLS như một công cụ giảm quy mô thực nghiệm trong các nghiên cứu về biến đổi khí hậu

Kỹ thuật hồi quy N–PLS đã được thử nghiệm như một phương pháp giảm quy mô thực nghiệm. Dữ liệu nhiệt độ không khí gần mặt đất trung bình hàng tháng (t), độ ẩm cụ thể (q), và áp suất tại mực nước biển (p) trên khắp Trung và Tây Âu được sử dụng làm các yếu tố dự đoán cho nhiệt độ không khí trung bình hàng tháng (T), nhiệt độ điểm sương (D), và lượng mưa (P) tại 4 địa điểm ở Slovenia. Các mô hình giảm quy mô thực nghiệm (EM) được phát triển bằng cách sử dụng dữ liệu dự đoán từ kho lưu trữ ARSO và dữ liệu dự đoán từ dự án phân tích lại NCEP/NCAR, cho giai đoạn 1951–2002, riêng biệt cho từng tháng. Khi sử dụng sự kết hợp của t và p làm các yếu tố dự đoán, EM cho T giải thích từ 73% đến 95% biến động của biến dự đoán, cho D từ 74% đến 97% biến động của biến dự đoán, và cho P từ 31% đến 76% biến động của biến dự đoán. Việc sử dụng q như một yếu tố dự đoán bổ sung không cải thiện đáng kể chất lượng của EM. Các EM được phát triển bằng cách sử dụng p và t làm các yếu tố dự đoán đã được áp dụng cho kết quả của 5 mô hình tuần hoàn chung (GCM): CSIRO/Mk2, CCC/CGCM2, UKMO/HadCM3, DOE-NCAR/PCM, và MPI-DMI/ECHAM4-OPYC3. Chỉ những mô phỏng dựa trên các kịch bản phát thải SRES A2 và B2 được xem xét trong các tính toán của chúng tôi. Các giá trị trung bình hàng tháng có sẵn của các yếu tố dự đoán cho giai đoạn 1951–2100 đã được sử dụng. Tất cả các dự báo từ kết quả GCM chỉ ra một sự gia tăng trong T và D và giảm trong P trong thế kỷ 21 tại cả 4 địa điểm. Phạm vi thay đổi được kỳ vọng trong T, D, và P là rộng do phản ứng khác nhau của các GCM đối với những thay đổi giống nhau trong thành phần khí quyển, và đại diện cho một nguồn bất định trong kết quả giảm quy mô thực nghiệm. Một nguồn bất định quan trọng khác trong các nghiên cứu giảm quy mô thực nghiệm, đặc biệt khi sử dụng các yếu tố dự đoán phụ thuộc vào nhiệt độ, là vấn đề ngoại suy. Bằng cách sử dụng phương pháp toán học phù hợp cho sự phát triển EM, chúng tôi chỉ giảm một phần bất định liên quan đến chất lượng của các mô hình thực nghiệm mà cũng phụ thuộc mạnh vào chất lượng của dữ liệu đầu vào và lựa chọn yếu tố dự đoán. Hồi quy N–PLS dường như là một lựa chọn phương pháp toán học phù hợp, vì việc lựa chọn các đặc trưng từ một số lượng lớn các chuỗi thời gian yếu tố dự đoán không độc lập với biến dự đoán. Cuối cùng, bất kỳ nghiên cứu về biến đổi khí hậu và tác động trong tương lai nào cũng bị ảnh hưởng bởi nhiều bất định khác mà chúng ta phải hoàn toàn nhận thức được, khi diễn giải kết quả của chúng.