Downscaling Spatial Rainfall Field from Global Scale to Local Scale Using Improved Multiplicative Random Cascade Method

Abstract

非等方性を考慮したランダムカスケードモデルを開発し，それを用いてマクロスケールの降雨の空間場からより信頼性の高い詳細スケールの降雨場を生成することを目的とする。これまで，ランダムカスケードモデルを用いたダウンスケーリング手法は，長期間の平均的な降雨の空間パターンの再現には成功しているものの、ある時間の平均空間降雨強度をダウンスケールした結果は，その時間の実際の降雨の空間分布とは必ずしも対応しない。これらの欠点を克服するために，本研究では階層統計的適合ランダムカスケードモデル(Random Cascade Hierarchicaland Statistical Adjustment Method)を新たに提案し，それを用いてGAME 再解析データ(1.25 度空間分解能)を10 分空間分解能にダウンスケールすることを試みた。本手法によって得られた詳細スケールの降雨空間場は，これまでのダウンスケール手法と比べてより現実の降雨場に近く、生成される降雨場はシミュレーションごとに大きくばらつかないことを示した。

Non-homogenous multiplicative random cascade method downscales spatial rainfallfield from a coarse scale into a finer one. Currently, this kind of downscaling is less reliableeven though it correctly produces a long term average spatial pattern. It fails reproducingthe patterns in repeated trials; and there is a higher chance of magnitude fluctuation. Thesedrawbacks are needed to overcome. In this study, a new method, named as random cascadeHierarchical and Statistical Adjustment (HAS) method, is introduced and tested todownscale 1.25 degree GAME Re-analysis data into 10-minute spatial resolution. Theobtained results are highly improved, quite robust and reliable than the previous method.