Evaluación de un modelo BCC-CPSv3-S2Sv2 para la predicción mensual de precipitaciones extremas de verano en la cuenca del río Amarillo
Autores: Li, Zhe; Xia, Zhongyuan; Ke, Jiaying
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Evaluación de un modelo BCC-CPSv3-S2Sv2 para la predicción mensual de precipitaciones extremas de verano en la cuenca del río Amarillo
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Rendimiento
Precipitación extrema
Modelo BCC-CPSv3-S2Sv2
Habilidades de predicción
Sesgos sistemáticos
Cuenca del Río Amarillo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 8
Citaciones: Sin citaciones
El rendimiento de la predicción mensual de precipitaciones extremas del modelo BCC-CPSv3-S2Sv2 sobre la cuenca del río Amarillo (YRB) utilizando datos históricos de retroceso de 2008 a 2022 fue evaluado en este estudio, principalmente desde tres aspectos: rendimiento general en la predicción de tasas diarias de precipitación, sesgos sistemáticos y predicción mensual de métricas de precipitaciones extremas. Los resultados mostraron que el modelo BCC-CPSv3-S2Sv2 demuestra una habilidad predictiva de aproximadamente 10 días para la precipitación diaria de verano sobre la YRB. Las regiones de habilidad relativamente más alta se concentran en la cuenca central, mientras que la degradación de la habilidad es más pronunciada en las áreas aguas abajo en comparación con la cuenca superior. Después de corregir los sesgos sistemáticos del modelo, las habilidades de predicción para métricas relacionadas con la precipitación total superan significativamente a las de los índices de precipitación extrema, y las métricas relacionadas con las cantidades de precipitación demuestran una habilidad relativamente mayor en comparación con las asociadas a los días de precipitación. La precipitación total (TP) y los días de lluvia (RD) exhiben habilidades comparables en junio y julio, con agosto mostrando un rendimiento más débil. Sin embargo, las predicciones a nivel de cuenca dentro de plazos de 10 días siguen siendo prácticamente valiosas para la mayoría de las regiones. Las habilidades de predicción para cantidades de precipitación extrema y días de precipitación extrema comparten patrones espaciotemporales similares, con regiones de alta habilidad desplazándose progresivamente de sur a norte de junio a agosto. Las habilidades significativas para junio-julio están restringidas dentro de plazos de 10 días, mientras que las habilidades de agosto rara vez superan 1 semana. Un análisis adicional revela que la capacidad predictiva del modelo proviene predominantemente de años de precipitación normal o por debajo de lo normal, mientras que la predicción precisa de años extremadamente húmedos sigue siendo un desafío crítico, lo que resalta las limitaciones en la captura de los mecanismos que rigen los eventos de precipitación excepcionales.
Descripción
El rendimiento de la predicción mensual de precipitaciones extremas del modelo BCC-CPSv3-S2Sv2 sobre la cuenca del río Amarillo (YRB) utilizando datos históricos de retroceso de 2008 a 2022 fue evaluado en este estudio, principalmente desde tres aspectos: rendimiento general en la predicción de tasas diarias de precipitación, sesgos sistemáticos y predicción mensual de métricas de precipitaciones extremas. Los resultados mostraron que el modelo BCC-CPSv3-S2Sv2 demuestra una habilidad predictiva de aproximadamente 10 días para la precipitación diaria de verano sobre la YRB. Las regiones de habilidad relativamente más alta se concentran en la cuenca central, mientras que la degradación de la habilidad es más pronunciada en las áreas aguas abajo en comparación con la cuenca superior. Después de corregir los sesgos sistemáticos del modelo, las habilidades de predicción para métricas relacionadas con la precipitación total superan significativamente a las de los índices de precipitación extrema, y las métricas relacionadas con las cantidades de precipitación demuestran una habilidad relativamente mayor en comparación con las asociadas a los días de precipitación. La precipitación total (TP) y los días de lluvia (RD) exhiben habilidades comparables en junio y julio, con agosto mostrando un rendimiento más débil. Sin embargo, las predicciones a nivel de cuenca dentro de plazos de 10 días siguen siendo prácticamente valiosas para la mayoría de las regiones. Las habilidades de predicción para cantidades de precipitación extrema y días de precipitación extrema comparten patrones espaciotemporales similares, con regiones de alta habilidad desplazándose progresivamente de sur a norte de junio a agosto. Las habilidades significativas para junio-julio están restringidas dentro de plazos de 10 días, mientras que las habilidades de agosto rara vez superan 1 semana. Un análisis adicional revela que la capacidad predictiva del modelo proviene predominantemente de años de precipitación normal o por debajo de lo normal, mientras que la predicción precisa de años extremadamente húmedos sigue siendo un desafío crítico, lo que resalta las limitaciones en la captura de los mecanismos que rigen los eventos de precipitación excepcionales.