Improving the Representation of Historical Climate Precipitation Indices Using Optimal Interpolation Methods

Alexis Pérez Bello, Alain Mailhot
2020 ATMOSPHERE-OCEAN  
Defining a reference climate for precipitation is an important requirement in the development of climate change scenarios to support climate adaptation strategies. It is also important for many hydrological and water resource applications. This, however, remains a challenge in regions that are poorly covered by meteorological stations, such as northern Canada or mountainous regions. Reanalyses may represent an interesting option to define a reference climate in such regions. However, these need
more » ... However, these need to be validated and corrected for bias before they can be used. In this paper, two data assimilation methods, Optimal Interpolation (OI) and Ensemble Optimal interpolation (EnOI), were used to combine four reanalysis datasets with observations in order to improve the representation of various precipitation indices across Canada. A total of 986 meteorological stations with minimally 20-year precipitation records over the 30-year reference period were used. Annual values of ten Climate Precipitations Indices (CPIs) were estimated for each available dataset and were then combined (reanalysis plus observations) using OI and EnOI. A cross-validation strategy was finally applied to assess the relative performance of these datasets. Results suggest that combining reanalysis and observations through OI or EnOI improves CPI estimates at sites where no recorded precipitation is available. The EnOI dataset outperformed OI applied to each reanalysis independently. An evaluation of the gridded interpolated observational dataset from Natural Resources Canada showed it should be used with considerable caution for extreme CPIs because it can underestimate annual maximum 1-day precipitation, as well as overestimate the annual number of wet days. RÉSUMÉ [Traduit par la rédaction] La définition d'un climat de référence pour les précipitations est un élément important dans l'élaboration de scénarios de changements climatiques sur lesquels s'appuieront les stratégies d'adaptation à de tels changements. Cette référence est également importante pour de nombreuses applications en hydrologie et en gestion des eaux. Cependant, la référence est difficile à établir dans des régions où la couverture des stations météorologiques est lacunaire, comme dans le nord du Canada ou dans les régions montagneuses. Les réanalyses semblent être une option intéressante pour y parvenir. Elles doivent toutefois être validées et corrigées des biais avant de pouvoir être utilisées. Dans cet article, deux méthodes d'assimilation de données, l'interpolation optimale (IO) et l'interpolation optimale d'ensemble (IOE), ont servi à combiner quatre jeux de données de réanalyses avec observations afin d'améliorer la représentation de divers indices de précipitations au Canada. Au total, 986 stations météorologiques ayant des relevés de précipitations couvrant au moins 20 des 30 années de la période de référence ont été utilisées. Les valeurs annuelles de dix indices de précipitations ont été estimées pour chaque jeu de données disponibles puis combinées (réanalyses plus observations) par IO et IOE. Enfin, une stratégie de validation croisée a été appliquée pour évaluer la performance de chacun des jeux de données en question. Selon les résultats, la combinaison de réanalyses et d'observations par IO ou IOE améliore les estimations d'indices de précipitations des sites où les précipitations ne sont pas enregistrées. Le jeu de données de l'IOE a surpassé l'IO appliquée à chaque réanalyse séparément. Une évaluation du jeu de données d'observation interpolées aux points de grille de Ressources naturelles Canada montre qu'il doit être utilisé avec circonspection en ce qui a trait aux indices de précipitations extrêmes, car les valeurs annuelles de précipitations maximales en un jour peuvent être sous-estimées et le nombre de jours de pluie par année surestimé.
doi:10.1080/07055900.2020.1800444 fatcat:4ebezsemcbhgxofnttsb2dwxwe