Características principales

El portal permite a los usuarios enviar proyecciones regionales climáticas para su validación. Para ello, utiliza un paquete de R que calcula diferentes índices de validación específicos para este tipo de proyecciones. El Grupo de Meteorología de Santander desarrolló este paquete con la colaboración de Predictia recopilando para ello diferentes funciones de validación proporcionadas por las instituciones participantes en el proyecto.
La administración del portal puede definir una serie de experimentos (con diferentes periodos de validación, variables meteorológicas o conjuntos de estaciones). En función del experimento y del tipo de proyección (estocástica/determinista), se calcularán unos índices de validación u otros.
Por otra parte, el portal permite a quien lo use proporcionar una descripción detallada y estructurada de las características del método de reducción de escala utilizado.

Índices de validación

El portal calcula una gran cantidad de índices de validación estándar como los siguientes: media, varianza, asimetría, Cramer van Mises, ACF lag 1,2,3, percentil 98, valor de retorno a 20 años (colas izquierda/derecha), valor de retorno a 20 estaciones (colas izquierda/derecha), número de días por encima de XX°C, número de días por debajo de XX°, etc.

Cálculo de índices

Para algunos experimentos y proyecciones el cálculo de los índices puede ser muy costoso en términos computacionales. Es el caso de los métodos estocásticos (en el proyecto se ha establecido un estándar de 100 realizaciones) donde las proyecciones de un solo usuario suponen varios cientos de MB de información y muchos minutos de cómputo.
Para llevar a cabo estas validaciones, el portal emplea un sistema de colas que envía los trabajos a diferentes instancias de R utilizando para ello Rserve.

Análisis de resultados

El portal permite la exploración visual de los resultados mediante tablas y mapas. En ellos, es posible un análisis de los índices de forma simultánea en función de varias variables como la estación del año.
Por otra parte, permite también la exportación de los resultados para su análisis con herramientas externas como R.

Publicaciones

• Maraun, D, Widmann, M, Gutiérrez, JM. Statistical downscaling skill under present climate conditions: A synthesis of the VALUE perfect predictor experiment. Int J Climatol. 2019; 39: 3692– 3703. https://doi.org/10.1002/joc.5877
• Gutiérrez, JM, Maraun, D, Widmann, M, et al. An intercomparison of a large ensemble of statistical downscaling methods over Europe: Results from the VALUE perfect predictor cross‐validation experiment. Int. J. Climatol. 2019; 39: 3750– 3785. https://doi.org/10.1002/joc.5462
• Maraun, D, Huth, R, Gutiérrez, JM, et al. The VALUE perfect predictor experiment: Evaluation of temporal variability. Int J Climatol. 2019; 39: 3786– 3818. https://doi.org/10.1002/joc.5222
• Widmann, M, Bedia, J, Gutiérrez, JM, et al. Validation of spatial variability in downscaling results from the VALUE perfect predictor experiment. Int J Climatol. 2019; 39: 3819– 3845. https://doi.org/10.1002/joc.6024