การลดขนาดแบบจำลอง (Downscaling)

การลดขนาดแบบจำลอง คือการปรับปรุงแบบจำลองสภาพภูมิอากาศโลก(GCMs)ให้มีความแม่นยำต่อสภาพภูมิอากาศของภูมิภาค
การลดขนาดแบบจำลอง (Downscaling) จะประกอบไปด้วย 2 วิธีคือ

• วิธีการทางสถิติ คือ การวิเคราะห์ความสัมพันธ์ระหว่างผลจากการคำนวนจากแบบจำลองกับปัจจัยสภาพอากาศที่เกี่ยวข้องในพื้นที่ตัวอย่างเช่น วิธีการ Principle Component Regression (PCA) Canonical Correlation Analysis (CCA) และArtificial Neural Networks (ANN)
• ข้อดี  คือ มีความสะดวกรวดเร็ว ในการวิเคราะห์ผล
• ข้อเสีย คือ ความสัมพันธ์ระหว่าง ผลการคำนวณและผลการตรวจอากาศใน อนาคตอาจจะไม่ใช่ความสัมพันธ์ที่วิเคราะห์ได้เหมือนในอดีต
• วิธีการทางพลวัต คือ การนำความรู้ทางด้านพลศาสตร์ฟิสิกสของบรรยากาศเพื่อจำลองสภาวะภูมิอากาศแบบเดียวกับที่ใช้ ใน GCMs มาสรางเป็นแบบจำลอง โดยให้บรรยากาศได้มีปฏิสัมพันธ์กับคุณสมบัตทางกายภาพของพื้นศึกษาในเชิงภูมิอากาศ ตัวอย่างเช่น PRECIS MM5 และ RegCM3
• ข้อดี คือ ให้ผลลัพธ์ที่มีความถูกต้อง
• ข้อเสีย คือ ใช้เวลาในการคำนวนค่อนข้างนานโดยเฉพาะการคำนวนที่มีความละเอียดสูง