Biasjustering används för att anpassa resultaten från klimatmodeller så att de blir användbara för effektmodellering och beräkning av klimatindikatorer. Klimatmodeller uppvisar nämligen regionala och säsongsbetonade systematiska avvikelser från observerat klimat, vilket leder till problem för effektmodeller som är kalibrerade mot observationer. Biasjusteringen består i grunden av en algoritm som beskriver hur olika värden av till exempel temperatur eller nederbörd justeras för att återskapa en långsiktig statistisk beskrivning av klimatet enligt observationerna. Metoden MIdAS (MultI-scale bias AdjuStment) har tagits fram för biasjustering inom SMHI. En avdelningsöverskridande arbetsgrupp har genom litteraturstudie tagit fram de metoder som ligger närmast en internationell “state-of-the-art” inom biasjustering. Fokus har varit på justering av de huvudsakliga parametrar som används inom SMHI för att producera klimatindikatorer och för effektmodellering inom främst hydrologi. En utvärderingsmetodik har tagits fram för att studera olika metoders resultat för historiska och framtida data, i Sverige och olika regioner i världen. Resultaten av studien visar på att enkla metoder fungerar likvärdigt eller bättre än de mer komplexa metoderna, förutom en större påverkanpå klimatsignalers magnitud i vissa situationer. Implementeringen av MIdASv0.1 är likvärdig och ofta bättre än andra metoder.

Bias adjustment is commonly applied to adjust results from climate models to make them compatible with impact models and for calculations of climate indicators. The issues arise from systematic deviations at regional and seasonal scales in climate model compared to observations. The core of a bias adjustment is an algorithm that transfers the model values toward a reference, often using a distribution of vales.The MIdAS (MultI-scale bias AdjuStment) method has been developed for bias adjustment at SMHI. A literature study was performed by a core group of researchers in different fields within SMHI to define the state-of-the-art in bias adjustment. With a focus on the main disciplines of SMHI (meteorology, hydrology and oceanography) and the parameters involved, a method for evaluation of historical and future performance was designed and applied to regions within Sweden and in several regions around the globe. The evaluation of multiple common bias adjustment methods showed that relatively simple methods perform equally well or even better than more intricate methods, besides a larger impact on the magnitude of climate change signals in some cases. The implementation of MIdASv0.1 performs generally equally and sometimes better than other analysed methods.