摘要：从气候模型中量化风能潜力的不确定性是一项耗时的任务，需要大量的计算资源。统计模型在一小组运行中进行训练，可以作为原始气候模型的随机近似，并且可以比使用原始气候模型进行额外运行更快地评估不确定性。虽然高斯模型已被广泛用作近似气候模拟的手段，但高斯假设不适用于政策相关（即亚年度）时间尺度的风。我们提出了月风速的跨高斯模型，该模型依赖于带有Tukey的自回归结构克-和-小时transformation是一个灵活的新类，可以分别建模偏度和尾部行为。这种时间结构被集成到一个多步骤谱框架中，该框架可以解释陆地/海洋边界以及山脉之间的全球非平稳性。推理是通过平衡内存存储和分布式计算来实现的，这是一个2.2亿点的大数据集。一旦统计该模型只需运行五次，就可以在一台简单的笔记本电脑上快速高效地生成代理。此外，它提供的不确定性评估与从所有可用气候模拟（40）中获得的月度不确定性评估非常接近。

关键词和短语：大数据、非平稳性、时空协方差模型、球体、随机生成器、，Tukey公司克-和-小时自回归模型，风能。