Dữ liệu tái phân tích được sử dụng rộng rãi để xây dựng các mô hình biến dự báo–biến được dự báo, sau đó được dùng để thu nhỏ quy mô dữ liệu mô hình hoàn lưu chung (GCM) lưới thô xuống quy mô địa phương. Tuy nhiên, sự biến thiên lớn trong sản phẩm thu nhỏ quy mô khi sử dụng các GCM khác nhau vẫn là một thách thức lớn. Mục tiêu đầu tiên của nghiên cứu này là đánh giá hiệu suất của dữ liệu tái phân tích trong việc thu nhỏ quy mô lượng mưa bằng các GCM khác nhau. Sai lệch cao trong lượng mưa thu nhỏ quy mô được quan sát thấy khi sử dụng các GCM khác nhau, vì vậy một cách tiếp cận thu nhỏ quy mô khác được đề xuất trong đó dữ liệu lịch sử của GCM được dùng để xây dựng mô hình biến dự báo–biến được dự báo. Cách tiếp cận trước đây được gọi là "Re-Obs" và cách tiếp cận được đề xuất là "GCM-Obs". Cả hai mô hình được đánh giá bằng dẫn xuất toán học và chuỗi tổng hợp được tạo ra. Sai lệch liên phương thức trong lượng mưa thu nhỏ quy mô của các GCM khác nhau sử dụng mô hình Re-Obs và GCM-Obs cũng được kiểm tra. Dữ liệu Dự án So sánh Mô hình Ghép nối-5 (CMIP5) của mười GCM khác nhau được sử dụng để thu nhỏ quy mô lượng mưa ở các vùng đô thị hóa, nông thôn và rừng khác nhau trong lưu vực sông Ganga. Các thước đo khác nhau được sử dụng để biểu thị hiệu suất tương đối của một cách tiếp cận thu nhỏ quy mô so với cách tiếp cận khác về mức độ gần gũi của lượng mưa thu nhỏ quy mô với lượng mưa quan sát và giảm sai lệch khi sử dụng các GCM khác nhau. Tác động của độ phân giải không gian GCM trong thu nhỏ quy mô cũng được kiểm tra. Hiệu suất mô hình, sự hội tụ và điểm kỹ năng được tính toán để đánh giá khả năng của mô hình GCM-Obs và Re-Obs. Mô hình GCM-Obs được đề xuất được phát hiện là tốt hơn mô hình Re-Obs trong việc thu nhỏ quy mô thống kê GCM. Nhận thấy rằng mô hình GCM-Obs có khả năng giảm sai lệch GCM-Quan sát và GCM-GCM trong lượng mưa thu nhỏ quy mô tại lưu vực sông Ganga.