Downscaling approach to develop future sub-daily IDF relations for Canberra Airport Region, Australia
Notice bibliographique
Résumé
Abstract. Downscaling of climate projections is the most adopted method to assess the impacts of climate change at regional and local scale. In the last decade, downscaling techniques which provide reasonable improvement to resolution of General Circulation Models' (GCMs) output are developed in notable manner. Most of these techniques are limited to spatial downscaling of GCMs' output and still there is a high demand to develop temporal downscaling approaches. As the main objective of this study, combined approach of spatial and temporal downscaling is developed to improve the resolution of rainfall predicted by GCMs. Canberra airport region is subjected to this study and the applicability of proposed downscaling approach is evaluated for Sydney, Melbourne, Brisbane, Adelaide, Perth and Darwin regions. Statistical Downscaling Model (SDSM) is used to spatial downscaling and numerical model based on scaling invariant concept is used to temporal downscaling of rainfalls. National Centre of Environmental Prediction (NCEP) data is used in SDSM model calibration and validation. Regression based bias correction function is used to improve the accuracy of downscaled annual maximum rainfalls using HadCM3-A2. By analysing the non-central moments of observed rainfalls, single time regime (from 30 min to 24 h) is identified which exist scaling behaviour and it is used to estimate the sub daily extreme rainfall depths from daily downscaled rainfalls. Finally, as the major output of this study, Intensity Duration Frequency (IDF) relations are developed for the future periods of 2020s, 2050s and 2080s in the context of climate change.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».