A statistical approach to downscaling of sub-daily extreme rainfall processes for climate-related impact studies in urban areas
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper presents a spatial-temporal downscaling approach to describe the linkage between large-scale climate variables for daily scale to annual maximum (AM) precipitations for daily and sub-daily scales at a local site. More specifically, the proposed approach is based on a combination of a spatial downscaling method to link large-scale climate variables as provided by General Circulation Model (GCM) simulations with daily extreme precipitations at a local site and a temporal downscaling procedure to describe the relationships between daily extreme precipitations with sub-daily extreme precipitations using the scaling General Extreme Value (GEV) distribution. The feasibility of the proposed downscaling method has been tested based on climate simulation outputs from two GCMs under the A2 scenario (HadCM3A2 and CGCM2A2) and using available AM precipitation data for durations ranging from 5 minutes to 1 day at 15 raingage stations in Quebec (Canada) for the 1961–1990 period. Results of this numerical application has indicated that it is feasible to link large-scale climate predictors for daily scale given by GCM simulation outputs with daily and sub-daily AM precipitations at a local site. Furthermore, it was found that AM precipitations at a local site downscaled from the HadCM3A2 displayed a small change in the future, while those values estimated from the CGCM2A2 indicated a large increasing trend for future periods.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle