Lapse Rate Adjustments of Gridded Surface Temperature Normals in an Area of Complex Terrain: Atmospheric Reanalysis versus Statistical Up-Sampling
Notice bibliographique
Résumé
The applicability of elevation-regression based interpolation methods for long-term temperature normals, for example the Parameter-elevation Regressions on Independent Slopes Model (PRISM), becomes increasingly limited in data sparse, complex terrain such as that found in mountainous British Columbia (BC), Canada.Recent methods to improve both the resolution and accuracy of interpolation models have focused on the development of "up-sampling" algorithms based on local lapse rate adjustments to the original interpolated surfaces.Lapse rates can be derived from statistical models (e.g., elevation-based polynomial regression equations) or dynamical models (e.g., vertical temperature profiles from numerical weather prediction (NWP) models).This study compares a widely used statistical up-sampling algorithm, ClimateBC, with two NWP reanalysis products, the National Centers for Environmental Prediction/National Corporation for Atmospheric Research, Reanalysis 1 (NCEP1) and the more modern European Centre for Medium-range Weather Forecasts (ECMWF) Reanalysis Interim (ERA-Interim).Thirty-year climate normals for maximum and minimum temperatures were calculated using statistical up-sampling and NWP lapse rate adjustments to existing PRISM-based climate normals at a subset of stations in BC.Specifically, up-sampling model evaluation was performed using 1951-80 climate normals from an independent set of 54 surface stations (1 m to 2347 m) which were not included in the PRISM interpolation or assimilated into the NWP reanalysis products.All models performed similarly for minimum temperature, which showed only a slight improvement over PRISM.For maximum temperature, ClimateBC, NCEP1 and ERA-Interim all performed significantly better than PRISM, in particular during spring and summer.The ERA-Interim reanalysis outperformed NCEP1 in almost all months.The results suggest that lapse rate adjustment algorithms based on reanalysis products will have greater potential as progress continues on developing NWP components.RSUM [Traduit par la rdaction] L'application des techniques d'interpolation par rgression en fonction de l'altitude pour les normales de temprature long terme, comme le Parameter-elevation Regressions on Independent Slopes Model (PRISM), devient trs difficile dans les rgions accidentes pour lesquelles on dispose de donnes insuffisantes, par exemple les secteurs montagneux de la Colombie-Britannique (C.-B.) au Canada.Les toutes dernires mthodes destines augmenter le degr de rsolution des modles d'interpolation et leur prcision reposent sur la conception d'algorithmes d'chantillonnage vertical fonds sur l'ajustement des surfaces interpoles originales au moyen du gradient vertical local.Nous pouvons tablir les gradients verticaux partir de modles statistiques (p.ex., des quations de rgression polynomiales en fonction de l'altitude) ou de modles dynamiques (p.ex., des profils verticaux de temprature partir de modles de prvision numrique du temps (PNT)).Dans la prsente tude, nous comparons un algorithme d'chantillonnage vertical statistique communment utilis, le programme ClimateBC, deux produits de ranalyse de PNT, celle des National Centres for Environmental Prediction/National Corporation for Atmospheric Research Reanalysis 1 (NCEP1), et la ranalyse provisoire (ERA-Interim) du Centre europen pour les prvisions mtorologiques moyen terme (ECMWF).Les normales climatiques de trente ans pour les tempratures maximums et minimums ont t calcules en appliquant la mthode d'chantillonnage vertical statistique et l'ajustement du gradient obtenu par PNT aux normales climatiques tablies partir du PRISM pour un sous-ensemble de stations en Colombie-Britannique. Plus particulirement, nous avons procd l'valuation du modle d'chantillonnage vertical en nous servant des normales climatiques , pour un ensemble de 54 stations d'observation en surface indpendantes (1 m 2347 m), exclues du modle d'interpolation PRISM et des produits de ranalyse de PNT.Pour tous les modles, nous avons obtenu des rsultats comparables pour la temprature minimum, soit une lgre amlioration seulement par rapport au PRISM.Pour la temprature maximum, nous avons obtenu avec ClimateBC, NCEP1 et ERA-Interim, des rsultats nettement plus probants qu'avec PRISM, notamment au
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».