Sensitivity of seasonal precipitation extremes to model configuration of the Canadian Regional Climate Model over eastern Canada using historical simulations
Notice bibliographique
Résumé
This study analyzes the uncertainty of seasonal (winter and summer) precipitation extremes as simulated by a recent version of the Canadian Regional Climate Model (CRCM) using 16 simulations (1961–1990), considering four sources of uncertainty from: (a) the domain size, (b) the driving Atmosphere–Ocean Global Climate Models (AOGCM), (c) the ensemble member for a given AOGCM and (d) the internal variability of the CRCM. These 16 simulations are driven by 2 AOGCMs (i.e. CGCM3, members 4 and 5, and ECHAM5, members 1 and 2), and one set of re-analysis products (i.e. ERA40), using two domain sizes (AMNO, covering all North America and QC, a smaller domain centred over the Province of Québec). In addition to the mean seasonal precipitation, three seasonal indices are used to characterize different types of variability and extremes of precipitation: the number of wet days, the maximum number of consecutive dry days, and the 95th percentile of daily precipitation. Results show that largest source of uncertainty in summer comes from the AOGCM selection and the choice of domain size, followed by the choice of the member for a given AOGCM. In winter, the choice of the member becomes more important than the choice of the domain size. Simulated variance sensitivity is greater in winter than in summer, highlighting the importance of the large-scale circulation from the boundary conditions. The study confirms a higher uncertainty in the simulated heavy rainfall than the one in the mean precipitation, with some regions along the Great Lakes—St-Lawrence Valley exhibiting a systematic higher uncertainty value.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».