Reproducible and Irreproducible Components in Ensemble Simulations with a Regional Climate Model
Notice bibliographique
Résumé
Abstract High-resolution limited-area models (LAMs) have been widely employed to downscale coarse-resolution climate simulations or objective analyses. The growing evidence that LAM climate statistics can be sensitive to initial conditions suggests that a deterministic verification of LAM solutions in terms of finescale atmospheric features might be misguided. In this study a 20-member ensemble of LAM integrations with perturbed initial conditions, driven by NCEP–NCAR reanalyses, is conducted for a summer season over a midlatitude domain. Ensemble simulations allow for the separation of the downscaled information in two parts: a unique, reproducible component associated with lateral-boundary and surface forcing, and an irreproducible component associated with internal variability. The partition in the reproducible and irreproducible components and their seasonal statistics is examined as a function of horizontal length scale, geographical position within the domain, height, and weather episodes during the season. The scale analysis of time-dependent model variables shows that, at scales smaller than a few hundred kilometers, the irreproducible component dominates, on average, the model solution, implying that the downscaled information at these scales is mainly in stochastic form. The constraint exerted by the surface forcing on the internal variability is weak. For seasonal averages, the reproducible component dominates at all scales, although for precipitation the reproducible and irreproducible components are of the same order of magnitude at scales smaller than 150 km. These results imply a need for a probabilistic approach to LAM climate simulations and their verification, especially for shorter integration times, from months to seasons.
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) | 0,000 | 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 ».