Dynamical Downscaling over the Gulf of St. Lawrence using the Canadian Regional Climate Model
Notice bibliographique
Résumé
This study explores the problem of dynamical downscaling global climate model (GCM) simulations to finer resolution and compares the results with present climate reanalysis data. We use the Canadian Regional Climate Model (CRCM) to dynamically downscale outputs from the third generation Coupled Global Climate Model (CGCM3) for the Gulf of St. Lawrence and related coastal areas. The integration was performed for the 1970–99 tri-decadal period. Three methodologies were used: (DM-1) sea surface temperature (SST) fields and other fields from CGCM3 were used as drivers of the CRCM, (DM-2) CGCM3 SSTs were adjusted based on North American Regional Reanalysis (NARR) data to correct SST climate biases over the ocean, and (DM-3) CGCM3 SSTs were adjusted based on NARR data (as in (DM-2)) and longwave radiation was adjusted to remove biases in the CRCM's land surface temperature. The DM-1 methodology, using SSTs from CGCM3, gives surface temperature estimates that are too cold in summer and too warm in winter and underestimates 10 m winds in the summer. By comparison, the DM-2 and DM-3 methodologies produce more accurate estimates of marine winds and surface air temperature compared to the CGCM3 results, particularly in coastal areas. Differences among these methodologies are relatively minor at upper levels of the atmosphere. RÉSUMÉ [Traduit par la rédaction] Cette étude explore le problème de la réduction d’échelle dynamique des simulations du modèle climatique du globe (GCM) à de plus fines résolutions et compare les résultats aux données réanalysées du climat présent. Nous utilisons le modèle régional canadien du climat (CRCM) pour réduire dynamiquement l’échelle des sorties du modèle couplé climatique du globe (CGCM3) pour le golfe du Saint-Laurent et les régions côtières avoisinantes. Nous avons effectué l'intégration pour les trois décennies de la période 1970–1999. Nous avons utilisé trois méthodologies : (DM-1) nous avons utilisé les champs de température de la surface de la mer et d'autres champs du CGCM3 pour piloter le CRCM; (DM-2) nous avons ajusté les températures de surface de la mer du CGCM3 en fonction des données NARR (North American Regional Reanalysis) pour corriger les biais climatiques au-dessus de l'océan; et (DM-3) nous avons ajusté les températures de surface de la mer du CGCM3 en fonction des données NARR — comme dans (DM-2) — et nous avons ajusté le rayonnement de grandes longueurs d'onde pour enlever les biais dans les températures de surface de la terre du CRCM. La méthodologie DM-1, qui utilise les températures de surface de la mer du CGCM3, donne des estimations de température de surface qui sont trop basses en été et trop élevées en hiver et sous-estime le vent à 10 m en été. Par contre, les méthodologies DM-2 et DM-3 produisent des estimations plus précises des vents marins et des températures de l'air en surface par comparaison aux résultats du CGCM3, en particulier dans les régions côtières. Les différences entre ces méthodologies sont relativement faibles dans les niveaux supérieurs de l'atmosphère.
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 | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».