MétaCan
Menu
Retour à la cohorte
Enregistrement W2095338876 · doi:10.1007/s00382-012-1649-9

Can added value be expected in RCM-simulated large scales?

2013· article· en· W2095338876 sur OpenAlex
Emilia Paula Diaconescu, René Laprise

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueClimate Dynamics · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMinistère du Développement Économique, de l’Innovation et de l’ExportationUniversité du Québec à Montréal
Mots-clésDownscalingClimatologyClimate modelEnvironmental scienceComputer scienceMeteorologyPrecipitationClimate changeGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Nested Limited-Area Models require driving data to define their lateral boundary conditions (LBC). The optimal choice of domain size and the repercussions of LBC errors on Regional Climate Model (RCM) simulations are important issues in dynamical downscaling work. The main objective of this paper is to investigate the effect of domain size, particularly on the larger scales, and to question whether an RCM, when run over very large domains, can actually improve the large scales compared to those of the driving data. This study is performed with a detailed atmospheric model in its global and regional configurations, using the “Imperfect Big-Brother” (IBB) protocol. The ERA-Interim reanalyses and five global simulations are used to drive RCM simulations for five winter seasons, on four domain sizes centred over the North American continent. Three variables are investigated: precipitation, specific humidity and zonal wind component. The results following the IBB protocol show that, when an RCM is driven by perfect LBC, its skill at reproducing the large scales decreases with increasing the domain of integration, but the errors remain small even for very large domains. On the other hand, when driven by LBC that contain errors, RCMs can bring some reduction of errors in large scales when very large domains are used. The improvement is found especially in the amplitude of patterns of both the stationary and the intra-seasonal transient components. When large errors are present in the LBC, however, these are only partly corrected by the RCM. Although results showed that an RCM can have some skill at improving imperfect large scales supplied as driving LBC, the main added value of an RCM is provided by its small scales and its skill to simulate extreme events, particularly for precipitation. Under the IBB protocol all RCM simulations were fairly skilful at reproducing small scales statistics, although the skill decreased with increasing LBC errors. Coarse-resolution model simulations have difficulties in simulating heavy precipitation events, and as a result their precipitation distributions are systematically shifted toward smaller intensity. Under the IBB protocol, all RCM simulations have distributions very similar to the reference field, being little affected by LBC errors, and no significant differences were found between the small scales statistics and the precipitation distributions obtained over different RCM domains.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,741
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,232
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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