MétaCan
Menu
Retour à la cohorte
Enregistrement W2106381703 · doi:10.1175/jhm-d-15-0025.1

On the Remapping Procedure of Daily Precipitation Statistics and Indices Used in Regional Climate Model Evaluation

2015· article· en· W2106381703 sur OpenAlexaff
Emilia Paula Diaconescu, Philippe Gachon, René Laprise

Notice bibliographique

RevueJournal of Hydrometeorology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversité du Québec à MontréalEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésDownscalingPrecipitationBenchmark (surveying)GridClimate modelClimatologyClimate changeEnvironmental scienceIndex (typography)Computer scienceMeteorologyField (mathematics)MonsoonSatelliteGeographyMathematicsGeologyCartographyGeodesy

Résumé

récupéré en direct d'OpenAlex

Abstract Gridded estimates of precipitation using both satellite and observational station data are regularly used as reference products in the evaluation of basic climate fields and derived indices as simulated by regional climate models (RCMs) over the current period. One of the issues encountered in RCM evaluation is the fact that RCMs and reference fields are usually on different grids and often at different horizontal resolutions. A proper RCM evaluation requires remapping on a common grid. For the climate indices or other derived fields, the remapping can be done in two ways: either as a first-step operation on the original field with the derived index computed on the final/common grid in a second step, or to compute first the climate index on the original grid before remapping or regridding it as a last-step operation on the final/common grid. The purpose of this paper is to illustrate how the two approaches affect the final field, thus contributing to one of the Coordinated Regional Climate Downscaling Experiment (CORDEX) in Africa (CORDEX-Africa) goals of providing a benchmark framework for RCM evaluation over the West Africa monsoon area, using several daily precipitation indices. The results indicate the advantage of using the last-step remapping procedure, regardless of the mathematical method chosen for the remapping, in order to minimize errors in the indices under evaluation.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,132
Score d'incertitude au seuil0,179

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
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)0,0000,000

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,300
Écart entre enseignants0,234 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of HydrometeorologyMême sujetClimate variability and modelsTravaux en français237 207