Application of GIS in downscaling regional climate model results over the province of Ontario
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.
Notice bibliographique
Résumé
Climate change is a significant and long-term change in the weather patterns over periods ranging from decades to millions of years. The impacts of climate change have been drawn more and more worldwide attention. To study the impacts, general circulation models (GCMs) were developed to simulate climate change at a global scale. The climate information obtained from GCMs is usually at a fairly coarse resolution. In comparison, regional climate models (RCMs) work in a small area of interest and can provide climate information at resolution as fine as 25 - 50 km. When higher resolution climate information is needed and the applied RCMs are incapable of undertaking the task, statistical downscaling techniques can be introduced to acquire the desired climate information. In this study, three interpolation methods are applied to downscale regional climate model (RCM) results for higher resolution climate information at 10 km. The results indicated that the three interpolation methods could generate high-quality estimates at 10 km grids. The downscaled RCM results approximated to the 10 km official data which was published by Agriculture and Agri-Food Canada, Government of Canada. Compared with the results of IDW and spline methods, the results obtained from kriging method generated smoother interpolation map and showed modest variations in the difference map. All the three interpolation methods could fulfill the task of downscaling the RCM results from 25 km to 10 km. Overall, kriging interpolation method showed better performance than the other two methods in this study.
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 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 | 0,004 | 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 | 0,001 |
| 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 découle