Downscaling and Projection of Winter Extreme Daily Precipitation over North America
Notice bibliographique
Résumé
Abstract Large-scale atmospheric variables have been statistically downscaled to derive winter (December–March) maximum daily precipitation at stations over North America using the generalized extreme value distribution (GEV). Here, the leading principal components of the sea level pressure field and local specific humidity are covariates of the distribution parameters. The GEV parameters are estimated using data from 1949 to 1999 and the r-largest method. This statistical downscaling procedure is found to yield skill over the southern and northern West Coast, central United States, and areas of western and eastern Canada when tested with independent data. The projected changes in covariates or predictors are obtained from transient climate change simulations conducted with the Canadian Centre for Climate Modelling and Analysis (CCCma) Coupled General Circulation Model, version 3.1 (CGCM3.1) forced by the Intergovernmental Panel on Climate Change (IPCC) A2 forcing scenario. They are then used to derive the GEV distribution parameters for the period 2050–99. The projected frequency of the current 20-yr return maximum daily precipitation for that period suggests that extreme precipitation risk will increase heavily over the south and central United States but decrease over the Canadian prairies. The difference between the statistical downscaling results and those estimated using GCM simulation is also discussed.
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 | 0,000 | 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 ».