Quantifying the climate change-induced variations in Saskatoon's Intensity-Duration-Frequency curves using stochastic rainfall generators and K-nearest neighbors
Notice bibliographique
Résumé
Intensity-Duration-Frequency (IDF) curves are among standard design criteria for various engineering applications, such as storm water management systems. Warming climate, however, changes the extreme rainfall quantiles represented by the IDF curves. This study attempts to construct the future IDF curves under possible climate change scenarios. For this purpose, a stochastic rainfall generator is used to spatially downscale the daily projections of Global Climate Models (GCMs) from coarse grid resolution to the point scale. The stochastically downscaled daily rainfall realizations can be further disaggregated to hourly and sub-hourly rainfall series using a deterministic disaggregation scheme developed based on the K-Nearest Neighbor (K-NN) method. We applied this framework for constructing the future IDF curves in the city of Saskatoon, Canada. As a model development step, the sensitivity of the K-NN disaggregation model to the number of nearest neighbors (i.e. window size) is evaluated during the baseline periods. The optimum window size is assigned based on the performance in reproducing the historical IDF curves. The optimum windows identified for 1-hour and 5-min temporal resolutions are then used to produce the future hourly and consequently, 5-min resolution rainfall based on the K-NN simulations. By using the simulated hourly and sub-hourly rainfall series and the Generalized Extreme Value (GEV) distribution future changes in IDF curves and associated uncertainties are quantified using a large ensemble of projections obtained for the CGCM3.1 and HadCM3 based on A1B, A2 and B1 emission scenarios in case of CMIP3 and RCP2.6, RCP4.5, and RCP8.5 in case of CMIP5 datasets. The constructed IDF curves for the city of Saskatoon are then compared with corresponding historical relationships at various durations and/or return periods and are discussed based on different models, emission scenarios and/or simulation release (i.e. CMIP3 vs. CMIP5).
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 | 0,001 | 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 ».