Evaluation of extreme rainfall and temperature over North America in CanRCM4 and CRCM5
Notice bibliographique
Résumé
We assess the ability of two Canadian regional climate models (RCMs), CanRCM4 and CRCM5, to simulate North American climate extremes over the period 1989–2009. Both RCMs use lateral boundary conditions derived from the ERA-Interim reanalysis and share the same dynamical core but use different nesting strategies, land-surface and physics schemes. The annual cycle and spatial patterns of extreme temperature indices are generally well reproduced in both models but the magnitude varies. In central and southern North America, maximum temperature extremes are up to 7 °C warmer in CanRCM4. There is a cool bias in minimum temperature extremes in both RCMs. The shape of the annual cycle of extreme rainfall varies between simulations. There is a wet bias in CRCM5 extreme rainfall on the west coast throughout the year and in winter rainfall elsewhere. In summer both RCMs have precipitation biases in the south-east. These rainfall and temperature biases are likely associated with differences in the physical parameterisation of rainfall. CanRCM4 simulates too little convective rainfall, while over-estimating large-scale rainfall; nevertheless, cloud cover is well simulated. CRCM5 simulates more large-scale rainfall throughout the year on the west coast and in winter in other regions. The spatial extent, intensity and location of atmospheric river (AR) landfall are well reproduced by the RCMs, as is the fraction of winter rainfall from AR days. Spectral nudging improves agreement on landfall latitude between the RCM and the driving model without greatly diminishing the intensity of the rainfall extreme.
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 ».