Objective Calibration of Regional Climate Models: Application over Europe and North America
Notice bibliographique
Résumé
Abstract An important source of model uncertainty in climate models arises from unconfined model parameters in physical parameterizations. These parameters are commonly estimated on the basis of manual adjustments (expert tuning), which carries the risk of overtuning the parameters for a specific climate region or time period. This issue is particularly germane in the case of regional climate models (RCMs), which are often developed and used in one or a few geographical regions only. This study addresses the role of objective parameter calibration in this context. Using a previously developed objective calibration methodology, an RCM is calibrated over two regions (Europe and North America) and is used to investigate the transferability of the results. A total of eight different model parameters are calibrated, using a metamodel to account for parameter interactions. The study demonstrates that the calibration is effective in reducing model biases in both domains. For Europe, this concerns in particular a pronounced reduction of the summer warm bias and the associated overestimation of interannual temperature variability that have persisted through previous expert tuning efforts and are common in many global and regional climate models. The key process responsible for this improvement is an increased hydraulic conductivity. Higher hydraulic conductivity increases the water availability at the land surface and leads to increased evaporative cooling, stronger low cloud formation, and associated reduced incoming shortwave radiation. The calibrated parameter values are found to be almost identical for both domains; that is, the parameter calibration is transferable between the two regions. This is a promising result and indicates that models may be more universal than previously considered.
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 | 0,001 |
| 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 ».