MétaCan
Menu
Retour à la cohorte
Enregistrement W2472132332 · doi:10.5194/gmd-9-4087-2016

WCRP COordinated Regional Downscaling EXperiment (CORDEX): a diagnostic MIP for CMIP6

2016· article· en· W2472132332 sur OpenAlexaff
William J. Gutowski, Filippo Giorgi, Bertrand Timbal, Anne Frigon, Daniela Jacob, Hyun‐Suk Kang, Boram Lee, Chris Lennard, Grigory Nikulin, Eleanor O’Rourke, M. Rixen, Silvina A. Solman, Tannecia S. Stephenson, Fredolin Tangang

Notice bibliographique

RevueGeoscientific model development · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensOuranos
Organismes subventionnairesNational Science Foundation
Mots-clésDownscalingClimatologyEnvironmental scienceClimate modelClimate changeCoupled model intercomparison projectBaseline (sea)General Circulation ModelMeteorologyPrecipitationGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. The COordinated Regional Downscaling EXperiment (CORDEX) is a diagnostic model intercomparison project (MIP) in CMIP6. CORDEX builds on a foundation of previous downscaling intercomparison projects to provide a common framework for downscaling activities around the world. The CORDEX Regional Challenges provide a focus for downscaling research and a basis for making use of CMIP6 global climate model (GCM) output to produce downscaled projected changes in regional climates and assess sources of uncertainties in the projections, all of which can potentially be distilled into climate change information for vulnerability, impacts and adaptation studies. CORDEX Flagship Pilot Studies advance regional downscaling by targeting one or more of the CORDEX Regional Challenges. A CORDEX-CORE framework is planned that will produce a baseline set of homogeneous high-resolution, downscaled projections for regions worldwide. In CMIP6, CORDEX coordinates with ScenarioMIP and is structured to allow cross comparisons with HighResMIP and interaction with the CMIP6 VIACS Advisory Board.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,252
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations454
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeoscientific model developmentMême sujetClimate variability and modelsTravaux en français237 207