Hotspots of sensitivity to GCM biases in global modelling of mean and extreme runoff
Notice bibliographique
Résumé
Abstract. Climate model outputs feature systematic errors and biases that render them unsuitable for direct use by the impact models, especially when hydrological parameters are studied. To deal with this issue many bias correction techniques have been developed to adjust the modelled variables against observations. For the most common applications, adjustment concerns only precipitation and temperature whilst for others more driving parameters (including radiation, wind speed, humidity, air pressure) are bias adjusted. Bias adjusting only a part of the variables required as biophysical model input could affect the physical consistency among input variables and is poorly studied. In this work we quantify the individual effect of bias correction of each climate variable on global scale hydrological simulations of the recent past. To this end, a partial correction bias assessment experiment is conducted. Six climate parameters (precipitation, temperature, radiation, humidity, surface pressure and wind speed) from a set of three Global Climate Models are tested. The examined hydrological indicators are mean and extreme (low and high) runoff production. A methodology for the classification of the bias correction effects is developed and applied. Global hotspots of hydrological sensitivity to GCM biases at the global scale are derived, for both mean and extreme runoff. Our results show that runoff is mostly affected by the biases in precipitation, temperature, specific humidity and radiation (in this order) and suggest that bias correction should be applied in priority to these parameters. Surface pressure and wind speed had a minor effect on runoff simulations for the majority of the land surface. Low runoff has an increased sensitivity to the GCM biases compared to mean and high runoff, underlying the importance of bias correction for the study of low flow conditions and relevant hydrological extremes, such as droughts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».