Mapping Extreme Rainfall Statistics for Canada under Climate Change Using Updated Intensity-Duration-Frequency Curves
Notice bibliographique
Résumé
Climate change is expected to alter the frequency and intensity of extreme rainfall events, affecting the rainfall intensity-duration-frequency (IDF) curve information used in the design, maintenance, and operation of water infrastructure in Canada. Presented in this study are analyses of precipitation data from 567 Environment Canada hydro-meteorological stations using the web-based IDF_CC tool, which applies a novel equidistance quantile-matching downscaling method to generate future IDF curve information. Results for the year 2100 based on The Second Generation Canadian Earth System Model (CanESM2) and a multimodel ensemble median of 24 global climate models (GCMs) were generated. A natural neighbor spatial interpolation method was used to generate results for ungauged locations. One in 5-year, 2-h and one in 100-year, 24-h precipitation events were explored. Results based on CanESM2 indicated a reduction in extreme precipitation in central regions of Canada under specific analyses and increases in other regions. Relative to the multimodel ensemble median approach, the CanESM2 results suggested more spatial variability in change of IDFs, and the ensemble median generated generally lower values than CanESM2. By using the median value that lowers the importance of extreme outputs, the ensemble median approach obscured uncertainty associated with GCM outputs. While the IDF_CC tool helps fill an important gap related to accessing local climate change information, it is important to consider uncertainty in GCM outputs when making climate change adaptation decisions.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».