MétaCan
Menu
Retour à la cohorte
Enregistrement W2559271562 · doi:10.1002/joc.4924

Intercomparison of projected changes in climate extremes for South Korea: application of trend preserving statistical downscaling methods to the <scp>CMIP5</scp> ensemble

2016· article· en· W2559271562 sur OpenAlexaff
Hyung‐Il Eum, Alex J. Cannon

Notice bibliographique

RevueInternational Journal of Climatology · 2016
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesMinistry of Land, Infrastructure and Transport
Mots-clésDownscalingClimatologyQuantileEnvironmental scienceClimate extremesPrecipitationClimate changeGCM transcription factorsCoupled model intercomparison projectClimate modelMeteorologyGeneral Circulation ModelStatisticsMathematicsGeographyGeology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Global climate models ( GCMs ) provide the fundamental information used to assess potential impacts of future climate change. However, the mismatch in spatial resolution between GCMs and the requirements of regional applications has impeded the use of GCM projections for impact studies at a regional scale. This study applied statistical post‐processing methods that preserve long‐term temporal trends, bias‐correction/spatial disaggregation with detrended quantile mapping ( SDDQM ) and BCSD with quantile delta mapping ( SDQDM ), to downscale 20 CMIP5 GCM climate projections for daily precipitation, minimum temperature, and maximum temperature over South Korea. Using the downscaled CMIP5 climate projections, we investigated absolute changes in extreme indices between the reference and three 30‐year future periods. In addition, the biases in change signals from GCM projections for different statistical downscaling methods were compared to evaluate how well long‐term trends in indices are preserved. The results showed that the statistical downscaling methods significantly improved the skill in reproducing extreme indices. For temperature‐related extreme indices, we found strong significant trends while trends for precipitation‐related indices varied depending on the index and climate projection horizon. Specifically, more frequent, longer duration, and more intense hot extremes may occur under the CMIP5 climate projections, while corresponding decreases may occur for extreme cold indices. Prominent upward trends are found in extreme precipitation events. Regarding analysis of the bias in change signals, SDQDM , which explicitly preserves changes in all quantiles of the underlying variables, better preserved long‐term trends in extreme indices simulated by GCMs .

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,363
Écart entre enseignants0,320 · 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
GenreEmpirique

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

En bref

Citations94
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ClimatologyMême sujetClimate variability and modelsTravaux en français237 207