MétaCan
Menu
Retour à la cohorte
Enregistrement W2591813469 · doi:10.1002/rra.3136

An Evaluation of <i>CMIP5 GCM</i> Simulations over the Athabasca River Basin, Canada

2017· article· en· W2591813469 sur OpenAlexafffundabout
Guanhui Cheng, Cong Dong, Jinxin Zhu, Xiong Zhou, Yao Yao

Notice bibliographique

RevueRiver Research and Applications · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGCM transcription factorsCoupled model intercomparison projectEnvironmental scienceClimatologyDrainage basinClimate changeStructural basinEnsemble averageClimate modelGeneral Circulation ModelSpatial ecologyCommon spatial patternSpatial variabilityGeologyStatisticsGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Long‐term hydrological forecasting, water resources management and other climate change impacts or adaptation analysis studies on large continental river basins, for example, the Athabasca River Basin ( ARB ) in Canada, desire a reliable climatic projection. This usually relies on general circulation models ( GCM s) in the fifth phase of the Coupled Model Intercomparison Project ( CMIP5 ). However, there is a lack of a systematic evaluation of CMIP5 GCM performances over the ARB that vary with multiple factors, for example, statistical metrics, temporal scales and spatial locations, challenging the reliability of water‐related or other studies over the ARB . For this gap to be filled, six CMIP5 GCM s, namely, IPSL‐CM5A‐LR , IPSL‐CM5A‐MR , MIROC‐ESM‐CHEM , MIROC5 , GFDL‐ESM2G and GFDL‐ESM2M , and their ensemble mean are selected according to data availabilities of representative climate variables: Tmin , Tmax and Prec ( TTP ). Accuracies of the selected CMIP5 GCM s in reproducing TTP over the ARB are evaluated comprehensively. The ensemble mean cannot outperform any GCM in all cases in the ARB , although its overall accuracy seems to be higher in consideration of all cases. These accuracies vary with TTP , locations, metrics and scales. For instance, ESM2G shows the highest accuracies in reproducing monthly/seasonal variability and magnitudes of grid‐averaged TTP and inter‐annual variability of grid‐averaged annual means of Tmax ; CM5A‐LR in multi‐year‐averaged spatial variability of TTP and magnitudes of spatially distributed multi‐year‐averaged Tmax ; while the ensemble mean only in some aspects, for example, intraseasonal variability and magnitudes of TTP and inter‐annual variability and magnitudes of grid‐averaged annual means of TTP . GCM s should be systematically integrated according to accuracy variations. Multiple statistical metrics are recommended in GCM evaluations. These findings facilitate water resources systems analyses and other related studies in the ARB . Copyright © 2017 John Wiley &amp; Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,091
Tête enseignante GPT0,383
Écart entre enseignants0,293 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations15
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRiver Research and ApplicationsMême sujetClimate variability and modelsTravaux en français237 207