MétaCan
Menu
Retour à la cohorte
Enregistrement W2611279169 · doi:10.1080/07055900.2017.1310084

Evaluating the Ability of CRCM5 to Simulate Mixed Precipitation

2017· article· en· W2611279169 sur OpenAlexafffundvenueabout
Émilie Bresson, René Laprise, Dominique Paquin, Julie M. Thériault, Ramón de Elía

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensOuranosUniversité du Québec à Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesMitacsEnvironment and Climate Change CanadaCanada Foundation for InnovationNatural Sciences and Engineering Research Council of CanadaUniversité du Québec à MontréalMcGill University
Mots-clésPrecipitationFreezing rainEnvironmental scienceClimatologyGraupelHindcastAtmospheric sciencesOrographyMeteorologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Precipitation episodes in the form of freezing rain and ice pellets represent natural hazards affecting eastern Canada during the cold season. These types of precipitation mainly occur in the St. Lawrence River valley and the Atlantic provinces of Canada. This study aims to evaluate the ability of the fifth-generation Canadian Regional Climate Model (CRCM5), using a 0.11° horizontal grid mesh, to hindcast mixed precipitation when driven by reanalyses produced by the European Centre for Medium-range Weather Forecasts (ERA-Interim) for a 35-year period. In general, the CRCM5 simulation slightly overestimates the occurrence of freezing rain, but the geographical distribution is well reproduced. The duration of freezing rain events and accompanying surface winds in the Montréal region are reproduced by CRCM5. A case study is performed for an especially catastrophic freezing-rain event in January 1998; the model succeeds in simulating the intensity and duration of the episode, as well as the propitious meteorological environment. Overall, the model is also able to reproduce the climatology and a specific event of freezing rain and ice pellets.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,336
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,069
Tête enseignante GPT0,325
Écart entre enseignants0,256 · 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

Citations21
Publié2017
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207