Exploring a Variable‐Resolution Approach for Simulating Regional Climate in the Rocky Mountain Region Using the VR‐CESM
Notice bibliographique
Résumé
Abstract The reliability of climate simulations and projections, particularly in the regions with complex terrains, is greatly limited by the model resolution. In this study we evaluate the variable‐resolution Community Earth System Model (VR‐CESM) with a high‐resolution (0.125°) refinement over the Rocky Mountain region. The VR‐CESM results are compared with observations, as well as CESM simulation at a quasi‐uniform 1° resolution (UNIF) and Canadian Regional Climate Model version 5 (CRCM5) simulation at a 0.11° resolution. We find that VR‐CESM is effective at capturing the observed spatial patterns of temperature, precipitation, and snowpack in the Rocky Mountains with the performance comparable to CRCM5, while UNIF is unable to do so. VR‐CESM and CRCM5 simulate better the seasonal variations of precipitation than UNIF, although VR‐CESM still overestimates winter precipitation whereas CRCM5 and UNIF underestimate it. All simulations distribute more winter precipitation along the windward (west) flanks of mountain ridges with the greatest overestimation in VR‐CESM. VR‐CESM simulates much greater snow water equivalent peaks than CRCM5 and UNIF, although the peaks are still 10–40% less than observations. Moreover, the frequency of heavy precipitation events (daily precipitation ≥ 25 mm) in VR‐CESM and CRCM5 is comparable to observations, whereas the same events in UNIF are an order of magnitude less frequent. In addition, VR‐CESM captures the observed occurrence frequency and seasonal variation of rain‐on‐snow days and performs better than UNIF and CRCM5. These results demonstrate the VR‐CESM's capability in regional climate modeling over the mountainous regions and its promising applications for climate change studies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».