Not all speeds are created equal: investigating the predictability of statistically downscaled historical land surface winds over central Canada.
Notice bibliographique
Résumé
A statistical downscaling approach based on multiple linear-regression is used to investigate the predictability of land surface winds over the Canadian prairies and Ontario. This study's model downscales mid-tropospheric predictors (wind components and speed, temperature, and geopotential height) from reanalysis products to predict historical wind observations at thirty-one airport-based weather surface stations in Canada. The model's performance is assessed as a function of: season; geographic location; averaging timescale of the wind statistics; and wind regime, as defined by how variable the vector wind is relative to its mean amplitude. Despite large differences in predictability characteristics between sites, several systematic results are observed. Consistent with recent studies, a strong anisotropy of predictability for vector quantities is observed, while some components are generally well predicted, others have no predictability. The predictability of mean quantities is greater on shorter averaging timescales. In general, the predictability of the surface wind speeds over the Canadian prairies and Ontario is poor; as is the predictability of sub-averaging timescale variability. These results and the relative predictability of vector and scalar wind quantities are interpreted with theoretically- and empirically-derived wind speed sensitivities to the resolved and unresolved variability in the vector winds. At most sites, and on longer averaging timescales, the scalar wind quantities are found to be highly sensitive to unresolved variability in the vector winds. These results demonstrate limitations to the statistical downscaling of wind speed and suggest that deterministic models which resolve the short-timescale variability may be necessary for successful predictions.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 ».