Evaluation of Reanalyses over British Columbia. Part I: Daily and Extreme 2-m Temperature
Notice bibliographique
Résumé
Abstract Weather-station data coverage, quality, and completeness across British Columbia, Canada, degrade outside of population centers and as one goes back in time. This data paucity motivates the search for the best reanalysis to serve as a climatological reference dataset. This study focuses on how well reanalyses represent 2-m temperature (T2M). Systematic error, random error, and two-sample Kolmogorov–Smirnov statistics of daily maximum and minimum T2M are evaluated from the European Centre for Medium-Range Weather Forecasts interim reanalysis (ERA-Interim), the Climate Forecast System Reanalysis (CFSR), the Japanese 55-year Reanalysis (JRA-55), and the Modern-Era Retrospective Analysis for Research and Applications, version 2 (MERRA-2). Also evaluated are the 2- and 30-yr return levels of T2M, which are estimated by the method of L moments from a fitted generalized extreme value (GEV) distribution. Reanalyses are compared with observations from 57 meteorological stations distributed over the complex terrain of British Columbia from 1980 to 2010. Minimum temperatures are better captured than maximum temperatures by all four reanalyses. JRA-55 and ERA-Interim generally perform better across all metrics. Biases are largely explained by poor reanalysis terrain representation. Statistical stationarity over the 30-yr period is assessed by using Gaussian and GEV distributions fitted with and without time-dependent parameters. It is determined that stationary distributions are sufficient to represent the climate of T2M for this region and time period.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».