Evaluation of variability among different precipitation products in the Northern Great Plains
Notice bibliographique
Résumé
Study region The Northern Great Plains. Study focus Seasonal and extreme hydro-climatological events in the Northern Great Plains can have significant socio-economic impacts. Although a variety of precipitation datasets can be used for characterizing the hydro-climatological behavior of this region, much of our knowledge on precipitation variability among different products over this region comes from the coarse-scale evaluation studies for the whole Canada or CONUS, many of which may under-represent the performance of different precipitation products over these areas. The present study is intended to fill this gap. Daily total precipitation data derived from CaPA, ERA-Interim, ERA5, JRA-55, MERRA-2 and NLDAS-2, respectively, are evaluated over the Assiniboine River Basin (ARB), which represents many of the hydro-climatological complexities associated with the Northern Great Plains. Additionally, the spatial and year-to-year variations in total liquid water flux for spring and early summer are also examined over the ARB. New hydrological insights for the region Precipitation products typically perform better in spring and autumn than in summer and winter. Overall, CaPA performs best, except for a severe underestimation of summer precipitation. MERRA-2 is typically the second best. ERA5 typically outperforms ERA-Interim. NLDAS-2 has a fairly low performance. JRA-55 has the lowest performance, exhibiting a strong wet bias. The quantified variability among these products will help characterize sources of uncertainty for hydro-climatological analysis within the Northern Great Plains.
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 | 0,007 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 ».