Statistical downscaling of daily and hourly climate scenarios for the various meteorological variables at Montreal
Notice bibliographique
Résumé
A lot of research has been carried out using statistical methods in downscaling large-scale GCM outputs to the local site or small-scale region. Using statistical methods, empirical relationships are developed between the large-scale GCM outputs and the local site weather variables. In this methodology, it is assumed that these empirical relationships will also hold true even in the future periods of time. Environmental assessment studies for the future decade under the influence of a changing climate is the need of the hour. In order to identify the future synoptic weather types, future daily and hourly projections of the weather variables are required. Hence, this research is motivated by the lack of a comprehensive and statistically significant downscaling methodology for the various weather variables. The present study is based on the various statistical downscaling techniques developed by the researchers in the past using linear regression model because of the advantage of being less computationally intensive. In addition, an attempt has been made to develop an improved statistical downscaling methodology by combining different techniques to develop a robust method with a detailed performance assessment of the models. Linear Regression models are derived to downscale daily climate scenarios using NCEP reanalysis datasets for the predictors and weather station data available at Trudeau International Airport for the predictands during the reference period 1958-2001. The NCEP predictors are regridded to the GCM scale as the GCM outputs are to be used for deriving future climate projections. Standardization and Deseasonalization of the predictor variables are carried out followed by principal component analysis prior to their introduction into the stepwise regression model. CANESM2 is selected as the GCM model in the present work whose outputs are used as predictors in the NCEP derived regression models. A Bias Correction procedure is used to correct the systematic biases present using a quantile-quantile mapping technique on the downscaled variable using CANESM2 predictors. After downscaling the daily climate variables, hourly downscaling transfer functions are derived based on the historical relationships of the hourly values with its daily mean as well as other weather predictors where appropriate. For the future climate projections, RCP2.6, 4.5 and 8.5 are used as greenhouse gas trajectories representing the change in climate in the future decade.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».