Near-Surface Biases in ERA5 Over the Canadian Prairies
Notice bibliographique
Résumé
We quantify the biases in the diurnal cycle of air temperature in ERA5, using hourly climate station data for four stations in Saskatchewan, Canada. Compared with ERA-Interim, the biases in ERA5 have been greatly reduced, and show no differences with snow cover. We compute fits to the ERA5 mean air temperature biases based on ERA5 effective cloud albedo. They can be used to improve the ERA5 diurnal cycle of air temperature for modeling agricultural processes. Diurnally, ERA5 has a negative wind speed bias, which increases quasi-linearly with wind speed, and is greater in the daytime than at night. We evaluate ERA5 precipitation against the original climate station precipitation data, and a second generation adjusted precipitation dataset by Mekis and Vincent [2011]. For the warm season, ERA5 has a high bias of 8±9% above the Mekis dataset. ERA5 is -22±7% below the Mekis estimate in winter, suggesting that their correction with snow may be too large. It is likely that the ERA5 precipitation bias is small, which is encouraging for agricultural modelling. Data from a BSRN site near Regina shows that the biases in the downwelling shortwave and longwave radiation estimates in ERA5 are small, and have changed little from ERA-Interim. We showed that the annual cycle of the Saskatchewan surface energy and water budgets in ERA5 are realistic. In particular the damping of extremes in summer precipitation by the extraction of soil water is comparable in ERA5 to our earlier observational estimate based on gravity satellite data.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».