MétaCan
Menu
Retour à la cohorte
Enregistrement W2970804154 · doi:10.22581/muet1982.1702.16

Assessing the Impacts of Climate Change on Future Precipitation Trends Based on Downscaled CMIP5 Simulations Data

2017· article· en· W2970804154 sur OpenAlexaff
Ghulam Hussain Dars, Mohammad Reza Najafi, Abdul Latif Qureshi

Notice bibliographique

RevueMehran University Research Journal of Engineering and Technology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensImpactPacific Institute for Climate SolutionsUniversity of Victoria
Organismes subventionnairesU.S. Department of Energy
Mots-clésCoupled model intercomparison projectPrecipitationDownscalingClimatologyEnvironmental scienceClimate changeClimate modelRange (aeronautics)Atmospheric sciencesEnsemble averageMeteorologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

This study investigates future changes in precipitation over the CRB (Columbia River Basin) in both wet (DJF) and dry (JJA) seasons under RCP85 GHG emission scenario. The simulations from four climate models which participated in CMIP5 (Coupled Model Intercomparison Project Phase-5) were downscaled using the BCSD (Bias Correction and Spatial Disaggregation) method. After downscaling, extreme value analysis and MME (Multi Model Ensemble) averaging is performed. This study focuses on computing 2, 5, 10 and 25 years return levels for both winter (DJF) and summer (JJA) seasons. The maximum winter precipitation values for 2, 5, 10 and 25 years return periods have been estimated to be about 112, 127, 148 and 171 mm/day respectively whereas the maximum summer precipitation values for 2, 5, 10 and 25 years return periods are observed to be about 56, 81, 96 and 126 mm/day respectively. The MME average outperformed the individual models in simulating the historical precipitation in both seasons. The MME results showed a consistent and significant increase in the extreme precipitation and decrease in mean precipitation in both future wet and dry seasons. Largest increase in precipitation occurs over the higher elevations of the Cascades Range, Coast Range and the Mountainous Range.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,328
Score d'incertitude au seuil0,301

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,347
Écart entre enseignants0,273 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMehran University Research Journal of Engineering and TechnologyMême sujetClimate variability and modelsTravaux en français237 207