MétaCan
Menu
Retour à la cohorte
Enregistrement W2976402767 · doi:10.1175/jcli-d-19-0021.1

Observed and Simulated Precipitation over Northeastern North America: How Do Daily and Subdaily Extremes Scale in Space and Time?

2019· article· en· W2976402767 sur OpenAlexafffundabout
Silvia Innocenti, Alain Mailhot, Anne Frigon, Alex J. Cannon, Martin Leduc

Notice bibliographique

RevueJournal of Climate · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensOuranosInstitut National de la Recherche ScientifiqueEnvironment and Climate Change Canada
Organismes subventionnairesLeibniz-GemeinschaftBayerische Akademie der WissenschaftenBayerisches Staatsministerium für Bildung und Kultus, Wissenschaft und KunstEnvironment and Climate Change CanadaCanadian Network for Research and Innovation in Machining Technology, Natural Sciences and Engineering Research Council of CanadaGauss Centre for SupercomputingBundesministerium für Bildung und ForschungLeibniz-RechenzentrumUniversité du Québec à Montréal
Mots-clésPrecipitationEnvironmental scienceClimatologyQuantileScale (ratio)Weather Research and Forecasting ModelDownscalingSampling (signal processing)MeteorologyClimate modelClimate changeGeographyGeologyStatisticsComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The characterization of extreme precipitation at fine spatiotemporal scale represents a paramount challenge in hydroclimate sciences due to large uncertainties affecting the precipitation estimation from existing datasets. Comparing the spatiotemporal structure of precipitation extremes estimated from different datasets thus represents an essential step for climate model evaluation, as it provides insight into a model’s ability to simulate atmospheric processes occurring at different scales. This study compares the probability distributions and the annual and diurnal cycles of occurrence of daily and subdaily precipitation annual maxima (AM) estimated over northeastern North America from five observed and simulated datasets: meteorological station series, the bias-corrected (CRT) satellite CMORPH, version 1.0, and the Multi-Source Weighted-Ensemble Precipitation (MSWEP), version 2, gridded datasets, various Canadian RCM, version 5 (CRCM5), simulations, and a 13-yr convection-permitting WRF, version 3.4.1, simulation. ERA-Interim-driven CRCM5 and WRF simulations well reproduced subdaily extreme quantiles and the AM annual and diurnal cycles observed at stations, while CMORPH and MSWEP displayed good performance only for daily and longer extreme statistics. The spatiotemporal statistical structure of precipitation extremes is then assessed considering the variation of AM quantiles across various spatial scales and durations. The results suggest that a two-parameter analytical relationship well describes the AM spatiotemporal structure at the regional scale, allowing us to approximate some crucial properties of point precipitation extremes from gridded datasets. Averaging the estimates from various members of the initial-condition CRCM5 Large Ensemble (CRCM5-LE) also made it possible to reduce the sampling errors and robustly estimate the AM spatiotemporal structure at the local scale of each model grid box.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,013
Tête enseignante GPT0,220
Écart entre enseignants0,207 · 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 source (Gemma direct ou Codex distillé), 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

Citations20
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207