On Statistical Modeling of Extreme Rainfall Processes for Urban Water Infrastructure Design in the Context of Climate Change
Notice bibliographique
Résumé
There exists an urgent need to assess the possible impacts of climate change on the Intensity-Duration-Frequency (IDF) relations in general and on the design storm in particular for improving the design of urban water infrastructure in the context of a changing climate. At present, the derivation of IDF relations in the context of climate change at a location of interest has been recognized as one of the most challenging tasks in current engineering practices. The main challenge is how to establish the linkages between the climate projections given by Global Climate Models (GCMs) at the global scale and the observed extreme rainfalls at a given local site. If these linkages could be established, then the projected climate change conditions given by GCMs could be used to predict the resulting changes of local extreme rainfalls and related runoff characteristics. Consequently, innovative downscaling approaches are needed in the modeling extreme rainfall (ER) processes over a wide range of temporal and spatial scales for climate change impact and adaptation studies in urban areas. Therefore, the overall objective of the present paper is to provide an overview of some recent progress in the modeling of extreme rainfall processes in a changing climate from both theoretical and practical viewpoints. In particular, the main focus of this paper is on recently developed statistical downscaling (SD) methods for linking GCM climate predictors to the observed daily and sub-daily rainfall extremes at a single site as well as at many sites concurrently. In addition, new SD procedures are presented for describing the linkages between GCM outputs and rainfall characteristics at a given location where the rainfall data are limited or unavailable, a common and crucial challenge in engineering practice.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».