Land surface model influence on the simulated climatologies of temperature and precipitation extremes in the WRF v3.9 model over North America
Notice bibliographique
Résumé
Abstract. The representation and projection of extreme temperature and precipitation events in regional and global climate models are of major importance for the study of climate change impacts. However, state-of-the-art global and regional climate model simulations yield a broad inter-model range of intensity, duration and frequency of these extremes. Here, we present a modeling experiment using the Weather Research and Forecasting (WRF) model to determine the influence of the land surface model (LSM) component on uncertainties associated with extreme events. First, we analyze land–atmosphere interactions within four simulations performed by the WRF model from 1980 to 2012 over North America, using three different LSMs. Results show LSM-dependent differences at regional scales in the frequency of occurrence of events when surface conditions are altered by atmospheric forcing or land processes. The inter-model range of extreme statistics across the WRF simulations is large, particularly for indices related to the intensity and duration of temperature and precipitation extremes. Our results show that the WRF simulation of the climatology of heat extremes can be 5 ∘C warmer and 6 d longer depending on the employed LSM component, and similarly for cold extremes and heavy precipitation events. Areas showing large uncertainty in WRF-simulated extreme events are also identified in a model ensemble from three different regional climate model (RCM) simulations participating in the Coordinated Regional Climate Downscaling Experiment (CORDEX) project, revealing the implications of these results for other model ensembles. Thus, studies based on multi-model ensembles and reanalyses should include a variety of LSM configurations to account for the uncertainty arising from this model component or to test the performance of the selected LSM component before running the whole simulation. This study illustrates the importance of the LSM choice in climate simulations, supporting the development of new modeling studies using different LSM components to understand inter-model differences in simulating extreme temperature and precipitation events, which in turn will help to reduce uncertainties in climate model projections.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».