Effectiveness of using representative subsets of global climate models in future crop yield projections
Notice bibliographique
Résumé
Representative subsets of global climate models (GCMs) are often used in climate change impact studies to account for uncertainty in ensemble climate projections. However, the effectiveness of such subsets has seldom been assessed for the estimations of either the mean or the spread of the full ensembles. We assessed two different approaches that were employed to select 5 GCMs from a 20-member ensemble of GCMs from the CMIP5 ensemble for projecting canola and spring wheat yields across Canada under RCP 4.5 and 8.5 emission scenarios in the periods 2040-2069 and 2070-2099, based on crop simulation models. Averages and spreads of the simulated crop yields using the 5-GCM subsets selected by T&P and KKZ approaches were compared with the full 20-GCM ensemble. Our results showed that the 5-GCM subsets selected by the two approaches could produce full-ensemble means with a relative absolute error of 2.9-4.7% for canola and 1.5-2.2% for spring wheat, and covers 61.8-91.1% and 66.1-80.8% of the full-ensemble spread for canola and spring wheat, respectively. Our results also demonstrated that both approaches were very likely to outperform a subset of randomly selected 5 GCMs in terms of a smaller error and a larger 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 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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».