A global climate model ensemble for downscaled monthly climate normals over North America
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Use of downscaled global climate model projections is expanding rapidly as climate change vulnerability assessments and adaptation planning become mainstream in many sectors. Many climate change impact analyses use climate model projections downscaled at very high spatial resolution (~1 km) but very low temporal resolution (20‐ to 30‐year normals). These applications have model selection priorities that are distinct from analyses at high temporal resolution. Here, we select a 13‐model ensemble and an 8‐model subset designed for robust change‐factor downscaling of monthly climate normals, and describe their attributes in North America. All models are selected from the Coupled Model Intercomparison Project Phase 6 (CMIP6) archives. The 13‐model ensemble is representative of the distribution of equilibrium climate sensitivity, grid resolution, and transient regional climate changes in the CMIP6 generation. The 8‐model subset is consistent with the IPCC's recent assessment of the very likely range of Earth's equilibrium climate sensitivity. Our results emphasize several principles for selection and use of downscaled climate ensembles: (a) the ensemble must be observationally constrained to be meaningful; (b) analysis of multiple models is essential as the ensemble mean alone can be misleading; (c) small (<8‐member) ensembles should be region‐specific and used with caution; (d) higher grid resolution is not necessarily better; and (e) multiple simulations of each model/scenario combination are necessary to represent precipitation uncertainty. Although we have focused our documentation on North America, our model selection uses primarily global criteria and is applicable to downscaling climate normals in other continents. Downscaled projections for the selected models are available in ClimateNA ( http://climatena.ca/ ). An accompanying web application ( https://bcgov-env.shinyapps.io/cmip6-NA/ ) provides tools for further model selection and visualization of the ensemble.
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.
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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle