Should we correct biases in the diurnal cycle of climate model for hydrological studies?
Notice bibliographique
Résumé
With the growing importance of climate change risk assessment, the use of climate models as a tool to model the impact of a warmer climate on water resources has now become quite common. When working with climate model outputs, bias correction is considered an important and necessary step to ensure that impact models provide realistic simulations in the current and future climates. The past decades have seen continuous improvements in the spatial and temporal resolution of global and regional climate models. Climate model outputs are now available at the sub-daily temporal resolution and very few studies have looked at the need for correcting biases present in the representation of the diurnal cycles of model variables. This study has looked at the impact of correcting such biases on simulated streamflow over 133 North American catchments. The temperature and precipitation hourly outputs from a 50-member large-ensemble regional climate model (ClimEx) were used to model the impact of sub-daily bias correction on simulated streamflow using a hydrological model. To better understand the importance of diurnal bias correction as a function of the spatial scale, the impact of bias-correcting the diurnal cycle was evaluated on three classes of catchment area: small (<500 km2), medium (500< area <1000 km2) and large (>1000 km2). Bias correcting the diurnal cycle resulted in small but systematic improvements in the representation of simulated streamflow, with an average bias reduction of 5%, likely due to a better representation of the daily evapotranspiration cycle. The improvements were especially noticeable on the small catchments.
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 | 0,018 | 0,084 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| 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 | 0,001 |
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 ».