MétaCan
Menu
← Retour à la cohorte
Enregistrement W4220779437 · doi:10.5194/egusphere-egu22-10496

On the need for sub-daily data to study changes in extreme rainfall.

2022· preprint· en· W4220779437 sur OpenAlexaff
Daniel Argüeso, Alejandro Di Luca

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésPrecipitationEnvironmental scienceClimatologyMisrepresentationClimate changeClimate extremesMeteorologyGeographyEcologyGeology

Résumé

récupéré en direct d'OpenAlex

Heavy rainfall is among the most impactful natural events. Our understanding of such events has improved significantly in the last decades, but large uncertainties remain around their recent and future response to a changing climate. At global scales, the frequency and intensity of daily extreme precipitation has increased, the hydrological cycle is becoming faster. However, the response at regional scales and shorter timescales is much more complex. The study of sub-daily or even sub-hourly data has been explored to some extent only, mostly due to the limited availability of data. When using high-resolution models to explore rainfall changes, it is possible to examine much higher frequencies, yet most studies focus on daily rainfall changes. Here, we demonstrate inherent limitations of daily data to study present and future precipitation extremes. Limitations that are not purely a matter of refining our sampling, but do have a physical background because outstanding rainfall rates rarely occur over the course of a day. Our results show that fundamental aspects of rainfall changes are not described with daily data, and the assessment of future changes in daily precipitation likely leads to misrepresentation of causes and impacts. We show that the short-lived and intermittent nature of most rainfall extremes need at least hourly data to be properly characterized, otherwise heavy rainfall is poorly detected. Analyzing higher frequencies also reveals aspects of extremes that cannot be addressed with daily data, such as changes in their intensity and duration. This is particularly relevant for risk and impact assessment studies because a significant part of changes in extremes occur at sub-daily scales. Such changes go unnoticed or, even worse, are misrepresented by daily rainfall amounts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,038
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,005
Études des sciences et des technologies0,0010,001
Communication savante0,0030,005
Science ouverte0,0030,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,005

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.

Tête enseignante Opus0,263
Tête enseignante GPT0,321
Écart entre enseignants0,058 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→