MétaCan
Menu
Retour à la cohorte
Enregistrement W4226191793 · doi:10.1051/e3sconf/202234705014

Development of Regional Climate Model (RCM) for Cameron Highlands based on Representative Concentration Pathways (RCP) 4.5 and 8.5

2022· article· en· W4226191793 sur OpenAlexaboutno aff
Jin Min Pang, Kok Weng Tan

Notice bibliographique

RevueE3S Web of Conferences · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDownscalingPrecipitationEnvironmental scienceClimatologyMean squared errorReturn periodClimate changeClimate modelFlood mythLongitudeLinear regressionLatitudeMeteorologyAtmospheric sciencesStatisticsMathematicsGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Development of local climate is important for climate hazard assessment. Cameron Highlands was chosen as study area (longitude from 101°21’ to 101°30’ and latitude from 4°19’ to 4°37’) for climate downscaling. This paper presents the work of downscaling techniques and regional climate model (RCM) development. The second-generation Canadian Earth System Model (CanESM2) based on the representative concentration pathways (RCP) 4.5 and 8.5 was applied to develop the local climate model for the period 2020-2100. The climatic parameters chosen were temperature (maximum and minimum) and rainfall. The simulated RCMs are then analysed using statistical reliability including Pearson correlation coefficient, linear regression, root mean square error (RMSE) and probability density function (PDF). The result showed that the simulated maximum, minimum temperature, and rainfall are most likely to follow RCP 8.5 scenario. Precipitation threshold for occurrence of flood event was estimated using intensity duration frequency (IDF) relationship generated by maximum precipitation. Return period of two years and four hours rainfall duration is used for threshold estimation as the rainfall is convective. The daily rainfall threshold for flood occurrence is estimated to be 11.3 mm/hr.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,375
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,067
Tête enseignante GPT0,274
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetClimate variability and modelsTravaux en français237 207