MétaCan
Menu
Retour à la cohorte
Enregistrement W4298138707 · doi:10.1175/bams-d-22-0111.1

The Worldwide C3S CORDEX Grand Ensemble: A Major Contribution to Assess Regional Climate Change in the IPCC AR6 Atlas

2022· article· en· W4298138707 sur OpenAlexaff
Javier Díez-Sierra, Maialen Iturbide, José Manuel Gutiérrez, Jesús Fernández, Josipa Milovac, Antonio S. Cofiño, Ezequiel Cimadevilla, Grigory Nikulin, Guillaume Levavasseur, Erik Kjellström, Katharina Bülow, Ándrás Horányi, Anca Brookshaw, Markel García‐Díez, Antonio Pérez, Jorge Baño‐Medina, Bodo Ahrens, Antoinette Alias, Moetasim Ashfaq, Melissa Bukovsky, Erasmo Buonomo, Steven Caluwaerts, Sin Chan Chou, Ole B. Christensen, James Ciarlo, Erika Coppola, Lola Corre, Marie‐Estelle Demory, Vladimir Djurdjević, Jason P. Evans, Rowan Fealy, Hendrik Feldmann, Daniela Jacob, J. Sanjay, Jack Katzfey, Klaus Keuler, Christoph Kittel, M. Levent Kurnaz, René Laprise, Piero Lionello, Seth McGinnis, Paola Mercogliano, Pierre Nabat, Barış Önol, Tuğba Öztürk, Hans-Jürgen Panitz, Dominique Paquin, Ildikó Pieczka, Francesca Raffaele, Armelle Reca Remedio, John Scinocca, Florence Sevault, Samuel Somot, Christian Steger, Fredolin Tangang, Claas Teichmann, Piet Termonia, Marcus Thatcher, Csaba Zsolt Torma, Erik van Meijgaard, Robert Vautard, Kirsten Warrach‐Sagi, Katja Winger, George Zittis

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPacific Institute for Climate SolutionsOuranosUniversité du Québec à Montréal
Organismes subventionnairesAgencia Estatal de InvestigaciónNational Supercomputing Centre SingaporeCentro Svizzero di Calcolo ScientificoEidgenössische Technische Hochschule ZürichPartnership for Advanced Computing in Europe AISBLEuropean CommissionU.S. Department of Energy
Mots-clésDownscalingClimate changeClimate modelClimatologyEnvironmental sciencePrecipitationGeographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The collaboration between the Coordinated Regional Climate Downscaling Experiment (CORDEX) and the Earth System Grid Federation (ESGF) provides open access to an unprecedented ensemble of regional climate model (RCM) simulations, across the 14 CORDEX continental-scale domains, with global coverage. These simulations have been used as a new line of evidence to assess regional climate projections in the latest contribution of the Working Group I (WGI) to the IPCC Sixth Assessment Report (AR6), particularly in the regional chapters and the Atlas. Here, we present the work done in the framework of the Copernicus Climate Change Service (C3S) to ­assemble a consistent worldwide CORDEX grand ensemble, aligned with the deadlines and ­activities of IPCC AR6. This work addressed the uneven and heterogeneous availability of CORDEX ESGF data by supporting publication in CORDEX domains with few archived simulations and performing quality control. It also addressed the lack of comprehensive documentation by compiling information from all contributing regional models, allowing for an informed use of data. In addition to presenting the worldwide CORDEX dataset, we assess here its consistency for precipitation and temperature by comparing climate change signals in regions with overlapping CORDEX domains, obtaining overall coincident regional climate change signals. The C3S CORDEX dataset has been used for the assessment of regional climate change in the IPCC AR6 (and for the interactive Atlas) and is available through the Copernicus Climate Data Store (CDS).

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,137

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,033
Tête enseignante GPT0,270
Écart entre enseignants0,237 · 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'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

Citations30
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetClimate variability and modelsTravaux en français237 207