Globsim v.3 – Improvements to an open-source software library for utilizing atmospheric reanalyses in point-scale land surface simulation
Notice bibliographique
Résumé
The lack of long-term and consistent meteorological observations limits the application of land-surface simulators (e.g., of phenomena in hydrology, the cryosphere, ecology) at remote locations. For example, most permafrost areas are remote and lacking consistent meteorological time series, models that describe permafrost change over time cannot be driven for comparison with observations or for impact studies. Reanalysis-derived time series are valuable because they are available with global coverage, for a long time period, and for a broad set of physically consistent variables. Multiple reanalyses can be used to provide estimates of uncertainty. Practically, however, this data is difficult to use for several reasons: grid-scale reanalyses must be downscaled and interpolated horizontally (and vertically within the atmospheric column for mountains regions) to the site‑scale, differences in variables, units, and delivery between reanalyses must be reconciled, and large volumes of data need to be handled. Globsim is an open-source python library (available via GitHub) that was developed to handle these challenges and to facilitate a simulation workflow that takes advantage of the multiple reanalysis products available today. It outputs sub-daily meteorological time series that resemble meteorological stations for any location on the planet. Since the release of the first version of Globsim, we have improved usability, refactored code for maintainability and speed, and fixed a number of bugs. We also added support for ERA5 ensemble data, and added more sophisticated heuristic downscaling algorithms, including TOPOscale for elevation-adjusted radiative fluxes. We use Globsim as a core tool in a multi-model permafrost simulation workflow and, as a future step, we intend to use it as part of a debiasing routine to make predictions of permafrost using climate scenarios. We expect this tool to be broadly applicable to climate change impact modelers and other scientists using climate driven simulations working in (remote) locations that lack meteorological data of sufficient quality and duration for their application.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Logiciel Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Logiciel Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Simulation ou modélisation | medium |
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,010 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».