An Approach for Selecting Observationally-Constrained Global Climate Model Ensembles for Regional Climate Impacts and Adaptation Studies in Canada
Notice bibliographique
Résumé
Given the growing number of global climate models (GCMs) with simulations available for impacts and adaptation studies, methods have been introduced to select models that are ‘fit-for-purpose’. This study applies a GCM selection process to historical and future climate projections from 38 and 43 GCMs contributing to the fifth and sixth phases of the Coupled Model Intercomparison Project (CMIP5 and CMIP6). Models are selected based on historical performance, with a further selection step targeted at reducing interdependencies between closely related model variants and ensemble members. Ten performance measures are calculated based on climatological statistics (mean, standard deviation, and seasonal cycle) of three climate variables (precipitation, sea level pressure, and surface air temperature (SAT)), as well as SAT warming trend for the 1985–2014 period. Performance is assessed over Canada and six Canadian sub-regions, at both annual and seasonal timescales. As initial-condition members and minor variants of GCMs are not independent, a representative democracy approach – using ensemble averages of initial-condition members and including only the best performance model among minor variants – is employed to reduce redundancy in selected subsets. There is a strong correlation between recent warming trends and future warming projections across Canada; therefore, observed SAT warming trends are recognized as important observational-constraints to aid in model selection. By removing “hot models” that fail to reproduce the historical SAT warming trend, a representative subset of observationally-constrained GCMs projects lower annual SAT than model democracy (using all model runs assuming independence and equal plausibility) over Canada and six Canadian sub-regions for 2071–2100.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».