Observed Precipitation Trends Inferred from Canada’s Homogenized Monthly Precipitation Dataset
Notice bibliographique
Résumé
Abstract This study first developed a comprehensive semiautomatic data homogenization procedure to produce gap-infilled and homogenized monthly precipitation data series for 425 long-term/critical stations in Canada, which were then used to assess Canadian historical precipitation trends. Data gaps in the 425 series were infilled by advanced spatial interpolation of a much larger dataset. The homogenization procedure repeatedly used multiple homogeneity tests without and with reference series to identify changepoints/inhomogeneities, the results from which were finalized by manual analysis using metadata and visual inspection of the multiphase regression fits. As a result, 298 out of the 425 data series were found to be inhomogeneous. These series were homogenized using quantile matching adjustments. The homogenized dataset shows better spatial consistency of trends than does the raw dataset. The improved gridding and regional mean trend estimation methods also provide more realistic trend estimates. With these improvements, Canadian historical precipitation trends were found to be dominantly positive and significant, except in central-south Canada where the trends are generally insignificant and small with mixed directions. For annual precipitation, the largest increases are seen in southeastern Canada and along the Pacific coast; however, the largest relative increases (in percent of the 1961–90 mean) are seen in northern Canada. The largest trend difference between northern and southern Canada is seen in winter, in which significant increases in the north were matched with significant decreases in the south. Significance Statement This study aims to produce a homogenized long-term monthly precipitation dataset for Canada, which is then used to assess Canadian historical precipitation trends. The work is important because it developed a comprehensive algorithm for homogenization of precipitation data, and the results provide better representation of precipitation climate and more robust estimates of precipitation trends. It also identified the causes for large biases in the published estimates of precipitation trends over Canada.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».