Performance Evaluation of High-resolution Reanalysis Datasets Over North-central British Columbia
Notice bibliographique
Résumé
Version 2.1 of Environment and Climate Change Canada’s Canadian Surface Reanalysis (CaSR), based on the Regional Deterministic Reforecast System (RDRS), was implemented in 2022 to provide temporally complete meteorological data over 1980–2018 covering Canada at 10 km spatial resolution. Similarly, the fifth generation of the European Centre for Medium-Range Weather Forecasts (ECMWF) Re-Analysis-Land (ERA5-Land) dataset at ∼9 km spatial resolution became available. To assess their performance in complex topography, this paper undertakes spatiotemporal inter-comparisons between the RDRS and ERA5-Land reanalysis products with station-based data across British Columbia’s Skeena and Nechako watersheds for 1980–2018. Results reveal persistent cold biases, ranging from −6.2°C to −1.6°C basin-wide, in reanalysis mean annual air temperatures relative to observations, but biases vary in both space and time. Conversely, reanalysis total annual precipitation shows wet biases, ranging from 25% to 59% basin-wide. Analyses generally show wetting trends for observations and ERA5-Land while RDRS exhibits drying trends. Reanalysis datasets achieve better agreement overall with observations over the Nechako Watershed, likely due to its denser network of meteorological stations and less complex terrain than the Skeena Watershed. Despite some deficiencies, the RDRS and ERA5-Land reanalyses remain particularly useful products to assess regional climate variability and climatic change given their generally skilful representation of spatial patterns and temporal trends in meteorological variables across the Nechako and Skeena watersheds.
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) | 0,013 | 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 ».