Enhanced Driving Data for Regional Climate Models: Investigating the Systematic Improvements with GCM Run-time Empirical Bias Correction
Notice bibliographique
Résumé
A novel runtime empirical bias correction (EBC) has recently been developed and applied to enhance the Canadian Center for Climate Modelling and Analysis' (CCCma) global earth system model CanESM, demonstrating significant improvements in future climate projections, particularly under strong climate change scenarios. The application of EBC to CanESM provides enhanced driving data for dynamical downscaling through regional climate models (RCMs).This project aims to assess the impact of the improved EBC driving data on two RCMs, namely CanRCM5 (CCCma) and CRCM5 (Ouranos), in order to evaluate the systematic improvement of meteorological variables. Multiple 10-member ensembles are utilized to investigate the added value of employing EBC in driving the RCM simulations. The ensembles consist of three sets: the first set utilizes the original CanESM5 as driving data, the second set incorporates EBC on sea surface temperature (SST) and sea ice concentration (SIC) using the original CanESM5, and the third set employs bias-corrected atmosphere, SST, and SIC data. All three ensembles are compared against ERA5 data as a reference for the historical period.Results indicate a clear advantage of using EBC, particularly in cases where the initial bias is substantial. For instance, significant improvement in modeling key meteorological phenomena, notably the North American monsoon and the northeasters (extratropical cyclones). These improvements can be attributed not only to the refinement in addressing climatological biases in land and ocean data but also to an enhanced representation of cyclonic activities due to a better representation of overall circulation in our region. Ultimately, this research seeks to contribute to the scientific community by providing a methodology to mitigate uncertainties in downscaled projections of future climate change through the utilization of EBC.
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 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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».