Performance comparison of four daily weather generators for historical period and downscaling future GCM scenarios
Notice bibliographique
Résumé
ABSTRACT Weather generators (WG) are one of the major tools for downscaling future scenarios of general circulation models (GCMs) for regional, especially hydrological, climate change impact assessment. A key capability of WGs in the downscaling process is their ability to transfer changes in the various statistical characteristics of weather variables, as projected by GCMs, to the downscaled series. The purpose of this paper is to evaluate the performance of four WGs for transferring the delta change of various statistical characteristics of weather variables predicted by GCMs to downscaled series. The performances of the WGs for downscaling shared socioeconomic pathway (SSP) 119, SSP 370, and SSP 585 scenarios of the Canadian Earth System Model version-5 (CanESM5) in six sites are evaluated. The WGs include LARS-WG, M-LARS-WG, IWG2, and D-IWG. Based on the results, overall, the performance of all the WGs in downscaling future GCM scenarios is reduced compared to the historical series simulation. However, IWG2 and M-LARS-WG by having monthly components performed better than D-IWG and LARS-WG, respectively. So, it is suggested that in addition to evaluating the performance of WGs in the simulation of historical variables, their performance in downscaling the future scenarios of the climate models should also be evaluated.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».