Evaluation of a Multivariate Statistical Downscaling Method over Canada's Largest Pacific Basin
Notice bibliographique
Résumé
In this study, we evaluate the performance of the N-dimensional Multivariate Bias Correction (MBCn) statistical downscaling method over the Fraser River Basin in British Columbia, Canada. Modelling climatic and hydrologic processes in this key watershed in western Canada requires an expanded suite of variables beyond precipitation and temperature. Here, we assess how well MBCn downscaled simulations replicate univariate and multivariate properties of nine climatic variables in this basin, and whether MBCn provides added value over a univariate downscaling method (Quantile Delta Mapping; QDM) applied to the same variables. Data for the analysis include daily values from the Canadian Surface Reanalysis (CaSR) and two realizations of the Canadian Earth System Model Version 5 (CanESM5). Multivariate downscaling to 10×10 km resolution is applied with MBCn using two approaches: first, using aggregated CaSR as input in a perfect model framework; second, using each CanESM5 realization subjected to two calibration strategies, yielding four distinct downscaled simulations that help reveal the role of internal variability. Results comparing each downscaling approach to CaSR during 1980–2018 indicate that MBCn reproduces the spatial and temporal properties of most univariate and multivariate indices considered, although there is greater disagreement between the MBCn-downscaled results and the target data in mountainous areas of the basin. Pairwise correlation analyses from the CanEM5 simulations reveal that MBCn is able to preserve the interdependencies among the nine climate variables in the target data that are not captured using the univariate QDM downscaling method. Similar added value is also found from MBCn in the representation of multivariate derived indices calculated from combinations of the nine climate variables in the basin. Overall, using MBCn to downscale interdependent variables in regions such as the Fraser River Basin offers potential improvements for applications that depend on multivariate inputs.
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 | 0,003 | 0,001 |
| 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) | 0,004 | 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 ».