Evaluating CMIP6 Model Accuracy in Predicting and Clustering Precipitation and Temperature Trends in the Omo-Gibe River Basin, Ethiopia
Notice bibliographique
Résumé
This study evaluated the performance of the latest generation of global climate models (CMIP6) in predicting and clustering climate variables in the Omo-Gibe River Basin (OGRB), Ethiopia—a region highly vulnerable to climate change. Historical data (1984–2014) were used to evaluate 12 CMIP6 models using statistical metrics (R², RMSE, MBE) and categorical metrics (POD, FAR, CSI), identifying the best-performing models for each cluster. The selected models underwent bias correction using distribution mapping to enhance projection accuracy under two socio-economic pathways: SSP2–4.5 (moderate emissions) and SSP5–8.5 (high emissions) for the near-term (2023–2053) and mid-term (2054–2084) periods. The study employed the K-means clustering method to classify spatial variations in precipitation and temperature, resulting in three clusters of precipitation and two clusters for temperature. Sen's slope estimator and the Modified Mann-Kendall (MMK) test were utilized to analyze trends in precipitation and temperature time series. Key findings include model performance: For precipitation, INM-CM5-0, FGOALS-g3, and IPSL-CM6A-LR demonstrated strong performance in Clusters 1 and 3, while MPI-ESM1-2-LR and NorESM2-MM excelled in Cluster 2. For temperature, INM-CM5-0, BCC-CSM2-MR, and MPI-ESM1-2-LR exhibited the highest accuracy in Clusters 1 and 2. Significant precipitation increases were noted, particularly in Cluster 3, which shows a 74.7% rise by mid-century under SSP5–8.5. Temperature projections indicate maximum increases of 11.5% (absolute change: 3.1°C) in Cluster 1 and 8.4% (absolute change: 2.2°C) in Cluster 2, while minimum temperature rises reach as high as 23.5% (absolute change: 3.5°C). Spatial clustering revealed distinct climate patterns, with regions experiencing monomodal and bimodal rainfall cycles, providing a nuanced understanding of precipitation and temperature dynamics across the basin. These results reveal pronounced shifts in climate patterns, underscoring the importance of targeted adaptation strategies. The findings provide critical insights into regional climate dynamics and support the development of climate-resilient water resource management and infrastructure planning. Collaborative efforts between policymakers, researchers, and communities are essential to address the anticipated challenges effectively.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».