Evaluation of the Performance of <scp>HighResMIP CMIP6</scp> in Simulating Extreme Precipitation in Madagascar
Notice bibliographique
Résumé
ABSTRACT This study assesses the performance of 17 High‐Resolution Model Intercomparison Project (HighResMIP) from the Coupled Model Inter‐comparison Project Phase 6 (CMIP6) and their ensemble mean in simulating extreme precipitation in Madagascar. For this purpose, nine extreme precipitation indices were used, namely consecutive dry days (CDD), consecutive wet days (CWD), heavy precipitation days (R10mm), very heavy precipitation days (R20mm), simple daily intensity (SDII), maximum 1‐day precipitation (RX1day), maximum 5‐day precipitation (RX5day), very wet days (R95P) and extremely wet days (R99p). Furthermore, two gridded data sets, the Climate Hazards Group InfraRed Precipitation with Station data (CHIRPS) and ERA5, were employed as the reference data. The performance of the models was assessed using Normalised Root Mean Squared Error (NRMSE), percentage of bias (PBIAS) and Taylor Skill Score (TSS). In addition, this study used a comprehensive model ranking (MR) to provide an inclusive assessment of the models. The results suggest that most HighResMIP models fairly reproduce the precipitation climatology in Madagascar. We also found that except for the simulation of R99P, most of the models have satisfactorily good results in simulating extreme precipitation indices over the study area. A further comparison between HighResMIP models and their CMIP6 counterparts showed that most of the high‐resolution models have better performance; yet improving model parametrization is still important. In line with previous research, by crossing the results from CHIRPS and ERA5, we found that the multi‐model mean outperformed individual models. Nevertheless, individual models such as HadGEM3‐GC31‐HH, HadGEM3‐GC31‐HM, ECMWF‐IFS‐HR and EC‐Earth3P‐HR have relatively good results. On the contrary, the worst performance is attributed to HIRAM‐SIT‐LR and INM‐CM5‐h. The outputs and results from this research deliver a comprehensive assessment of the performance of the new HighResMIP in simulating precipitation extremes at a local study, which are essential for policymakers and climate modellers.
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 | 0,002 | 0,002 |
| 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 | 0,001 | 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 ».