MERCURY: A Fast and Versatile Multi‐Resolution Based Global Emulator of Compound Climate Hazards
Notice bibliographique
Résumé
Abstract High‐impact climate damages are often driven by compounding conditions, such as elevated heat stress arising from combined high humidity and temperatures. To explore future changes in compounding hazards under several climate scenarios, climate emulators can provide light‐weight, data‐driven complements to Earth System Models (ESMs). Yet, only a few existing emulators jointly emulate multiple climate variables. We introduce MERCURY (Multi‐resolution EmulatoR for CompoUnd climate Risk analYsis), a spatio‐temporal, multi‐resolution emulator designed for compound climate risk analysis. MERCURY employs image‐compression‐based techniques for memory‐efficient emulation and consists of two main modules. The regional module represents the monthly, regional response of a given variable to yearly Global Mean Temperature using a probabilistic additive model, resolving regional cross‐correlations. The resulting regional values are then jointly disaggregated to grid‐cell level values using a lifting‐scheme operator, founded on principles of Discrete Wavelet Transforms. We demonstrate MERCURY on the humid‐heat metric, wet bulb globe temperature (WBGT), as derived from temperature and relative humidity emulations. The emulated WBGT spatial correlations correspond well to those of ESMs and the 95 and 97.5 quantiles of WBGT distributions are well captured, with an average of 5 deviation. MERCURY's setup allows for region‐specific emulations from which one can efficiently “zoom” into the grid‐cell level across multiple variables by means of the reverse lifting‐scheme operator. This circumvents the traditional problem of having to emulate complete, global‐fields of climate data and resulting storage requirements.
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 | 0,001 | 0,000 |
| 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) | 0,000 | 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 ».