Evaluation and bias adjustment of daily ERA5 precipitation in the Canadian Arctic
Notice bibliographique
Résumé
Considerable progress has been made in understanding recent Arctic temperature changes, but precipitation changes have been less documented. This is partly due to the lack of in-situ observations, and consequently, most studies of precipitation changes are based on atmospheric reanalyses (assimilated observational datasets). We evaluate how well ERA5, a widely used reanalysis, reproduces observed precipitation (AHCCD dataset) in the Canadian Arctic, and offer recommendations for bias adjustment. We specifically evaluate precipitation occurrence (number of precipitation days over a period) and total precipitation accumulation (total accumulation of liquid water from precipitation days over a period). ERA5 exhibits a precipitation occurrence bias, generating excess precipitation inconsistent with observations. Literature to date removes daily amounts below 1 mm/day which account for almost 50% of annual precipitation occurrence in the region, motivating the need for new adjustment methods. A threshold of 0.63 mm/day allows for a better match with observations for August (+9% bias) and annual (-2%) precipitation occurrence, but February is underestimated (-23%). A more elaborate adjustment based on precipitation temperature improves February precipitation occurrence (-2%). Adjusted ERA5 is unable to reproduce spatial variability. It cannot capture observed trends but shows some agreement with interannual differences (R2 = 0.32). The annual increase of 0.86 ± 0.14 days/year/year (1979-2006) is absent. Daily precipitation accumulation which is adjusted for drizzle bias reproduces annual (+7%), August (+19%) and February (-19%) precipitation accumulation. Accumulation adjustment methods were developed but should be calibrated on a recent subset of years (i.e., 10 years) since annual precipitation accumulation has increased. The spatial variability of precipitation accumulation is represented (R2 0.64) in addition to some detrended interannual variability (R2 = 0.34). The increase in precipitation accumulation of 1.50 ± 0.42 mm/year/year (1979-2006) is severely underestimated, questioning the reliability of ERA5 for investigating climate change in the Canadian Arctic. This study informs the Arctic research community of the validity of using ERA5. We evaluate and improve bias adjustment methods for precipitation occurrence and accumulation, enhancing ERA5’s representation of climatological mean precipitation in the region.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».