Calibrated coefficients for high-resolution downscaling: A 1-km gridded daily dataset of temperature and precipitation across the Contiguous United States from NMME Seasonal forecasts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The coarse resolution of the North American Multi-Model Ensemble (NMME) often introduces biases and uncertainties when applied to regional and local scales, limiting its applications in crop modeling and irrigation management. To address these limitations, we employed a statistical downscaling method with bias correction for both mean and variability. This approach was applied to the Canadian Coupled Climate Model version 4 (CanCM4), a representative model within the NMME, to generate 1-km gridded daily weather projections for maximum and minimum air temperatures and precipitation across the contiguous United States (CONUS). The downscaled hindcast projections were calibrated using the Daily Surface Weather and Climatological Summaries (DAYMET) dataset. This dataset provides the calibrated coefficients necessary to produce 1-km gridded daily weather projections, offering a valuable resource for applications such as regional crop modeling and irrigation management. Details can be found in our paper: Su, Q., Ale, S., Himanshu, S., Singh, J., and Singh, V.P. (2025). Calibration and bias correction of seasonal weather forecasts from the North American Multi-Model Ensemble: Potential applications for regional crop modeling and irrigation management. Journal of Agricultural Science 1-14. https://doi.org/10.1017/S0021859625000139
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.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle