Snowfall statistics for past and future climates calculated from two ensembles of the fifth-generation Canadian Regional Climate Model (CRCM5)
Notice bibliographique
Résumé
This dataset contains extreme snowfall statistics from observations and regional climate model simulations. Simulated snowfall statistics are calculated using two ensembles of the fifth-generation Canadian Regional Climate Model (CRCM5). The first is a set of four simulations produced by Ouranos for the Coordinated Regional Climate Downscaling Experiment (CORDEX) at 0.22° horizontal grid spacing over the North American domain. The second ensemble is a set of 50 simulations from the ClimEx project, driven by 50 members of the CanESM2 large ensemble over the northeastern North America domain at 0.11° horizontal grid spacing. Observations are derived from the Global Historical Climatology Network daily (GHCNd) dataset. Statistics include mean annual snowfall, the 95th percentile of daily snowfall (SF95), and the mean annual number of daily snowfall events exceeding 10% of the climatological mean annual snowfall (TC10). Statistics are presented for four time periods, the 1980-2009 recent past climate and the 30-year periods during which the +2, +3, and +4°C global warming levels (relative to the 1850-1900 preindustrial climate) are attained. These data are associated with the manuscript “Changing Nature of High-Impact Snowfall Events in Eastern North America” by McCray et al. (2023), Journal of Geophysical Research: Atmospheres available at https://doi.org/10.1029/2023JD038804.
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 | 0,000 | 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 ».