MétaCan
Menu
← Retour à la cohorte
Enregistrement W6930766160 · doi:10.5281/zenodo.15151116

Future-Shifted Weather Files for Canada using Climate Projections from CMIP6

2025· dataset· en· W6930766160 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2025
Typedataset
Langueen
DomaineMedicine
ThématiqueSepsis Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesEnvironment and Climate Change Canada
Mots-clésMorphingClimate modelData fileClimate changeWeather stationBuilding energy simulationEnergy budget

Résumé

récupéré en direct d'OpenAlex

Background This dataset includes future-shifted versions of the Canadian Weather Year for Energy Calculation 2020 weather files (CWEC2020; [1], [2]) produced using future climate projections from CMIP6 climate models. CWEC2020 weather files in Canada offer a summary of typical climatic conditions at specific locations to analyze and simulate building energy use. These files contain hourly weather station-based observations encompassing a single year that is meant to be representative of average conditions from the recent past, defined as a Typical Meteorological Year. Ongoing climate change means the information summarized in these weather files may not reflect present day conditions and is expected to become increasingly unrepresentative over typical building lifespans. Future-shifted files can be used with energy modelling software to compare building energy use between past and future conditions. These future-shifted files are produced using a “morphing” procedure that adjusts the mean and variance of the hourly series [3] with morphing factors calculated from CMIP6 climate model projections for five future periods (2040s to 2080s). Projected changes used to calculate morphing factors are taken from 18 CMIP6 global climate models following low, medium and high future emissions pathways (SSP1 2.6, SSP2 4.5, SSP5 8.5). Existing hourly series in the weather files are modified using additive or multiplicative morphing factors that are derived from the climate projections. Dataset Format This dataset consists of 15 future-shifted weather files at each of the 564 CWEC2020 locations in Canada. Future-shifted files employ the same EPW file structure formatting as the current CWEC2020 files. Within each future-shifted file, the hourly time series of dry bulb and dew point temperature, relative humidity, and surface pressure are adjusted using the morphing method to incorporate future climate change. The hourly time series for all other variables remain unchanged. The uploaded files are organized into separate zip files for each Canadian province or territory. Each zip file contains separate directories for all CWEC2020 locations within the province or territory. These location directories each contain the 15 future-shifted weather files generated using the current CWEC2020 file at that site. The future-shifted files are also available in csv format with the header information removed. The csv files for all provinces and locations are contained within the CSV_Future_Weather_Files.zip file. Data Portal All future-shifted CWEC2020 files are also accessible via a purpose-built data portal with search options to select files from specific locations: https://www.pacificclimate.org/data/weather-files References 1) Engineering Climate Services Unit. CWEEDS/CWEC/TDY Files - 2020 Release. Technical report, Toronto, ON, Canada, 2020. 2) Robert Morris. Final Report - Updating CWEEDS Weather Files. Technical Report EC3000607888, Environment and Climate Change Canada, Toronto, ON, Canada, 2016. 3) S.E. Belcher, J.N. Hacker, and D.S. Powell. Constructing design weather data for future climates. Building Services Engineering Research and Technology, 26(1):49–61, February 2005.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,075
Score d'incertitude au seuil0,190

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,017
Études des sciences et des technologies0,0020,000
Communication savante0,0030,002
Science ouverte0,0030,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0570,032

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,311
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)→Même sujetSepsis Diagnosis and Treatment→Travaux en français237 207→