ISIMIP2a Simulation Data from Water (regional) Sector
Notice bibliographique
Résumé
The Inter-Sectoral Impact Model Intercomparison Project (ISIMIP) provides a framework for the collation of a set of consistent, multi-sector, multi-scale climate-impact simulations, based on scientifically and politically-relevant historical and future scenarios. This framework serves as a basis for robust projections of climate impacts, as well as facilitating model evaluation and improvement, allowing for improved estimates of the biophysical and socio-economic impacts of climate change at different levels of global warming. It also provides a unique opportunity to consider interactions between climate change impacts across sectors. ISIMIP2a is the second ISIMIP simulation round, focusing on historical simulations (1971-2010) of climate impacts on agriculture, fisheries, permafrost, biomes, regional and global water and forests. This will serve as a basis for model evaluation and improvement, allowing for improved estimates of the biophysical and socio-economic impacts of climate change at different levels of global warming. In the regional water sector, future simulations of climate-change impacts were also carried out, using climate data from five global climate models (GCMs: HadGEM2-ES, IPSL-CM5A-LR, MIROC-ESM-CHEM, GFDL-ESM2M and NorESM1-M) for the four Representative Concentration Pathways (RCPs: RCP2.6, RCP4.5, RCP6.0 and RCP8.5). The focus topic for ISIMIP2a is model evaluation and validation, in particular with respect to the representation of impacts of extreme weather events and climate variability. During this phase, four common global observational climate data sets were provided across all impact models and sectors. In addition, appropriate observational data sets of impacts for each sector were collected, against which the models can be benchmarked. Access to the input data for the impact models is provided through a central ISIMIP archive (see https://www.isimip.org/gettingstarted/#input-data-bias-correction). This entry refers to the ISIMIP2a simulation data from regional hydrology models (river basins in brackets): HBV-CMA (Yangtze) HBV-IWW (Tagus) HBV-JLU (Rhine, Ganges, Mississippi) HBV-PIK (Rhine, Niger, Yellow, Blue Nile, Amazon) HYMOD-JLU (Rhine, Ganges, Mississippi) HYMOD-UFZ (Rhine, Niger, Blue Nile, Ganges, Yellow, Darling, Mississippi, Amazon) HYPE (Rhine, Tagus, Niger, Ganges, Lena, Mackenzie) mHM (Rhine, Niger, Blue Nile, Ganges, Yellow, Darling, Mississippi, Amazon) SWAP (Rhine, Tagus, Niger, Ganges, Yellow, Yangtze; Lena, Darling, MacKenzie, Mississippi, Amazon) SWAT (Yangtze; Darling; Blue Nile; Amazon; Mississippi; Niger) SWIM (Rhine, Yellow, Mississippi; Niger; Lena; Tagus; Blue Nile; Yangtze; Ganges, Amazon) VIC (Tagus, Blue Nile, Yellow, Lena, Darling, Amazon, MacKenzie; Rhine, Niger, Mississippi; Ganges; Yangtze) VIP (Yellow) WaterGAP3 (Rhine, Tagus, Niger, Blue Nile, Ganges, Yellow, Lena, Mississippi) ECOMAG (Lena, MacKenzie)
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,174 | 0,399 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».