Evaluation of reanalysis precipitation estimates in the Canadian precipitation analysis (CaPA)
Notice bibliographique
Résumé
Canadian Precipitation Analysis (CaPA) has been developed by Environment Canada to produce the most accurate near-real-time gridded precipitation estimates. It uses the Global Environmental Multiscale model (GEM) as a background and assimilates the synoptic network of weather stations through Optimal Interpolation. Accurate estimation of gridded precipitation is useful for hydrological modeling, stream ow forecasting, and climate change studies. However, the calibration and validation of hydrologic models requires long temporal coverage of data for a better performance. Since GEM/CaPA data are available only for the recent past (2002-present), the development of historical data sets starting earlier than 2002 becomes important. Using alternative models for producing the atmospheric gridded background is one solution to overcome the short temporal coverage of archived GEM data. This thesis evaluates and analyzes two candidate data sets. ERA-Interim and NARR were selected as potential alternatives to GEM background. The general conclusion of the study is that the use of ERA-Interim and NARR as background elds leads to performance results that are not signi cantly inferior to GEM after assimilation with stations in the CaPA framework. While result with the GEM background remains the best, one can cautiously conclude that for most practical applications, ERA-Interim and/or NARR may be used for the period that predates archived GEM data. The thesis presents a more detailed evaluation of ERA-Interim and NARR for di erent seasons and di erent regions of Canada.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| 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 ».