Méthode bayésienne de mise à l'échelle (Downscaling) spatiale.
Notice bibliographique
Résumé
Les sorties des modèles couplés de circulation générale Atmosphère-Océan, AOGCM \n(Atmosphere-Ocean General Circulation Models) sont largement utilisées pour établir \ndes projections du climat futur. Malheureusement, le maillage grossier de ces modèles ne \npermet pas de fournir les informations nécessaires pour les études d'impact en hydrologie \nou pour les applications de modélisation ou d'adaptations. Dans ce contexte, diverses \ntechniques de réduction d'échelle «Downscaling» (voir Benestad et al. 2008) ont été \ndéveloppées afin d'affiner les données AOGCM à des échelles plus pertinentes. Parmi \nces techniques, les méthodes basées sur la régression sont couramment utilisées en raison \nde leur faible temps de calcul. Cependant, un inconvénient majeur de ces méthodes est \nque l'estimation est généralement reproduite seulement sur les sites mesurés. Dans ce \nmémoire, un modèle spatial bayésien, présenté dans un travail antérieur, est adapté et \nappliqué pour la réduction d'échelle des données AOGCM aux températures maximale et \nminimale quotidiennes dans la province de Québec. Le modèle est proposé en vue de \ncontourner l'incapacité des méthodes de régression classiques de produire des estimations \nspatiales à des sites non jaugés. Dans cette méthode, la distribution de la moyenne à \npriori est estimée en utilisant les caractéristiques locales dans un modèle de régression \ngéographique (GRM). L'approche employée repose sur un cadre bayé sien afin de \ncombiner un modèle spatial mensuel commun pour les températures minimales et \nmaximales avec les fluctuations quotidiennes induites par les prédicteurs atmosphériques. \nLes produits des réanalyses sont utilisés dans ce travail afin d'évaluer le potentiel.de la \nméthode proposée. Les résultats de l'application de cette procédure bayésienne ont été \nsatisfaisants par rapport à une méthode classique fondée sur la régression. \n
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,004 | 0,003 |
| 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; 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 ».