Simulation strategies for optimal detection of regional climate model response to parameter modifications
Bibliographic record
Abstract
Cette thèse vise à rechercher les configurations expérimentales optimales pour étudier la réponse des Modèles Régionaux du Climat à aire limitée (MRC) face à des perturbations de leurs paramètres. Le travail est présenté en deux parties. La première partie aborde le cas d'une comparaison entre les simulations provenant d'un MRC, où un événement météorologique ou saisonnier est mis à l'échelle dynamiquement à partir de données observées (réanalyses). Cette situation implique l'utilisation de périodes d'intégration relativement courtes. Par conséquent, la réponse obtenue dans les moyennes temporelles des simulations par rapport à des modifications aux paramètres a tendance à être noyée dans le bruit quasi-aléatoire provenant de la dynamique chaotique du MRC. La possibilité d'augmenter le rapport signal-bruit par l'application du pilotage spectral ou par une réduction de la taille du domaine est étudiée. L'approche adoptée consiste à analyser la sensibilité des moyennes saisonnières du MRC Canadien (MRCC) face à des perturbations sur deux paramètres variés un à un. Le premier contrôle la convection profonde tandis que le second régit la condensation stratiforme. Les résultats montrent que l'ampleur du bruit diminue avec la réduction de la taille du domaine ainsi que par l'application du pilotage spectral. Toutefois, la réduction de la taille du domaine produit aussi des altérations statistiquement significatives de certains signaux, ce qui favorise l'utilisation de pilotage spectral. La deuxième partie de cette thèse aborde le cas d'une comparaison entre deux simulations d'un MRC en termes du climat simulé. À cet effet, un cadre théorique est développé pour le calcul des statistiques de premier et second ordre sur la différence entre les simulations. Les statistiques de la différence sont décomposées en une composante déterministe et reproductible contrainte par les conditions aux frontières et une composante de bruit provenant de la dynamique interne du MRC. Certaines questions reliées à l'estimation de la différence des moyennes temporelles entre les simulations sont développées en détail. Par exemple, un partage optimal des ressources informatiques entre la taille d'un ensemble et la longueur de la période d'intégration, ou encore l'impact de la t aille du domaine et du pilotage spectral sur l'estimation de la réponse du modèle. Une application de ces considérations théoriques est illustrée à partir de la réponse des simulations du MRCC dont un paramètre lié à la convection profonde a été perturbé. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : modèle régional de climat, perturbation des paramètres, ensemble, composante reproductible, pilotage spectral, taille du domaine, différence de moyennes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".