Évaluation de la performance et de la sensibilité du Modèle Régional Canadien du Climat (MRCC6-GEM5) à simuler la précipitation horaire
Bibliographic record
Abstract
Les modèles régionaux de climat à convection explicite ont démontré une valeur ajoutée par rapport aux modèles à résolution plus grossière pour la simulation des précipitations, mais l’évaluation de leur précision en fonction de leur résolution et de leur configuration reste un défi. Cette étude évalue la performance et la sensibilité de plusieurs configurations de la sixième version du Modèle Régional Canadien du Climat (MRCC6-GEM5), dans la représentation des précipitations horaires sur le nord-est de l’Amérique du Nord. Plusieurs configurations ont été explorées en variant : l’espacement de la grille horizontale (2,5 km ou 12 km), le paramétrage de la microphysique et la précipitation (Sundqvist ou P3), le modèle de surface terrestre (ISBA ou CLASS), le traitement de la convection profonde (Kain-Fritsch ou explicite), la méthode de pilotage et la version du modèle atmosphérique (GEM5.0.2 ou GEM5.1.1). L’évaluation utilise des jeux de données de précipitation radar et satellite de pointe, y compris les produits Stage IV et IMERG (versions 6 et 7), combinés avec les données de la réanalyse ERA5. Les erreurs de précipitation sont évaluées en utilisant la décomposition intensité-fréquence conditionnée par l’environnement. Cette approche combine des informations sur les erreurs liées aux caractéristiques des précipitations (fréquence et intensité) avec les conditions environnementales associées, incluant les facteurs dynamiques et thermodynamiques. Les résultats montrent que les termes d’erreur influencent collectivement les erreurs totales de précipitation et présentent de fortes compensations, soulignant l’importance de cette méthodologie. La plus grande sensibilité des configurations est observée lors de la modification de la résolution horizontale, la configuration de 2,5 km de grille horizontale améliorant considérablement la simulation des précipitations grâce à des améliorations de la fréquence des précipitations horaires. La version à 2,5 km montre peu de sensibilité aux changements de configurations, même lors de la comparaison de l’impact de la convection profonde paramétrée contre explicite. De plus, de nombreux résultats dépendent de la saison, avec une sensibilité plus élevée durant les mois d’été. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : précipitations horaires, sensibilité, modèle régionaux à convection explicite
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 | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".