Évaluation du cycle journalier dans les simulations du grand ensemble ClimEx
Bibliographic record
Abstract
Pour estimer l’impact des changements climatiques sur notre société, les scientifiques se basent habituellement sur des projections climatiques produites à l’aide de modèles numériques. Ces modèles permettent entre autres d’évaluer les effets de l’augmentation des concentrations atmosphériques de gaz à effet de serre(GES) sur le climat ainsi que la variabilité naturelle du système climatique. Il est connu que la température moyenne mondiale va augmenter et que l’occurrence, l’intensité et la distribution spatio-temporelle des précipitations extrêmes vont changer. Ces évènements météorologiques extrêmes causent des sécheresses, des inondations et d’autres catastrophes naturelles qui engendrent des conséquences importantes sur notre vie et notre environnement. En particulier, la précipitation est une variable clé dans l’adaptation aux changements climatiques. Cette étude se base sur le grand ensemble ClimEx, composé de 50 simulations indépendantes permettant d’étudier l’effet des changements climatiques et de la variabilité naturelle sur l’hydrologie des bassins versants du Québec. Cet ensemble a été produit en utilisant le Modèle Régional Canadien du Climat (MRCC5) sur une grille à 12 km de résolution en utilisant comme conditions aux frontières latérales des simulations produites par le modèle Canadien du système terrestre \nde deuxième génération (CanESM2) à 310 km de résolution spatiale horizontale. L’objectif de ce projet est d’évaluer les performances de l’ensemble ClimEx à simuler le cycle journalier et à représenter les valeurs extrêmes. Pour y arriver, 30 ans de données horaires pour la précipitation et aux trois heures pour la température sont analysées. Les données des 50 membres de ClimEx sont comparées à celles \nd’une simulation du MRCC5 pilotée par la réanalyse ERA-Interim, à la réanalyse ERA5 et à des stations météorologiques d’Environnement et Changement climatique Canada (ECCC). Une évaluation de la sensibilité de différentes statistiques climatiques au nombre de membres dans l’ensemble est aussi effectuée. Le cycle journalier de la précipitation montre une corrélation généralement non significative avec une amplitude qui est similaire à celles des données d’observation des stations d’ECCC. Pour la température de l’air près de la surface, la corrélation est forte et l’amplitude du cycle est semblable à celles des observations. ClimEx représente généralement bien les 95, 97 ,99ième quantiles pour la précipitation. Pour la température, il représente souvent bien les quantiles, mais avec un biais chaud sur la partie sud du Québec. Toutefois, des écarts importants ont été observés pour les valeurs maximales de ClimEx, qui sont jusqu’à 10 fois supérieures à celles d’ERA5 pour la précipitation mais l’écart est moins grand avec les données d’ECCC. Pour la température, les valeurs maximales et minimales montrent jusqu’à 20◦C d’écart au-dessus des valeurs d’ERA5 et l’écart est inférieur par rapport à ECCC. Le seuil de sensibilité au nombre de membres sur les 95, 99ième quantiles et sur le cycle moyen pour la précipitation se situe entre 15 et 50 membres de l’ensemble, pour obtenir une erreur inférieure à 5%. Pour la température, une erreur inférieure à 0.5◦C implique l’utilisation de 1 et 17 membres pour les 95, 99 ième quantiles et de 1 à 2 membres pour le cycle moyen.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| 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".