Quantification de la valeur ajoutée par le premier grand ensemble de simulations de changement climatique à haute résolution sur le Québec
Bibliographic record
Abstract
Les modèles régionaux du climat (MRC) ont été développés pour mieux représenter le climat à l'échelle régionale par rapport aux modèles climatiques globaux (MCG), l'amélioration de la résolution des MRC devant en principe permettre une meilleure représentation des processus atmosphériques. Dans ce projet, la valeur ajoutée du grand ensemble de 50 simulations à haute résolution (12 km) du Modèle Régional Canadien du Climat (MRCC5) piloté par le modèle global canadien (CanESM2), est évaluée à différentes échelles spatiales. L'objectif de ce projet est de quantifier deux aspects de la valeur ajoutée : d'abord, en fonction du nombre de membres de l'ensemble; deuxièmement, la valeur ajoutée reliée à la haute résolution du MRCC5 par rapport CanESM2 et aux données d'observation. La méthodologie consiste d'abord à étendre la définition de la valeur ajoutée au cas d'un grand ensemble, en termes de sa capacité à échantillonner la variabilité interne du système climatique à l'échelle régionale. La deuxième partie de la méthodologie comprend trois grandes étapes visant à valider les petites échelles ajoutées par le MRCC5 par rapport au CanESM2 et aux données d'observation. Pour ce faire, une interpolation est effectuée pour comparer les trois ensembles de données sur une grille commune. Une décomposition spatiale est ensuite appliquée pour évaluer la valeur ajoutée des différents groupes d'échelles spatiales. Enfin, une analyse spectrale est utilisée pour quantifier la valeur ajoutée en fonction de l'échelle spatiale. Les résultats montrent que la valeur ajoutée est plus visible dans les précipitations puisque cette variable contient une proportion plus élevée d'échelles fines, et donc une pente spectrale moins raide par rapport à la température. Nous avons également noté que la valeur ajoutée est plus importante près des Grands Lacs, des côtes et des montagnes; ces régions étant beaucoup mieux représentées dans le MRCC5 à haute résolution que dans le CanESM2. De plus, la comparaison de ces deux modèles avec les observations a montré que les simulations du MRCC5 sont généralement plus proches des observations que celles du CanESM2. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : valeur ajoutée, modèle régional, large ensemble, modèle global
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 | 0.003 |
| 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 | 0.001 |
| 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".