当前位置：
X-MOL 学术
›
Int. J. Climatol.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Unravelling the influence of subjectivity on ranking of CMIP6 based climate models: A case study
International Journal of Climatology ( IF 3.5 ) Pub Date : 2021-04-30 , DOI: 10.1002/joc.7164 Anil Suram 1 , Manikanta Velpuri 1 , Anand Raj P 1
International Journal of Climatology ( IF 3.5 ) Pub Date : 2021-04-30 , DOI: 10.1002/joc.7164 Anil Suram 1 , Manikanta Velpuri 1 , Anand Raj P 1
Affiliation
|
The skill of General Circulation Models (GCMs) in mimicking the observed climate is assessed through various procedures and are ranked. The performance of a GCM is site-specific and the ranking pattern varies spatially. In general, a set of best performing GCMs is extracted to study the impact of climate change. As, there is no universally accepted ranking procedure, the ranking of GCMs is prone to subjectivity. In this study, it is aimed to address the effect of this subjectivity on the GCM rankings. The past performance of GCMs from Coupled Model Intercomparison Project phase 6 (CMIP6) in simulating the maximum and minimum temperature across India are evaluated and ranked by different ranking procedures. These ranking procedures involve combinations of various components present in the ranking procedure such as model evaluation criteria, criteria weightage allocation methods, Multicriteria Decision Making methods (MCDM) and reference gridded datasets. Different criteria and methods involved in the ranking procedures are carefully selected to address the subjectivity involved in ranking of GCMs. The effect of each individual component on the ranking pattern is systematically analysed and the spatial distribution of grids with same ranking patterns across all the combinations are considered as grids with same ranking. The performance of best performing GCM is attributed to homogenous climatic zones and its corresponding topological features. An ensemble of frequently performing top five GCMs among 16 different ranking procedures are extracted for each climate zone as the most suitable set of GCMs.
中文翻译：
揭示主观性对基于 CMIP6 的气候模型排名的影响：案例研究
大气环流模型 (GCM) 在模拟观测气候方面的技能通过各种程序进行评估并进行排名。GCM 的性能是特定于站点的，排名模式在空间上有所不同。通常，提取一组性能最佳的 GCM 来研究气候变化的影响。由于没有普遍接受的排名程序，GCM 的排名容易主观。在这项研究中，旨在解决这种主观性对 GCM 排名的影响。耦合模型比对项目第 6 阶段 (CMIP6) 的 GCM 过去在模拟印度最高和最低温度方面的性能通过不同的排名程序进行评估和排名。这些排序程序涉及排序程序中存在的各种组件的组合，例如模型评估标准、标准权重分配方法、多标准决策方法 (MCDM) 和参考网格数据集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。多标准决策方法 (MCDM) 和参考网格数据集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。多标准决策方法 (MCDM) 和参考网格数据集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。
更新日期：2021-04-30
中文翻译：
揭示主观性对基于 CMIP6 的气候模型排名的影响：案例研究
大气环流模型 (GCM) 在模拟观测气候方面的技能通过各种程序进行评估并进行排名。GCM 的性能是特定于站点的，排名模式在空间上有所不同。通常，提取一组性能最佳的 GCM 来研究气候变化的影响。由于没有普遍接受的排名程序，GCM 的排名容易主观。在这项研究中，旨在解决这种主观性对 GCM 排名的影响。耦合模型比对项目第 6 阶段 (CMIP6) 的 GCM 过去在模拟印度最高和最低温度方面的性能通过不同的排名程序进行评估和排名。这些排序程序涉及排序程序中存在的各种组件的组合，例如模型评估标准、标准权重分配方法、多标准决策方法 (MCDM) 和参考网格数据集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。多标准决策方法 (MCDM) 和参考网格数据集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。多标准决策方法 (MCDM) 和参考网格数据集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。排名过程中涉及的不同标准和方法经过精心选择，以解决 GCM 排名中涉及的主观性问题。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。系统地分析了每个单独组件对排序模式的影响，并将所有组合中具有相同排序模式的网格的空间分布视为具有相同排序的网格。性能最佳的 GCM 的性能归因于同质气候带及其相应的拓扑特征。为每个气候区提取了 16 个不同排名程序中频繁执行的前五个 GCM 的集合，作为最合适的 GCM 集。
京公网安备 11010802027423号