MétaCan
Menu
Retour à la cohorte
Enregistrement W1494716491 · doi:10.1002/jgrd.50143

Northern Hemisphere blocking frequency and duration in the CMIP5 models

2013· article· en· W1494716491 sur OpenAlexaff
Etienne Dunn‐Sigouin, Seok‐Woo Son

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBlocking (statistics)Coupled model intercomparison projectClimatologyNorthern HemisphereDuration (music)Environmental scienceSouthern HemisphereClimate modelAtmospheric sciencesClimate changeGeologyOceanographyStatisticsPhysicsMathematics

Résumé

récupéré en direct d'OpenAlex

Northern Hemisphere (NH) blocking climatology is examined using a subset of climate models participating in the Coupled Model Intercomparison Project phase 5 (CMIP5). Both historical and Representative Concentration Pathway (RCP) 8.5 integrations are analyzed to evaluate the performance of the CMIP5 models and to identify possible changes in NH blocking frequency and duration in a warmer climate. Comparison with reanalysis data reveals that CMIP5 models can reproduce the NH blocking climatology reasonably well, although the frequency of Euro‐Atlantic blockings, particularly those with relatively short duration, is significantly underestimated during the cold season. In most models, overestimation of the Pacific blocking frequency is also evident for all durations throughout the year. In comparison to historical integrations, RCP 8.5 integrations show significant decreases in blocking frequency over both the North Pacific and north Atlantic regions, with a hint of increasing blocking frequency over western Russia. However, there is no noticeable change in the duration of individual blocking events for all durations.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,039
Tête enseignante GPT0,297
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations156
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetClimate variability and modelsTravaux en français237 207