Nonlinear Modes of North American Winter Climate Variability Derived from a General Circulation Model Simulation
Notice bibliographique
Résumé
Abstract Nonlinear principal component analysis (NLPCA), via a neural network (NN) approach, was applied to an ensemble of six 47-yr simulations conducted by the Canadian Centre for Climate Modelling and Analysis (CCCma) second-generation atmospheric general circulation model (AGCM2). Each simulation was forced with the observed sea surface temperature [from the Global Sea Ice and Sea Surface Temperature dataset (GISST)] from January 1948 to November 1994. The NLPCA modes reveal nonlinear structures in both the winter 500-mb geopotential height (Z500) anomalies and surface air temperature (SAT) anomalies over North America, with asymmetric spatial anomaly patterns during the opposite phases of an NLPCA mode. Only during its negative phase is the first NLPCA mode related to the El Niño–Southern Oscillation (ENSO); the positive phase is related to a weakened jet stream. Spatial patterns of the NLPCA mode for the Z500 anomalies generally agree with those for the SAT anomalies. Nonlinear canonical correlation analysis (NLCCA), also via an NN approach, was then applied to the midlatitude winter GCM data and the observed SST of the tropical Pacific. Nonlinearity was detected in both the forcing field (SST) and the response field (Z500 or SAT) at zero time lag. The leading NLCCA mode for the SST anomalies is a nonlinear ENSO mode, with a 30°–40° eastward shift of the positive SST anomalies during El Niño relative to the negative SST anomalies during La Niña. The leading NLCCA mode for the Z500 anomaly field is a nonlinear Pacific–North American (PNA) teleconnection pattern. The ray path of the Rossby waves induced during El Niño is 10°–15° east of that induced during La Niña. The nonlinear atmospheric response to ENSO is also found in the leading NLCCA mode for the SAT anomalies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».