The impact of model fidelity on seasonal predictive skill
Notice bibliographique
Résumé
The relationship between the quality of a general circulation model's (GCM's) representation of present climate and its predictive skill on seasonal time scales is investigated by a series of GCM experiments. A novel procedure is developed to improve the quality of a GCM's present‐day control climate by applying cyclostationary annually varying run‐time “bias corrections”. Application of this procedure to the Canadian Centre for Climate Modelling and Analysis third generation atmospheric GCM (AGCM3) is shown to result in a significant reduction of time‐mean biases in wind, temperature and humidity fields in its simulation of present‐day climate. Furthermore, it is found that this cyclostationary correction leads to improved variability on seasonal time scales. The ability to improve a GCM's properties in this way allows a careful assessment of the relationship between a model's fidelity and its predictive skill. In this study, the potential predictive skill on seasonal time scales is assessed by performing ensemble simulations with the observed sea surface temperatures and sea‐ice distribution. The analysis indicates that the increase in model fidelity associated with the application of the bias correction results in a general increase in predictive skill on seasonal times scales. To investigate this result further, an additional set of ensemble forecasts are performed with the sign of the bias correction reversed, thereby degrading model fidelity. In this additional experiment the corresponding predictive skill is also degraded. The results of this study have implications with regard to the application and interpretation of model metrics for climate GCMs.
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 | 0,001 |
| 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 ».