Sampling errors in estimation of the small scales of monthly mean climate
Notice bibliographique
Résumé
Abstract We examine the sampling errors in the estimation of the small scales of monthly average mean atmospheric climate as seen in mean kinetic energy. The relationships between the small‐scale mean and transient kinetic energy in the atmosphere and atmospheric flow simulations are discussed. We elucidate how the estimation of the mean depends on the number of realizations or the length of the time period of the data. Studies based on both a barotropic model and on the Commonwealth Scientific and Industrial Research Organisation (CSIRO) Mark 3 general circulation model (GCM) are performed focusing on 500 hPa and vertically averaged spectra. Results for perpetual January simulations are presented for 32, 62 and 1500 member ensembles within the barotropic model and for 1, 10 and 60 month integrations with the GCM. We find that, with too few realizations in the ensemble or averaging over just one month, the mean kinetic energy has a spurious spectrum with similar power law to the transient kinetic energy but with smaller values by about two orders of magnitude. For larger ensembles or longer averaging periods, the mean kinetic energy falls off more rapidly than the transient kinetic energy. Our results lead to the conclusion that mean kinetic energy spectra based on just one month of data, such as reported in the literature, most recently by Boer (2003), are dominated by sampling errors at the small scales.
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 | 0,000 | 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 ».