Evaluating biases in simulated snow albedo feedback in two generations of climate models
Notice bibliographique
Résumé
Abstract This study presents a comprehensive evaluation of snow albedo feedback (SAF) in two generations of climate models (Coupled Model Intercomparison Project versions 3 (CMIP3) and 5 (CMIP5)). A comparison of the models is performed against a multiobservation‐based reference data set (mOBS) derived from the seasonal cycle of albedo, snow cover, and temperature. The observed total SAF shows low uncertainty and is generally well simulated by the CMIP3 and CMIP5 ensemble mean, except for a low (high) bias over the Arctic (northern boreal forest). Most CMIP5 models overestimate the snow cover component of SAF (SNC) and underestimate the temperature sensitivity component (TEM). The high bias in SNC is due to simulated snow albedos 4–5% brighter than observed driving unrealistically large albedo contrasts. However, overall representation of surface albedo—and mean climate—has improved, as fewer CMIP5 models exhibit large cold temperature, or high snow, biases. The low bias in TEM is related to overly persistent snow albedo during spring, particularly over southern Eurasia and North America. There is large observational uncertainty in the reference data set mOBS that is traced primarily to the different snow cover products, with a secondary contribution from the albedo products and a small contribution from the temperature products. The conclusion is that the model mean tends to simulate the multiobservation mean very closely; however, this masks considerable spread in both models and observations. There is clear motivation for producing improved submonthly snow cover products for the purpose of model evaluation.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».