Decadal Prediction of the Sahelian Precipitation in CMIP5 Simulations
Notice bibliographique
Résumé
Abstract In this study the capability of eight state-of-the-art ocean–atmosphere coupled models in predicting the monsoonal precipitation in the Sahel on a decadal time scale is assessed. To estimate the importance of the initialization, the predictive skills of two different CMIP5 experiments are compared, a set of 10 decadal hindcasts initialized every 5 years in the period 1961–2009 and the historical simulations in the period 1961–2005. Results indicate that predictive skills are highly model dependent: the Fourth Generation Canadian Coupled Global Climate Model (CanCM4), Centre National de Recherches Météorologiques Coupled Global Climate Model, version 5 (CNRM-CM5), and Max Planck Institute Earth System Model, low resolution (MPI-ESM-LR) models show improved skill in the decadal hindcasts, while the Model for Interdisciplinary Research on Climate, version 5 (MIROC5) is skillful in both the decadal and historical experiments. The Beijing Climate Center, Climate System Model, version 1.1 (BCC-CSM1.1), Hadley Centre Coupled Model, version 3 (HadCM3), L'Institut Pierre-Simon Laplace Coupled Model, version 5, coupled with NEMO, low resolution (IPSL-CM5A-LR), and Meteorological Research Institute Coupled Atmosphere–Ocean General Circulation Model, version 3 (MRI-CGCM3) models show insignificant or no skill in predicting the Sahelian precipitation. Skillful predictions are produced by models properly describing the SST multidecadal variability and the initialization appears to play an important role in this respect.
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) | 0,001 | 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 ».