Synoptic sea‐level pressure patterns generated by a general circulation model: comparison with types derived from NCEP/NCAR re‐analysis and implications for downscaling
Notice bibliographique
Résumé
Abstract A principal component analysis (PCA)‐based synoptic typing scheme is used to assess the ability of the Canadian Centre for Climate Modelling and Analysis (CCCma) Coupled Global Climate Model (CGCM2) to reproduce daily mean‐sea‐level (MSL) synoptic patterns and their frequencies for the Pacific Northwest region of North America. Model output for the ‘control’ period 1961–1989 is compared against the climatology based on National Center for Environmental Prediction (NCEP) re‐analysis data. Although CGCM2 is able to reproduce the full range and seasonality of 13 synoptic types it significantly under‐represents three cold types and over‐represents (by about 50%) three warm/wet winter types. This effect is most pronounced in winter months. Differences in frequencies between the CGCM2 runs (1961–1989 climatology and 1990–2100 IPCC SRES ‘A2’ greenhouse gases (GHG) and aerosol forcing scenario) are smaller than the differences between NCEP and CGCM2 synoptic type frequencies for the 1961–1989 control. Unresolved orographic influences and atmosphere‐ocean coupling are cited as possible explanations for model deficiencies. Results suggest that application of CGCM2 output in downscaling studies examining regional impacts should take account of these potential biases. The approach adopted provides a methodology for not only assessing progress in emerging generations of more sophisticated higher resolution General Circulation Models (GCMs) (e.g. CGCM4 is under development), but also choosing the most appropriate model for regional downscaling studies. Copyright © 2006 Royal Meteorological Society.
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 ».