MétaCan
Menu
Retour à la cohorte
Enregistrement W2015504532 · doi:10.1175/2010jcli3491.1

Bred Vector and ENSO Predictability in a Hybrid Coupled Model during the Period 1881–2000

2010· article· en· W2015504532 sur OpenAlexafffund
Youmin Tang, Ziwang Deng

Notice bibliographique

RevueJournal of Climate · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesCanadian Foundation for Climate and Atmospheric SciencesNational Aeronautics and Space Administration
Mots-clésPredictabilityEl Niño Southern OscillationClimatologyForecast skillEnvironmental scienceSea surface temperatureMultivariate ENSO indexMathematicsSouthern oscillationStatisticsGeology

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, a breeding analysis was conducted for a hybrid coupled El Niño–Southern Oscillation (ENSO) model that assimilated a historic dataset of sea surface temperature (SST) for the 120 yr between 1881 and 2000. Meanwhile, retrospective ENSO forecasts were performed for the same period. For a given initial state, 15 bred vectors (BVs) of both SST and upper-ocean heat content (HC) were derived. It was found that the average structure of the 15 BVs was insensitive to the initial states and independent of season and ENSO phase. The average structure of the BVs shared many features already seen in both the final patterns of leading singular vectors and the ENSO BVs of other models. However, individual BV patterns were quite different from case to case. The BV rate (the average cumulative growth rate of BVs) varied seasonally, and the maximum value appeared at the time when the model ran through the boreal spring and summer. It was also sensitive to the strength of the ENSO signal (i.e., the stronger ENSO signal, the smaller the BV rate). Furthermore, ENSO predictability was explored using BV analysis. Emphasis was placed on the relationship between BVs, which are able to characterize potential predictability without requiring observations, and actual prediction skills, which make use of real observations. The results showed that the relative entropy, defined using breeding vectors, was a good measure of potential predictability. Large relative entropy often leads to a good prediction skill; however, when the relative entropy was small, the prediction skill seemed much more variable. At decadal/interdecadal scales, the variations in prediction skills correlated with relative entropy.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,217 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207