The Monte Carlo Independent Column Approximation: an assessment using several global atmospheric models
Notice bibliographique
Résumé
Abstract The Monte Carlo Independent Column Approximation (McICA) computes domain‐average, broadband radiative flux profiles within conventional global climate models (GCMs). While McICA is unbiased with respect to the full ICA, it generates, as a by‐product, random noise. If this by‐product leads to statistically significant impacts on GCM simulations, it could limit the usefulness of McICA. This paper assesses the impact of McICA's random noise on six GCMs. To this end, the GCMs performed ensembles of 14‐day long simulations for various renditions of McICA, each with differing amounts of random noise. As seen in the past, low‐cloud fraction and surface temperature were affected most by noise. However, all GCM simulations using operationally viable renditions of McICA showed no statistically significant impacts, even for precipitation ‐ a highly intermittent variable that one might expect to be sensitive to random fluctuations. Two GCMs showed statistically significant responses using an academic version of McICA that generates overly large sampling noise. Time series analyses of high‐resolution (i.e. typically 2‐hourly) data revealed that fluctuations associated with most variables and GCMs are immune to McICA noise. Moreover, the nature of these fluctuations can vary substantially among GCMs and most often they overwhelm any noise impacts. Overall, the results presented here corroborate a range of previous studies done on one GCM at a time: random noise produced by recommended versions of McICA has statistically insignificant effects on GCM simulations. Copyright © 2008 Royal Meteorological Society and Her Majesty in Right of Canada.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».