MétaCan
Menu
Retour à la cohorte
Enregistrement W2030116498 · doi:10.1175/mwr-d-12-00216.1

The Canadian Seasonal to Interannual Prediction System. Part I: Models and Initialization

2013· article· en· W2030116498 sur OpenAlexaffabout
William J. Merryfield, Woo-Sung Lee, G. J. Boer, Viatcheslav Kharin, John Scinocca, Gregory M. Flato, R. S. Ajayamohan, John C. Fyfe, Youmin Tang, Saroja Polavarapu

Notice bibliographique

RevueMonthly Weather Review · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Northern British ColumbiaUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésInitializationData assimilationClimatologyEnvironmental scienceCoupled model intercomparison projectClimate modelMeteorologyForcing (mathematics)Ensemble forecastingSea surface temperatureForecast skillClimate changeComputer scienceGeologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract The Canadian Seasonal to Interannual Prediction System (CanSIPS) became operational at Environment Canada's Canadian Meteorological Centre (CMC) in December 2011, replacing CMC's previous two-tier system. CanSIPS is a two-model forecasting system that combines ensemble forecasts from the Canadian Centre for Climate Modeling and Analysis (CCCma) Coupled Climate Model, versions 3 and 4 (CanCM3 and CanCM4, respectively). Mean climate as well as climate trends and variability in these models are evaluated in freely running historical simulations. Initial conditions for CanSIPS forecasts are obtained from an ensemble of coupled assimilation runs. These runs assimilate gridded atmospheric analyses by means of a procedure that resembles the incremental analysis update technique, but introduces only a fraction of the analysis increment in order that differences between ensemble members reflect the magnitude of observational uncertainties. The land surface is initialized through its response to the assimilative meteorology, whereas sea ice concentration and sea surface temperature are relaxed toward gridded observational values. The subsurface ocean is initialized through surface forcing provided by the assimilation run, together with an offline variational assimilation of gridded observational temperatures followed by an adjustment of the salinity field to preserve static stability. The performance of CanSIPS historical forecasts initialized every month over the period 1981–2010 is documented in a companion paper. The CanCM4 model and the initialization procedures developed for CanSIPS have been employed as well for decadal forecasts, including those contributing to phase 5 of the Coupled Model Intercomparison Project.

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)0,003
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: aucune
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,134

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0030,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,023
Tête enseignante GPT0,230
Écart entre enseignants0,207 · 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

Citations316
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMonthly Weather ReviewMême sujetClimate variability and modelsTravaux en français237 207