Information‐based potential predictability of the Asian summer monsoon in a coupled model
Notice bibliographique
Résumé
In this study, we applied two information‐based measures, relative entropy (RE) and mutual information (MI), to explore the potential predictability of the Asian summer monsoon (ASM) at seasonal time scales using the hindcasts of the National Centers for Environmental Prediction (NCEP) Climate Forecast System (CFS). Several important issues related to ASM predictability were addressed, including the dominant precursors of forecast skill and the degree of confidence that can be placed in an individual forecast. We found that the MI‐based average potential predictability can explain, to a large extent, the variation in overall prediction skill, especially anomaly correlation skill. Compared with the conventional signal‐to‐noise ratio approach, the MI‐based measures can characterize more potential prediction utility. As a potential predictability measure for an individual prediction, RE has a good relationship with C, the contribution of an individual forecast to overall anomaly correlation skill, and a poor relationship with the absolute error (AE). Further analyses revealed that RE is highly related to sea surface temperature (SST) and SST‐ASM correlation patterns in the model resemble the typical El Niño‐Southern Oscillation (ENSO) structure. The different impacts of ENSO on the South Asian summer monsoon and the East Asian summer monsoon, the two main components of the ASM, well explain the different potential predictability features in the two regions, in particular, in terms of their interannual variability. Thus, ENSO is the main source of ASM seasonal predictability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».