Seasonal Forecasting with a Simple General Circulation Model: Predictive Skill in the AO and PNA
Notice bibliographique
Résumé
Abstract A primitive equation dry atmospheric model is used to perform ensemble seasonal predictions. The predictions are done for 51 winter seasons [December–January–February (DJF)] from 1948 to 1998. Ensembles of 24 forecasts are produced, with initial conditions of 1 December plus small perturbations. The model uses a forcing field that is calculated empirically from the National Centers for Environmental Prediction–National Center for Atmospheric Research (NCEP–NCAR) reanalyses. The forcing used to forecast a given winter is the sum of its winter climatological forcing plus an anomaly. The anomalous forcing is obtained as that of the month prior to the start of the forecast (November), which is also calculated from NCEP data. The predictions are thus made without using any information about the season to be predicted. The ensemble-mean predictions for the 51 winters are verified against the NCEP–NCAR reanalyses. Comparisons are made with the results obtained with a full GCM. It is found that the skill of the simple GCM is comparable in many ways to that of the full GCM. The skill in predicting the amplitude of the main patterns of Northern Hemisphere mean-seasonal variability, the Arctic Oscillation (AO) and the Pacific–North American (PNA) pattern is also discussed. The simple GCM has skill not only in predicting the PNA pattern during winters with strong ENSO forcing, but it also has skill in predicting the AO in winters without appreciable ENSO forcing.
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 | 0,001 | 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 ».