MétaCan
Menu
Retour à la cohorte
Enregistrement W2105100550 · doi:10.1175/jcli-d-11-00205.1

Do Climate Models Capture the Tropical Influences on North Pacific Sea Surface Temperature Variability?

2011· article· en· W2105100550 sur OpenAlexafffund
Fabian Lienert, John C. Fyfe, William J. Merryfield

Notice bibliographique

RevueJournal of Climate · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change CanadaUniversity of Victoria
Organismes subventionnairesCanadian Foundation for Climate and Atmospheric Sciences
Mots-clésClimatologyPacific decadal oscillationForcing (mathematics)Sea surface temperatureMixed layerEnvironmental scienceEl Niño Southern OscillationClimate modelTropicsClimate changeOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract This study evaluates the ability of global climate models to reproduce observed tropical influences on North Pacific Ocean sea surface temperature variability. In an ensemble of climate models, the study finds that the simulated North Pacific response to El Niño–Southern Oscillation (ENSO) forcing is systematically delayed relative to the observed response because of winter and spring mixed layers in the North Pacific that are too deep and air–sea feedbacks that are too weak. Model biases in mixed layer depth and air–sea feedbacks are also associated with a model mean ENSO-related signal in the North Pacific whose amplitude is overestimated by about 30%. The study also shows that simulated North Pacific variability has more power at lower frequencies than is observed because of model errors originating in the tropics and extratropics. Implications of these results for predictions on seasonal, decadal, and longer time scales are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,238
Écart entre enseignants0,214 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations18
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207