MétaCan
Menu
Retour à la cohorte
Enregistrement W2105235435 · doi:10.5194/esd-4-439-2013

Do GCMs predict the climate ... or macroweather?

2013· article· en· W2105235435 sur OpenAlexaff
S. Lovejoy, Daniel Schertzer, Daniel J. Varon

Notice bibliographique

RevueEarth System Dynamics · 2013
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTree-ring climate responses
Établissements canadiensMcGill UniversityUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésClimatologyClimate modelEnvironmental scienceGeneral Circulation ModelClimate changeAtmospheric circulationAtmospheric sciencesGeology

Résumé

récupéré en direct d'OpenAlex

Abstract. We are used to the weather–climate dichotomy, yet the great majority of the spectral variance of atmospheric fields is in the continuous "background" and this defines instead a trichotomy with a "macroweather" regime in the intermediate range from ≈10 days to 10–30 yr (≈100 yr in the preindustrial period). In the weather, macroweather and climate regimes, exponents characterize the type of variability over the entire regime and it is natural to identify them with qualitatively different synergies of nonlinear dynamical mechanisms that repeat scale after scale. Since climate models are essentially meteorological models (although with extra couplings) it is thus important to determine whether they currently model all three regimes. Using last millennium simulations from four GCMs (global circulation models), we show that control runs only reproduce macroweather. When various (reconstructed) climate forcings are included, in the recent (industrial) period they show global fluctuations strongly increasing at scales > ≈10–30 yr, which is quite close to the observations. However, in the preindustrial period we find that the multicentennial variabilities are too weak and by analysing the scale dependence of solar and volcanic forcings, we argue that these forcings are unlikely to be sufficiently strong to account for the multicentennial and longer-scale temperature variability. A likely explanation is that the models lack important slow "climate" processes such as land ice or various biogeochemical processes.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,011
Tête enseignante GPT0,210
Écart entre enseignants0,199 · 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

Citations43
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEarth System DynamicsMême sujetTree-ring climate responsesTravaux en français237 207