Southern Annular Mode Dynamics in Observations and Models. Part II: Eddy Feedbacks
Notice bibliographique
Résumé
Abstract Many global climate models (GCMs) have trouble simulating southern annular mode (SAM) variability correctly, particularly in the Southern Hemisphere summer season where it tends to be too persistent. In this two-part study, a suite of experiments with the Canadian Middle Atmosphere Model (CMAM) is analyzed to improve the understanding of the dynamics of SAM variability and its deficiencies in GCMs. Here, an examination of the eddy–mean flow feedbacks is presented by quantification of the feedback strength as a function of zonal scale and season using a new methodology that accounts for intraseasonal forcing of the SAM. In the observed atmosphere, in the summer season, a strong negative feedback by planetary-scale waves, in particular zonal wavenumber 3, is found in a localized region in the southwest Pacific. It cancels a large proportion of the positive feedback by synoptic- and smaller-scale eddies in the zonal mean, resulting in a very weak overall eddy feedback on the SAM. CMAM is deficient in this negative feedback by planetary-scale waves, making a substantial contribution to its bias in summertime SAM persistence. Furthermore, this bias is not alleviated by artificially improving the climatological circulation, suggesting that climatological circulation biases are not the cause of the planetary wave feedback deficiency in the model. Analysis of the summertime eddy feedbacks in the models from phase 5 of the Coupled Model Intercomparison Project (CMIP5) confirms that this is indeed a common problem among GCMs, suggesting that understanding this planetary wave feedback and the reason for its deficiency in GCMs is key to improving the fidelity of simulated SAM variability in the summer season.
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 | 0,001 |
| 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 ».