Predicting multiyear North Atlantic Ocean variability
Notice bibliographique
Résumé
We assess the skill of retrospective multiyear forecasts of North Atlantic ocean characteristics obtained with ocean‐atmosphere‐sea ice models that are initialized with estimates from the observed ocean state. We show that these multimodel forecasts can skilfully predict surface and subsurface ocean variability with lead times of 2 to 9 years. We focus on assessment of forecasts of major well‐observed oceanic phenomena that are thought to be related to the Atlantic meridional overturning circulation (AMOC). Variability in the North Atlantic subpolar gyre, in particular that associated with the Atlantic Multidecadal Oscillation, is skilfully predicted 2–9 years ahead. The fresh water content and heat content in major convection areas such as the Labrador Sea are predictable as well, although individual events are not captured. The skill of these predictions is higher than that of uninitialized coupled model simulations and damped persistence. However, except for heat content in the subpolar gyre, differences between damped persistence and the initialized predictions are not significant. Since atmospheric variability is not predictable on multiyear time scales, initialization of the ocean and oceanic processes likely provide skill. Assessment of relationships of patterns of variability and ocean heat content and fresh water content shows differences among models indicating that model improvement can lead to further improvements of the predictions. The results imply there is scope for skilful predictions of the AMOC.
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 | 0,003 | 0,002 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».