Southern Annular Mode Dynamics in Observations and Models. Part I: The Influence of Climatological Zonal Wind Biases in a Comprehensive GCM
Notice bibliographique
Résumé
Abstract A common bias among global climate models (GCMs) is that they exhibit tropospheric southern annular mode (SAM) variability that is much too persistent in the Southern Hemisphere (SH) summertime. This is of concern for the ability to accurately predict future SH circulation changes, so it is important that it be understood and alleviated. In this two-part study, specifically targeted experiments with the Canadian Middle Atmosphere Model (CMAM) are used to improve understanding of the enhanced summertime SAM persistence. Given the ubiquity of this bias among comprehensive GCMs, it is likely that the results will be relevant for other climate models. Here, in Part I, the influence of climatological circulation biases on SAM variability is assessed, with a particular focus on two common biases that could enhance summertime SAM persistence: the too-late breakdown of the Antarctic stratospheric vortex and the equatorward bias in the SH tropospheric midlatitude jet. Four simulations are used to investigate the role of each of these biases in CMAM. Nudging and bias correcting procedures are used to systematically remove zonal-mean stratospheric variability and/or remove climatological zonal wind biases. The SAM time-scale bias is not alleviated by improving either the timing of the stratospheric vortex breakdown or the climatological jet structure. Even in the absence of stratospheric variability and with an improved climatological circulation, the model time scales are biased long. This points toward a bias in internal tropospheric dynamics that is not caused by the tropospheric jet structure bias. The underlying cause of this is examined in more detail in Part II of this study.
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 ».