Seasonal Modulations of the Active MJO Cycle Characterized by Nonlinear Principal Component Analysis
Notice bibliographique
Résumé
Abstract A novel methodology is presented for the identification of the mean cycle of the Madden–Julian oscillation (MJO) along the equator. The methodology is based on a nonlinear principal component (NLPC) computed with a neural network model. The bandpass-filtered input data encompass 30 yr with zonal winds at 850 and 200 hPa plus outgoing longwave radiation (OLR). The NLPC is conditioned on a sufficiently strong MJO activity and is computed both for the pooled dataset and for the dataset stratified into seasons. The NLPC for all data depicts a circular mode formed by the first two linear principal components (LPCs) with marginal contributions by the higher-order LPCs. Hence, the mean MJO cycle throughout the year is effectively captured by the amplitude of the leading two LPCs varying in quadrature. The NLPC for individual seasons shows additional variability, which mainly arises from a subordinate oscillation of the second pair of LPCs superimposed on the annual MJO signal. In reference to the all-year solution, the difference in resolved variability approximately accounts for 9% in solstitial seasons and 3% in equinoctial seasons. The phasing of the third LPC is such that convective activity oscillations over the Maritime Continent as well as wind oscillations over the Indian Ocean appear enhanced (suppressed) during boreal winter (summer). Also, convective activity oscillations appear more pronounced at the date line during both winter and summer. The phasing of the fourth LPC is such that upper-level westerlies over the Atlantic region are more persistent during boreal spring than during other seasons.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».