MétaCan
Menu
Retour à la cohorte

The Extratropical Signal Generated by a Midlatitude SST Anomaly. Part II: Influence on Seasonal Forecasts

2001· article· en· W2179072403 sur OpenAlexaff
Nicholas M. J. Hall, Hai Lin, Jacques Derome

Notice bibliographique

RevueJournal of Climate · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésExtratropical cycloneMiddle latitudesClimatologyAnomaly (physics)TeleconnectionPerturbation (astronomy)Forcing (mathematics)Forecast skillEnvironmental scienceSea surface temperatureInitial value problemData assimilationGeopotential heightAtmospheric sciencesGeologyMeteorologyMathematicsEl Niño Southern OscillationPrecipitationPhysics

Résumé

récupéré en direct d'OpenAlex

A simple GCM based on a primitive equation model with empirically derived time-independent forcing is used to make forecasts in the extended to seasonal range. The results are analyzed in terms of the response to a midlatitude Pacific sea surface temperature anomaly (SSTA), represented here by a heating perturbation. A set of 90-day, 30-member ensemble forecasts is made with 54 widely differing initial conditions, both with and without the SSTA. The development of the response, defined as the difference between ensemble means, is split into three 30-day averages: month 1, month 2, and month 3. During month 1, ensemble members separate, and the local response and remote teleconnections are established. The local response is not very sensitive to the initial condition. In month 2, the extended range, the responses are relatively strong and vary greatly from one initial condition to another. However, a linear analysis reveals that large variations in the response do not correlate strongly with large variations in the initial condition. The initial perturbations required to generate the observed variations in the response are relatively small, and may be difficult to isolate in a real forecasting situation. In month 3, the seasonal range, variations between responses are much smaller. The initial condition loses its influence and the responses all start to resemble the equilibrium response discussed in Part I.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,565
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,247
Écart entre enseignants0,231 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations19
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207