Comparison of Linear Predictability of Surface Wind Components from Observations with Simulations from RCMs and Reanalysis
Notice bibliographique
Résumé
Abstract This study compares the predictability of surface wind components by linear statistical downscaling using data from both observations and comprehensive models [regional climate models (RCM) and NCEP-2 reanalysis] in three domains: North America (NAM), Europe–Mediterranean Basin (EMB), and East Asia (EAS). A particular emphasis is placed on predictive anisotropy, a phenomenon referring to unequal predictability of surface wind components in different directions. Simulated predictability by comprehensive models is generally close to that found in observations in flat regions of NAM and EMB, but it is overestimated relative to observations in mountainous terrain. Simulated predictability in EAS shows different structures. In particular, there are regions in EAS where predictability simulated by RCMs is lower than that in observations. Overestimation of predictability by comprehensive models tends to occur in regions of low predictability in observations and can be attributed to small-scale physical processes not resolved by comprehensive models. An idealized mathematical model is used to characterize the predictability of wind components. It is found that the signal strength along the direction of minimum predictability is the dominant control on the strength of predictive anisotropy. The biases in the model representation of the statistical relationship between free-tropospheric circulation and surface winds are interpreted in terms of inadequate simulation of small-scale processes in regional and global models, and the primary cause of predictive anisotropy is attributed to such small-scale processes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».