Explicitly Accounting for the Role of Remote Oceans in Regional Climate Modeling of South America
Notice bibliographique
Résumé
Abstract The common practice in dynamic downscaling is to nest a higher‐resolution regional climate model (RCM) into a global model that resolves the large‐scale circulation. However, nested RCMs can develop distinct large‐scale features that substantially diverge from those of the driving model. This is especially problematic over regions such as South America (SA), where the climate features strong teleconnection with remote oceans. Here we propose to explicitly resolve the atmospheric processes underlying the teleconnection by expanding the RCM domain to include the influential oceans. Using the coupled RegCM4.3.4‐CLM4.5 model, RCM simulations designed under the new paradigm demonstrate a substantial improvement of model skills over those using the standard CORDEX SA domain. Analysis of the underlying physical mechanisms indicates that the RCM captures the large‐scale dynamics and climate teleconnections substantially better when it includes the influential oceans. The Big Brother experimental protocol is then used to identify sources of uncertainties and skills, and the results suggest that the nesting practice cannot effectively capture the impact of forcings and processes acting outside the RCM domain. This uncertainty introduces substantial systematic bias to RCM simulations yet is not sampled by existing coordinated regional modeling projects (e.g., CORDEX) due to the use of a single domain focusing over land. Explicitly including oceans within the domain substantially reduces the sensitivity of the SA model climate to domain size/location and promises great potential for RCM applicability in studying regional mechanisms and feedback processes of SA's hydroclimate.
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 | 0,002 | 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) | 0,000 | 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 ».