MétaCan
Menu
Retour à la cohorte
Enregistrement W2962226706 · doi:10.1175/jas-d-19-0095.1

Blocking Statistics in a Varying Climate: Lessons from a “Traffic Jam” Model with Pseudostochastic Forcing

2019· article· en· W2962226706 sur OpenAlexaff
Adiv Paradise, César B. Rocha, Pragallva Barpanda, Noboru Nakamura

Notice bibliographique

RevueJournal of the Atmospheric Sciences · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesDivision of Atmospheric and Geospace SciencesUniversity of ChicagoNational Science Foundation
Mots-clésForcing (mathematics)AmplitudeClimatologyClimate modelEnvironmental scienceBlocking (statistics)Standard deviationPhysicsMeteorologyAtmospheric sciencesClimate changeMathematicsGeologyStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Recently Nakamura and Huang proposed a semiempirical, one-dimensional model of atmospheric blocking based on the observed budget of local wave activity in the boreal winter. The model dynamics is akin to that of traffic flow, wherein blocking manifests as traffic jams when the streamwise flux of local wave activity reaches capacity. Stationary waves modulate the jet stream’s capacity to transmit transient waves and thereby localize block formation. Since the model is inexpensive to run numerically, it is suited for computing blocking statistics as a function of climate variables from large-ensemble, parameter sweep experiments. We explore sensitivity of blocking statistics to (i) stationary wave amplitude, (ii) background jet speed, and (iii) transient eddy forcing, using frequency, persistence, and prevalence as metrics. For each combination of parameters we perform 240 runs of 180-day simulations with aperiodic transient eddy forcing, each time randomizing the phase relations in forcing. The model climate shifts rapidly from a block-free state to a block-dominant state as the stationary wave amplitude is increased and/or the jet speed is decreased. When eddy forcing is increased, prevalence increases similarly but frequency decreases as blocks merge and become more persistent. It is argued that the present-day climate lies close to the boundary of the two states and hence its blocking statistics are sensitive to climate perturbations. The result underscores the low confidence in GCM-based assessment of the future trend of blocking under a changing climate, while it also provides a theoretical basis for evaluating model biases and understanding trends in reanalysis data.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,254
Écart entre enseignants0,235 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Atmospheric SciencesMême sujetClimate variability and modelsTravaux en français237 207