Optimal error analysis of MJO prediction associated with uncertainties in sea surface temperature over Indian Ocean
Notice bibliographique
Résumé
Abstract In this study, the predictability of the Madden–Julian Oscillation (MJO) is investigated using the coupled Community Earth System Model (CESM) and the climatically relevant singular vector (CSV) method. The CSV method is an ensemble-based strategy to calculate the optimal growth of the initial error on the climate scale. We focus on the CSV analysis of MJO initialized at phase II, facilitating the investigation of the effect of the initial errors of the sea surface temperature (SST) in the Indian Ocean on it. Six different MJO events are chosen as the study cases to ensure the robustness of the results. The results indicate that for all the study cases, the optimal perturbation structure of the SST, denoted by the leading mode of the singular vectors (SVs), is a meridional dipole-like pattern between the Bay of Bengal and the southern central Indian Ocean. The MJO signal tends to be more converged and significant in the Eastern Hemisphere while the model is perturbed by leading SV. The moist static energy analysis results indicate that the eastward propagation is much more evident in the terms of vertical advection and radiation flux than others. Therefore, the SV perturbation can strengthen and converge the MJO signal mostly by increasing the vertical advection of the moist static energy. Further, the sensitivity studies indicate that the structure of the leading SV is not sensitive to the initial states, which suggests that we might not need to calculate SVs for each initial time in constructing the ensemble prediction, significantly saving computational time in the operational forecast systems.
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».