MétaCan
Menu
Retour à la cohorte
Enregistrement W3040196777 · doi:10.1029/2019jd030911

Fifty Years of Research on the Madden‐Julian Oscillation: Recent Progress, Challenges, and Perspectives

2020· article· en· W3040196777 sur OpenAlexaff
Xianan Jiang, Ángel F. Adames, Daehyun Kim, Eric D. Maloney, Hai Lin, Hyemi Kim, Chidong Zhang, Charlotte A. DeMott, Nicholas P. Klingaman

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesDivision of Atmospheric and Geospace SciencesSight Research UKNational Oceanic and Atmospheric AdministrationClimate Program OfficeKorea Meteorological AdministrationNational Aeronautics and Space AdministrationNatural Environment Research CouncilU.S. Department of Energy
Mots-clésMadden–Julian oscillationPredictabilityClimatologyCentennialGlobal climateEnvironmental scienceMeteorologyClimate changeHistoryGeographyGeologyConvectionOceanographyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Since its discovery in the early 1970s, the crucial role of the Madden‐Julian Oscillation (MJO) in the global hydrological cycle and its tremendous influence on high‐impact climate and weather extremes have been well recognized. The MJO also serves as a primary source of predictability for global Earth system variability on subseasonal time scales. The MJO remains poorly represented in our state‐of‐the‐art climate and weather forecasting models, however. Moreover, despite the advances made in recent decades, theories for the MJO still disagree at a fundamental level. The problems of understanding and modeling the MJO have attracted significant interest from the research community. As a part of the AGU's Centennial collection, this article provides a review of recent progress, particularly over the last decade, in observational, modeling, and theoretical study of the MJO. A brief outlook for near‐future MJO research directions is also provided.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,003
Communication savante0,0050,007
Science ouverte0,0010,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,180
Tête enseignante GPT0,375
Écart entre enseignants0,196 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations270
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetClimate variability and modelsTravaux en français237 207