An extension of LDEO5 model for ENSO ensemble predictions
Notice bibliographique
Résumé
Abstract This study provided an extension to the latest version of Lamont-Doherty Earth Observation (LDEO5) prediction system. First, an ensemble coupled data assimilation (CDA) system, based on the Ensemble Kalman Filter, was established. Both the Kaplan sea surface temperature (SST) data from January 1856 to December 2018 and the ECMWF twentieth century reanalysis (ERA-20C) wind data from January 1900 to February 2010 were assimilated for prediction initialization. Second, an ensemble prediction (EP) system was established using stochastic optimal perturbation that represented the uncertainty in the physical process. The assimilation experiments showed that assimilating multi-source data yielded better results than assimilating single-source data. The analyses of Niño3.4 SST anomalies and zonal wind stress (ZWS) anomalies were in good agreement with the observed counterparts, respectively. The root mean square errors of both Niño3.4 SST anomalies and ZWS anomalies were found to be significantly reduced, compared to the values obtained before assimilation. The modeled upper layer depth anomalies along the equator, and subsurface temperature anomalies in the Niño3.4 region were also found to be similar to the observed counterparts. A long-term ensemble hindcast was conducted using the EP system for the past 163 years, from January 1856 to December 2018. Results showed that the predictions initialized by assimilating multi-source data yielded best deterministic skill, reaching the international advanced level. A comparative analysis revealed that the EP system predicted the warm events well, followed by cold and neutral events.
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 | 0,000 | 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 ».