Prediction of the quasi‐biennial oscillation with a multi‐model ensemble of <scp>QBO</scp>‐resolving models
Notice bibliographique
Résumé
Abstract A multi‐model study is carried out to investigate the ability of models to predict the evolution of the quasi‐biennial oscillation (QBO) up to 12 months in advance. All models are initialised from common reanalysis data, and forecasts run for a common set of 30 start dates over 15 years. All models have high skill in predicting the phase evolution of the QBO at 20–30 hPa, with slightly more variable results at higher and lower levels. Other aspects of the predicted QBO are of variable quality, and in some cases are consistently poor. QBO easterlies are too weak in all models at 20–50 hPa, while westerlies can be either too strong or too weak. This results in both a reduced amplitude of the QBO and a westerly bias in zonal‐mean winds, notably at 30 hPa. At 70 hPa models tend to have reduced QBO amplitude and an easterly bias. Despite these failings, a multi‐model ensemble of bias‐ and variance‐corrected forecasts can be used to give accurate and reliable QBO forecasts up to at least a year ahead. Analysis of the zonal momentum budget during the first month of the forecast shows that large‐scale forcing from Eliassen–Palm flux divergence and vertical advection are handled fairly well by the models, although vertical advection terms tend to be weaker than reanalysis estimates. Total tendencies show common errors, suggesting common failings in gravity‐wave drag treatments. Teleconnections from the QBO to Northern Hemisphere winter circulation are also examined, and do not appear to be realistic beyond the first month. Analysis of initialised forecasts is a powerful tool for diagnosing the accuracy of model processes driving the QBO.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».