Impact of Initialized Land Surface Temperature and Snowpack on Subseasonal to Seasonal Prediction Project, Phase I (LS4P-I): organization and experimental design
Notice bibliographique
Résumé
Abstract. Subseasonal-to-seasonal (S2S) prediction, especially the prediction of extreme hydroclimate events such as droughts and floods, is not only scientifically challenging, but also has substantial societal impacts. Motivated by preliminary studies, the Global Energy and Water Exchanges (GEWEX)/Global Atmospheric System Study (GASS) has launched a new initiative called “Impact of Initialized Land Surface Temperature and Snowpack on Subseasonal to Seasonal Prediction” (LS4P) as the first international grass-roots effort to introduce spring land surface temperature (LST)/subsurface temperature (SUBT) anomalies over high mountain areas as a crucial factor that can lead to significant improvement in precipitation prediction through the remote effects of land–atmosphere interactions. LS4P focuses on process understanding and predictability, and hence it is different from, and complements, other international projects that focus on the operational S2S prediction. More than 40 groups worldwide have participated in this effort, including 21 Earth system models, 9 regional climate models, and 7 data groups. This paper provides an overview of the history and objectives of LS4P, provides the first-phase experimental protocol (LS4P-I) which focuses on the remote effect of the Tibetan Plateau, discusses the LST/SUBT initialization, and presents the preliminary results. Multi-model ensemble experiments and analyses of observational data have revealed that the hydroclimatic effect of the spring LST on the Tibetan Plateau is not limited to the Yangtze River basin but may have a significant large-scale impact on summer precipitation beyond East Asia and its S2S prediction. Preliminary studies and analysis have also shown that LS4P models are unable to preserve the initialized LST anomalies in producing the observed anomalies largely for two main reasons: (i) inadequacies in the land models arising from total soil depths which are too shallow and the use of simplified parameterizations, which both tend to limit the soil memory; (ii) reanalysis data, which are used for initial conditions, have large discrepancies from the observed mean state and anomalies of LST over the Tibetan Plateau. Innovative approaches have been developed to largely overcome these problems.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».