Notice bibliographique
Résumé
The fundamental mechanisms that explain high subpolar North Atlantic (SPNA) decadal predictability within a particular modeling framework are described. The focus is on the Community Earth System Model (CESM), run in both a historical forced-ocean configuration as well as in a fully coupled configuration initialized from the former. The initialized prediction experiments comprise the CESM Decadal Prediction Large Ensemble (CESM-DPLE)—a 40-member set of retrospective hindcasts documented in Yeager et al. (Bull Am Meteorol Soc 99:1867–1886. https://doi.org/10.1175/bams-d-17-0098.1 , 2018). Heat budget analysis confirms the driving role of advective heat convergence in skillful prediction of SPNA upper ocean heat content out to decadal lead times. The key ocean dynamics are topographically-coupled overturning/gyre fluctuations that are geographically centered over the mid-Atlantic ridge (MAR). Long-lasting predictive skill for ocean heat transport can be related to predictable barotropic gyre and sigma-coordinate AMOC circulations, but depth-coordinate AMOC is far less predictable except in the deepest layers. The foundation of ocean memory (and circulation predictive skill) in CESM-DPLE is Labrador Sea Water thickness, which propagates predictably through interior pathways towards the MAR where large anomalies accumulate and persist. Abyssal thickness anomalies drive predictable decadal changes in the gyre circulation, including changes in sea level gradient and near surface flow, that account for the high predictability of SPNA upper ocean heat content.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».