MétaCan
Menu
Retour à la cohorte
Enregistrement W3178524297 · doi:10.1088/1748-9326/ac1375

Modeling evidence for large, ENSO-driven interannual wintertime AMOC variability

2021· article· en· W3178524297 sur OpenAlexaff
Karen L. Smith, Lorenzo M. Polvani

Notice bibliographique

RevueEnvironmental Research Letters · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésClimatologyEl Niño Southern OscillationEnvironmental scienceClimate modelMode (computer interface)General Circulation ModelNorth Atlantic oscillationClimate changeGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Recently established North Atlantic ocean observing arrays, such as RAPID/MOCHA, have revealed a large degree of high-frequency variability in the Atlantic Meridional Overturning Circulation (AMOC). Climate modeling studies of the AMOC, however, have traditionally focused on the low-frequency variability of the annual mean AMOC, with an emphasis on multi-decadal and longer time-scale variability. Thus, little is known about the sources of interannual wintertime, wind-driven AMOC variability. Analyzing the Community Earth System Model, we here show the existence of a robust leading mode of interannual variability in the wintertime AMOC that is distinct from the leading mode of the annual mean. We further show that this mode of variability is significantly linked to the El Niño-Southern Oscillation via the North Atlantic Oscillation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,097
Tête enseignante GPT0,360
Écart entre enseignants0,263 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetClimate variability and modelsTravaux en français237 207