Trends, variability and predictive skill of the ocean heat content in North Atlantic: An analysis with the EC-Earth3 model
Notice bibliographique
Résumé
As the global climate is warming, with important regional differences, there is a growing need to (i) better understand whether and how internal variability controls the regional warming trends, and (ii) to identify the regions in which both the trends and the superimposed interannual variability are predictable. In this study we investigate trends, variability and predictive skill of the upper ocean heat content in the North Atlantic basin. This region is a source of decadal variability, in which internal ocean processes can locally modulate the global warming trends and add additional prediction skill. The analysis is focused on the period 1970-2014, and combines the study of an ensemble of ocean reanalyses, with two sets of CMIP6 experiments performed with the Earth system model EC-Earth3: (i) a 10-member historical ensemble; and (ii) an initialized 10-member retrospective decadal prediction system. External forcings are found to be important for the development of the regional trends, but on their own are unable to reproduce the exact geographical pattern. Our results also show that not all regions in the North Atlantic are equally predictable, which is explained by different contributions of the forcings and internal climate variability. While high levels of predictive skill in regions like the Eastern Subpolar North Atlantic, or the Irminger and Iceland Seas are clearly enabled by initialization, with a negligible influence of the external forcings, skill in others areas like the Subtropical North Atlantic, or the Gulf Stream extension mostly comes from the externally forced trends. The Labrador Sea is a particular case where predictive skill has both an external and internal origin. Large observational and modeling uncertainties affect the Central Subpolar North Atlantic, the only region exhibiting a cooling during the study period, uncertainties that might explain its very poor predictive skill. We would like to acknowledge the financial support from FCT through projects FCT-UIDB/50019/2020 and PD/BD/142785/2018.
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 | 0,002 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».