MétaCan
Menu
Retour à la cohorte
Enregistrement W4214693701 · doi:10.5194/acp-22-2601-2022

Long-range prediction and the stratosphere

2022· article· en· W4214693701 sur OpenAlexaff
Adam A. Scaife, Mark Baldwin, Amy H. Butler, Andrew Charlton‐Perez, Daniela I. V. Domeisen, Chaim I. Garfinkel, Steven C. Hardiman, Peter Haynes, Alexey Yu. Karpechko, Eun‐Pa Lim, Shunsuke Noguchi, Judith Perlwitz, Lorenzo M. Polvani, Jadwiga H. Richter, John Scinocca, Michael Sigmond, Theodore G. Shepherd, Seok‐Woo Son, David W. J. Thompson

Notice bibliographique

RevueAtmospheric chemistry and physics · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueAtmospheric Ozone and Climate
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesBiological and Environmental ResearchSight Research UKNational Science FoundationDepartment for Business, Energy and Industrial Strategy, UK GovernmentNatural Environment Research CouncilNational Research Foundation of KoreaSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungH2020 European Research CouncilJapan Society for the Promotion of ScienceDepartment for Environment, Food and Rural Affairs, UK Government
Mots-clésStratosphereClimatologyTroposphereEnvironmental scienceRange (aeronautics)Atmospheric sciencesClimate modelMeteorologyClimate changeGeologyGeographyEngineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract. Over recent years there have been concomitant advances in the development of stratosphere-resolving numerical models, our understanding of stratosphere–troposphere interaction, and the extension of long-range forecasts to explicitly include the stratosphere. These advances are now allowing for new and improved capability in long-range prediction. We present an overview of this development and show how the inclusion of the stratosphere in forecast systems aids monthly, seasonal, and annual-to-decadal climate predictions and multidecadal projections. We end with an outlook towards the future and identify areas of improvement that could further benefit these rapidly evolving predictions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,517
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,177
Écart entre enseignants0,171 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations83
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetAtmospheric Ozone and ClimateTravaux en français237 207