MétaCan
Menu
Retour à la cohorte
Enregistrement W4214695339 · doi:10.3390/rs14051064

The SST–Wind Causal Relationship during the Development of the IOD in Observations and Model Simulations

2022· article· en· W4214695339 sur OpenAlexaff
Yao Xiao, Youmin Tang, Xiaoxiao Tan, Yanling Wu, Zhixiong Yao

Notice bibliographique

RevueRemote Sensing · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesHohai UniversityNational Natural Science Foundation of China
Mots-clésClimatologyEnvironmental scienceSea surface temperatureAtmospheric sciencesMeteorologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

In this paper, we employ reanalysis data to systematically investigate the development of the Indian Ocean dipole (IOD), thereby distinguishing the SST–wind causal relationship during IOD development. The results indicate that the variations in sea surface temperature anomalies (SSTA) are particularly important during IOD development. SSTAs over the eastern Indian Ocean (EIO) lead to variations in Sumatran coastal winds and equatorial zonal winds, whereas SSTAs over the western Indian Ocean (WIO) lag behind these variations. On this basis, the Community Earth System Model (CESM) is adopted to examine the influences of different atmospheric physical processes and model resolutions on the simulation of the IOD evolution. For this purpose, four sets of sensitivity experiments are carried out involving two versions of the Community Atmospheric Model (CAM4 or CAM5) and two atmospheric model resolutions (0.9° × 1.25° or 1.9° × 2.5°). The CAM5 simulation experiments better capture the detailed characteristics of IOD development, especially the wind–SST causal relationship, than the CAM4 experiments. Moreover, increasing the resolution of the atmospheric model can effectively reduce the simulation bias, thus benefiting the simulation of the SST–wind relationship.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,056
Tête enseignante GPT0,251
Écart entre enseignants0,195 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRemote SensingMême sujetClimate variability and modelsTravaux en français237 207