MétaCan
Menu
Retour à la cohorte
Enregistrement W4225310764 · doi:10.1002/qj.4296

The structure of strong Indian monsoon low‐pressure systems in subseasonal‐to‐seasonal prediction models

2022· article· en· W4225310764 sur OpenAlexaboutno aff
Andrew G. Turner, Kieran M. R. Hunt

Notice bibliographique

RevueQuarterly Journal of the Royal Meteorological Society · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Earth SciencesMet OfficeNatural Environment Research CouncilSight Research UKGovernment of the United Kingdom
Mots-clésClimatologyPrecipitationTroposphereMonsoonEnvironmental scienceHydrometeorologyAnomaly (physics)Atmospheric sciencesLow-pressure areaMeteorologyGeologyAtmospheric pressureGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The structure of strong Indian monsoon low‐pressure systems (LPSs) up to forecast lead times of 15 days in 11 models of the Subseasonal‐to‐Seasonal (S2S) Prediction Project is analysed. Strong LPS (SLPS) tracks are obtained from a catalogue of LPSs tracked in all ensemble members of the S2S models during a common reforecast period of June–September 1999–2010. SLPSs, which have a minimum intensity equal to at least the upper‐quartile intensity of all LPSs, are then composited to generate horizontal and vertical structures of several dynamic and thermodynamic fields. The evolution of fields with forecast lead time and during LPS lifecycle is analysed. Furthermore, the simulation of the lower‐tropospheric monsoon circulation, precipitation biases, and the precipitation contribution of LPSs are analysed. All S2S models and the multimodel mean simulate the lower‐tropospheric monsoon circulation, but prominent dry biases are observed in the Australian Bureau of Meteorology and Environment and Climate Change Canada models. The precipitation contribution of LPSs to the summer mean precipitation is smaller in all S2S models than in tracks derived from ERA‐Interim reanalysis. The location and amplitude of the lower‐tropospheric cold core and the location of maximum precipitation are not well simulated by many models, particularly by the Hydrometeorological Centre of Russia model, in which the cold core is missing altogether. The structure of relative vorticity anomaly in all S2S models and the multimodel mean is shallower and weaker than in ERA‐Interim and MERRA‐2 reanalyses. Though the cold core intensifies through the LPS lifecycle in all models, the warm core features a midlife maximum, except in models such as Australian Bureau of Meteorology and China Meteorological Administration. These results demonstrate the potential for S2S models at simulating the structure of SLPSs, benefiting stakeholders that use S2S models for forecasting.

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)0,001
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 enseignants0,078
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,011
Tête enseignante GPT0,212
Écart entre enseignants0,200 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQuarterly Journal of the Royal Meteorological SocietyMême sujetClimate variability and modelsTravaux en français237 207