Network connectivity between the winter Arctic Oscillation and summer sea ice in CMIP6 models and observations
Notice bibliographique
Résumé
Abstract. The indirect effect of winter Arctic Oscillation (AO) events on the following summer Arctic sea ice extent suggests an inherent winter-to-summer mechanism for sea ice predictability. On the other hand, operational regional summer sea ice forecasts in a large number of coupled climate models show a considerable drop in predictive skill for forecasts initialised prior to the date of melt onset in spring, suggesting that some drivers of sea ice variability on longer timescales may not be well represented in these models. To this end, we introduce an unsupervised learning approach based on cluster analysis and complex networks to establish how well the latest generation of coupled climate models participating in phase 6 of the World Climate Research Programme Coupled Model Intercomparison Project (CMIP6) are able to reflect the spatio-temporal patterns of variability in Northern Hemisphere winter sea-level pressure and Arctic summer sea ice concentration over the period 1979–2020, relative to ERA5 atmospheric reanalysis and satellite-derived sea ice observations, respectively. Two specific global metrics are introduced as ways to compare patterns of variability between models and observations/reanalysis: the adjusted Rand index – a method for comparing spatial patterns of variability – and a network distance metric – a method for comparing the degree of connectivity between two geographic regions. We find that CMIP6 models generally reflect the spatial pattern of variability in the AO relatively well, although they overestimate the magnitude of sea-level pressure variability over the north-western Pacific Ocean and underestimate the variability over northern Africa and southern Europe. They also underestimate the importance of regions such as the Beaufort, East Siberian, and Laptev seas in explaining pan-Arctic summer sea ice area variability, which we hypothesise is due to regional biases in sea ice thickness. Finally, observations show that historically, winter AO events (negatively) covary strongly with summer sea ice concentration in the eastern Pacific sector of the Arctic, although now under a thinning ice regime, both the eastern and western Pacific sectors exhibit similar behaviour. CMIP6 models however do not show this transition on average, which may hinder their ability to make skilful seasonal to inter-annual predictions of summer sea ice.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».