Notice bibliographique
Résumé
This research thesis first examines the ability of Community Atmosphere Model (CAM) and Community Climate System Model (CCSM) in simulating the South Asian Monsoon (SAM) summer precipitation in a framework of ensemble. On this basis, the climatic relevant singular vectors (CSVs) perturbation theory is applied to investigate the optimal error growth of SAM seasonal forecast due to the uncertainties in the Pacific and Indian Oceans. Then, the ensemble prediction of SAM constructed by CSVs is evaluated, and further compared with one traditional ensemble method. It is found that CAM4 adequately simulated monsoon precipitation, and considerably reduced systematic errors that occurred in its predecessors, although it tends to overestimate monsoon precipitation when compared with observations. In terms of monsoon interannual variability and its teleconnection with sea surface temperature (SST), CAM4 showed modest skill. In the CCSM4 coupled simulations, several aspects of the monsoon simulation are improved, including the cross-variability of simulated precipitation and SST. A significant improvement is seen in the spatial distribution of monsoon mean climatology where a too-heavy monsoon precipitation, which occurred in CAM4, is rectified. A detailed investigation of precipitation reduction, using sensitivity experiments, showed that the large systematic cold SST errors in the northern Indian Ocean reduces monsoon precipitation and delays the monsoon onset by weakening local evaporation. The CSV analysis using CAM4 revealed that the SST uncertainties in Indian Ocean can result in much larger error growth of SAM seasonal forecast than those in the equatorial Pacific Ocean. It is seen that the CSVs error growth rate changes significantly depending on the initial states whereas the CSVs patterns are insensitive to the initial conditions. The CAM4 comparison with CCSM4 coupled model indicated that the CSVs patterns from CAM4 are similar to those from CCSM4 while the error growth rate is lower in CAM4 than in CCSM4. CAM4
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 ».