MétaCan
Menu
Retour à la cohorte
Enregistrement W4253744032 · doi:10.1007/s00382-021-05962-y

Trends, variability and predictive skill of the ocean heat content in North Atlantic: an analysis with the EC-Earth3 model

2021· article· en· W4253744032 sur OpenAlexaboutno aff
Teresa Carmo-Costa, Roberto Bilbao, Pablo Ortega, Ana Teles‐Machado, Emanuel Dutra

Notice bibliographique

RevueClimate Dynamics · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Estatal de InvestigaciónHorizon 2020 Framework ProgrammeMinisterio de Economía y CompetitividadMinisterio de Asuntos Económicos y Transformación Digital, Gobierno de EspañaFundação para a Ciência e a TecnologiaEuropean Commission
Mots-clésClimatologyAtlantic multidecadal oscillationClimate modelGulf StreamTropical AtlanticSubtropicsClimate changeAtlantic hurricaneEnvironmental scienceCoupled model intercomparison projectOceanographyNorth Atlantic oscillationSea surface temperatureGeology

Résumé

récupéré en direct d'OpenAlex

Abstract This study investigates linear trends, variability and predictive skill of the upper ocean heat content (OHC) in the North Atlantic basin. This is a region where strong decadal variability superimposes the externally forced trends, introducing important differences in the local warming rates and leading in the case of the Central Subpolar North Atlantic to an overall long-term cooling. Our analysis aims to better understand these regional differences, by investigating how internal and forced variability contribute to local trends, exploring also their role on the local prediction skill. The analysis combines the study of three ocean reanalyses to document the uncertainties related to observations with two sets of CMIP6 experiments performed with the global coupled climate model EC-Earth3: a historical ensemble to characterise the forced signals, and a retrospective decadal prediction system to additionally characterise the contributions from internal climate variability. Our results show that internal variability is essential to understand the spatial pattern of North Atlantic OHC trends, contributing decisively to the local trends and providing high levels of predictive skill in the Eastern Subpolar North Atlantic and the Irminger and Iceland Seas, and to a lesser extent in the Labrador Sea. Skill and trends in other areas like the Subtropical North Atlantic, or the Gulf Stream Extension are mostly externally forced. Large observational and modeling uncertainties affect the trends and interannual variability in the Central Subpolar North Atlantic, the only region exhibiting a cooling during the study period, uncertainties that might explain the very poor local predictive skill.

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)0,002
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 enseignants0,038
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
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 Opus0,012
Tête enseignante GPT0,213
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

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClimate DynamicsMême sujetClimate variability and modelsTravaux en français237 207