Trends, variability and predictive skill of the ocean heat content in North Atlantic: an analysis with the EC-Earth3 model
Notice bibliographique
Résumé
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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 ».