MétaCan
Menu
Retour à la cohorte
Enregistrement W4308915401 · doi:10.1126/sciadv.abn3112

Climate models fail to capture strengthening wintertime North Atlantic jet and impacts on Europe

2022· article· en· W4308915401 sur OpenAlexaff
Russell Blackport, John C. Fyfe

Notice bibliographique

RevueScience Advances · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésClimatologyPrecipitationClimate modelAtmospheric circulationEnvironmental scienceDivergence (linguistics)Atlantic multidecadal oscillationJet (fluid)Jet streamGeneral Circulation ModelCirculation (fluid dynamics)Coupled model intercomparison projectClimate systemClimate changeCentennialNorth Atlantic oscillationAtmospheric sciencesGeographyGeologyMeteorologyOceanography

Résumé

récupéré en direct d'OpenAlex

Projections of wintertime surface climate over Europe depend on reliable simulations of the North Atlantic atmospheric circulation from climate models. However, it is unclear whether these models capture the long-term observed trends in the North Atlantic circulation. Here, we show that over the period from 1951 to 2020, the wintertime North Atlantic jet has strengthened, while model trends are, on average, only very weakly positive. The observed strengthening is greater than in any one of the 303 simulations from 44 climate models considered in our study. This divergence between models and observations is now much more apparent because of a very strong jet observed over the past decade. The models similarly have difficulty capturing the observed precipitation trends over Europe. Our results suggest that projections of winter atmospheric circulation and associated precipitation over Europe may be unreliable because they fail to capture the response to human emissions or underestimate the magnitude of multidecadal-to-centennial time scale internal variability.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,034
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,015
Tête enseignante GPT0,246
Écart entre enseignants0,231 · 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

Citations83
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetClimate variability and modelsTravaux en français237 207