MétaCan
Menu
← Retour à la cohorte
Enregistrement W4362576425 · doi:10.1029/2023jd038480

Spatial Variations in Seamless Predictability of Subseasonal Precipitation Over Asian Summer Monsoon Region in S2S Models

2023· article· en· W4362576425 sur OpenAlexaff
Xiaojing Li, Youmin Tang, Zheqi Shen, Yi Li

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Northern British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésPredictabilityPrecipitationClimatologyEnvironmental scienceHindcastMonsoonForecast skillSubtropicsMeteorologyGeographyMathematicsGeologyStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract This study assesses the seamless predictability of subseasonal precipitation over the Asian summer monsoon (ASM) region. The prediction skill of 12 models from the subseasonal‐to‐seasonal (S2S) hindcast database varies considerably, suggesting a large uncertainty in the prediction of ASM precipitation. However, all models show that ASM precipitation is better predicted over ocean than over land, and less reliable in subtropical areas than in tropical areas. The results reveal significant spatial variations in the prediction skill and predictability of ASM precipitation. This study investigates the factors controlling these spatial variations by analyzing the area‐averaged precipitation predictability in three different subregions: the maritime continent (MC), the Indian summer monsoon (ISM) subregion, and the East ASM (EASM) subregion. Precipitation is best predicted over the MC, followed by the ISM and EASM. The distinct disparities in prediction skill among subregions are mainly controlled by differences in potential predictability; that is, the intrinsic limits of predictability among subregions. The high potential predictability of the MC is attributable to small noise due to a strong correlation with the El Niño–Southern Oscillation, whereas the low potential predictability of the EASM is attributable to its small signal. Meanwhile, the comparable signal and noise related to the intraseasonal oscillation in the ISM precipitation, limits the predictability of this subregion. Finally, the evaluation of the ASM precipitation ensemble forecasts in the S2S models demonstrates that the ensemble systems are underdispersive in the three subregions in most S2S models.

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 enseignants0,035
Score d'incertitude au seuil0,070

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 savante0,0010,000
Science ouverte0,0000,001
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 Opus0,071
Tête enseignante GPT0,341
Écart entre enseignants0,270 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research Atmospheres→Même sujetClimate variability and models→Travaux en français237 207→