MétaCan
Menu
← Retour à la cohorte
Enregistrement W4366003815 · doi:10.22541/essoar.168167387.77505628/v1

Regional Precipitation Sensitivity is Sensitive to Changes in Cross-Equatorial Ocean Heat Transport

2023· preprint· en· W4366003815 sur OpenAlexaff
Hansi Singh, Dipti Hingmire

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésClimatologyPrecipitationEquatorForcing (mathematics)Zonal and meridionalTropical AtlanticMonsoonEnvironmental scienceTropicsClimate modelAtmospheric sciencesSea surface temperatureGeologyClimate changeOceanographyGeographyMeteorologyLatitude

Résumé

récupéré en direct d'OpenAlex

Weakening of the Atlantic Meridional Overturning Circulation (AMOC) with greenhouse gas forcing is a common feature in most Earth System Models (ESMs). Here, we show that uncertainty in regional precipitation projections in CMIP6-class ESMs, particularly over the deep tropics, is linked to uncertainty in how much the AMOC weakens. Specifically, ESMs with greater AMOC weakening exhibit less strengthening (or greater weakening) of monsoonal circulations north of the equator, consistent with a pronounced southward shift in the tropical precipitation maximum. Using an idealized ESM, we show that decreasing the (northward) cross-equatorial ocean heat transport (X-OHT) while doubling CO2 is sufficient to shift the tropical precipitation maximum southward and thereby weaken northern hemispheric monsoon circulations, relative to an experiment where X-OHT remains unchanged. These findings imply that uncertainty in precipitation projections over key regions, particularly in the tropics, may be reduced by better constraining changes in large-scale ocean dynamics with warming.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
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 Opus0,056
Tête enseignante GPT0,302
Écart entre enseignants0,246 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→