Estimating Probabilities of Extreme ENSO Events from Copernicus Seasonal Hindcasts
Notice bibliographique
Résumé
Abstract Multi-system seasonal hindcasts supporting operational seasonal forecasts of the Copernicus Climate Change Service (C3S) are examined to estimate probabilities that El Niño and La Niña episodes more extreme than any in the reliable observational record could occur in the current climate. With 184 total ensemble members initialized each month from 1993 to 2016, this dataset greatly multiplies the realizations of ENSO variability during this period beyond the single observed realization, potentially enabling a detailed assessment of the chances of extreme ENSO events. The validity of such an assessment is predicated on model fidelity, which is examined through two-sample Cramér–von Mises tests. These do not detect differences between observed and modeled distributions of the Niño 3.4 index once multiplicative adjustments are applied to the latter to match the observed variance, although differences too small to be detected cannot be excluded. Statistics of variance-adjusted hindcast Niño 3.4 values imply that El Niño and La Niña extremes exceeding any that have been instrumentally observed would be expected to occur with a > 3% chance per year on average across multiple realizations of the hindcast period. This estimation could also apply over the next several decades, provided ENSO variability remains statistically similar to the hindcast period.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».