Seasonal Predictions of Regional and Pan-Antarctic Sea Ice With a Dynamical Forecast System
Notice bibliographique
Résumé
Operational seasonal to interannual forecasting systems are in continued development around the world. Various studies have applied models to the dynamical forecasting of sea ice, particularly in the Arctic. The Antarctic, however, has received relatively little attention, with few previous endeavours to quantify operational forecast skill of sea ice. This study assesses sea ice extent prediction skill of the Canadian Seasonal to Interannual Prediction System version 2 (CanSIPSv2) in the Pan-Antarctic domain as well as in various sectors of the Southern Ocean. The forecast skill of GEM-NEMO, one of two constituent models that together comprise CanSIPSv2, is found to generally exceed that of the other, CanCM4i. This difference is potentially due to substantial model drift of sea ice extent away from observations in CanCM4i, in addition to their different initializations of sea ice thickness. Both models show significant forecast skill exceeding that of an anomaly persistence forecast. Prediction skill was found to vary substantially across different sectors of the Southern Ocean. Moreover, our analysis also finds that CanSIPSv2 forecast skill in the Antarctic shows a dependence on time period, demonstrating generally lower skill than seen in the Arctic over the years 1980–2010, in contrast to generally higher skill than in the Arctic over the years 1980–2019.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».