Evaluation of Soil Moisture in the Canadian Seasonal to Interannual Prediction System, Version 2.1 (CanSIPSv2.1)
Notice bibliographique
Résumé
Abstract We evaluate the soil moisture hindcasts and the reconstruction runs giving the hindcasts initial conditions in version 2.1 of the Canadian Seasonal to Interannual Prediction System (CanSIPSv2.1). Different strategies are used to initialize the hindcasts for the two CanSIPSv2.1 models, CanCM4i and the coupled Global Environmental Multiscale, version 5.1, (GEM5)–NEMO model (GEM5-NEMO), with contrasting impacts on the soil moisture initial conditions and forecast performance. Forecast correlation skill is decomposed into contributions from persistence of the initial anomalies and contributions not linked to persistence, with performance largely driven by the accuracy of the initial conditions in regions of strong persistence. Seasonal soil moisture correlation skill is significant for several months into the hindcasts depending on initial and target months, with contributions not linked to persistence becoming more notable at longer lead times. For the first 2–4 months, the quality of CanSIPSv2.1 ensemble mean forecasts tends to be higher on average during summer and fall and is comparable to that of the best performing model, whereas CanSIPSv2.1 outperforms the single models during spring and winter. For longer lead times, remote climate influences from the Pacific Ocean are notable and contribute to predictable soil moisture variability in teleconnected regions.
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 | 0,003 | 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 ».