MétaCan
Menu
← Retour à la cohorte
Enregistrement W4400979816 · doi:10.22541/essoar.172191648.87143037/v1

Pan-Atlantic North American cold spells and European wind extremes in CMIP6 historical simulations

2024· preprint· en· W4400979816 sur OpenAlexaboutno aff
Richard Leeding, Jacopo Riboldi, Gabriele Messori

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimatologyCold waveArcticGeographyEnvironmental scienceGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

not-yet-known not-yet-known not-yet-known unknown This study investigates the representation of near-simultaneous cold and windy extremes in North America and Europe in an ensemble of historical climate model simulations as compared to reanalysis. By leveraging a weather regime perspective, we identify five dynamical pathways for cold spells in three regions of North America. Three of the pathways also engender European wind extremes. The pathways are: (i) A wave train producing central and eastern Canada cold spells, culminating in Scandinavian blocking. (ii) A persistent Atlantic low producing eastern Canada cold spells and wind extremes in the British Isles. (iii) A quasi-stationary wave-2 pattern producing central Canada cold spells and Scandinavian blocking. (iv) An Arctic high producing eastern United States cold spells and wind extremes in Iberia. (v) A wave train producing eastern United States cold spells, culminating in an Atlantic low and wind extremes in Iberia. Models represent well both the frequency and evolution of the pathways compared to reanalysis. However, they under-represent the frequency of pathways (i) and (iii) associated with Scandinavian blocking. The models perform very well in replicating mean surface temperature anomalies during cold spells, though they perform less well on European wind extremes. Typically, the models capture the region and timing of wind extremes associated with Atlantic lows, albeit with some under-representation of occurrence frequency, but fail to adequately capture the wind extremes associated with Arctic highs. This is linked to deficits in how the models reproduce the evolution of the dynamical pathways in the East Atlantic.

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 enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,028
Tête enseignante GPT0,243
Écart entre enseignants0,214 · 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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetClimate variability and models→Travaux en français237 207→