Signal-to-noise errors in early winter Euro-Atlantic predictions caused by weak ENSO teleconnections and pervasive North Atlantic jet biases
Notice bibliographique
Résumé
Long-range winter predictions over the Euro-Atlantic sector have demonstrated significant skill but suffer from systematic signal-to-noise errors. In this study we examine early winter seasonal predictability in 16 state-of-the-art seasonal forecasting systems. Models demonstrate skill in the hindcasts of the large-scale atmospheric circulation in early winter, which mostly projects onto the East Atlantic pattern. The predictability is strongly tied to the ENSO teleconnection to the North Atlantic, though the models' response to ENSO is systematically too weak. The model hindcasts of the East Atlantic index exhibit a substantial signal-to-noise errors, with the models predicted signal generally being smaller than would be expected for the observed level of skill. The signal-to-noise errors are found to be strongly dependent on the strength of the ENSO teleconnection in the models, with models with a weaker teleconnection displaying a larger signal-to-noise problem. It is demonstrated that the dependency on model ENSO teleconnection strength can be explained using a simple scaling relationship derived from a toy model. Further analysis reveals that the strength of the ENSO teleconnection in the model is linked to climatological biases in the behaviour of the North Atlantic jet. Models that better represent the dynamics of the jet over the northern part of the basin - with more frequent poleward jet excursions and less frequent Greenland blocking - are better at representing the ENSO teleconnection to the North Atlantic in early winter, with lower associated signal-to-noise errors.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».