Exploration of Predictors for Statistical‐Dynamical Subseasonal Prediction of Western North‐Pacific Tropical Cyclone Activity in Earth System Models
Notice bibliographique
Résumé
Abstract Subseasonal prediction of tropical cyclones (TCs) has many potential applications but remains a challenge due to biases in both model‐based large‐scale conditions and TCs in coupled global models. Model forecasts of environmental parameters can be linked to TC activity and then be used to extend the horizon of useful skill through statistical‐dynamical models. The aim of this work is to assess the utility of incorporating model forecasted environmental fields in a statistical model compared with skill coming from model forecasted Madden Julian Oscillation (MJO) state in predicting TC activity over the Western North Pacific (WNP). In this study, we evaluate the European Center for Medium‐Range Weather Forecasts (ECMWF) from the Subseasonal‐to‐Seasonal (S2S) database and the Navy Earth System Prediction Capability (ESPC) as part of the Subseasonal Experiment on their ability to predict WNP TC activity using environmental fields. To isolate the environmental signals associated with subseasonal variability of TC activity, we examine events of anomalous accumulated cyclone energy, genesis, and TC days. These events are used to create composites of ERA5 reanalysis fields of environmental conditions related to WNP TC activity, which are used to select predictors for statistical dynamical hybrid models. The ECMWF statistical‐dynamical scheme exhibits an improvement in skill by using a tailored outgoing longwave radiation (OLR) predictor compared with the MJO predictors. The Navy‐ESPC generally performs worse than the ECMWF and has OLR biases that impede it from improving skill in the statistical‐dynamical schemes. Using shear and humidity fields as predictors did not improve predictability in either model.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».