MétaCan
Menu
Retour à la cohorte
Enregistrement W7065146916

Desempenho do modelo global brasileiro na previsão subsazonal

2019· article· pt· W7065146916 sur OpenAlexaboutno aff

Notice bibliographique

RevueBiblioteca Digital da Memória Científica do INPE (National Institute for Space Research) · 2019
Typearticle
Languept
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)LimitingWork (physics)Term (time)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

O objetivo deste trabalho é avaliar o desempenho das previsões sub−sazonais do modelo global atmosférico do Centro de Previsão do Tempo e Estudos Climáticos (CPTEC), denominado BAM (Brazilian Atmospheric Model, em inglês). Previsões retrospectivas foram geradas para o período do verão estendido (novembro − março) dos anos 1999/2000 2010/2011. Duas inicializações foram realizadas em cada mês, a primeira no início e a segunda na próxima da metade de cada mês. As previsões retrospectivas foram compostas por um conjunto com um membro controle e dez membros perturbados. A abordagem de perturbação por Funções Ortogonais Empíricas foi usada para a formação dos dez membros perturbados. O desempenho do modelo foi avaliado por meio da correlação e da Raiz do Erro Quadrático Médio (REQM) para as anomalias de precipitação e temperatura do ar (T2M). O desempenho do BAM para a previsão da Oscilação de Madden−Julian (OMJ) foi avaliado por meio da correlação bivariada e do REQM bivariado. Tais métricas também foram calculadas para os modelos dos centros de meteorologia da Austrália (Australian Bureau of Meteorology − BoM), Japonês (Japan Meteorological Agency − JMA), Canadá (Environment and Climate Change Canada − ECCC) e centro europeu (European Centre for Medium−Range Weather Forecasts − ECMWF) com o propósito de determinar qual é o nível da previsão sub−sazonal do CPTEC com relação a outros centros de referência mundiais em meteorologia. Para a média do conjunto das previsões das anomalias de precipitação, observam−se altos valore de correlação durante a primeira semana de previsão e diminuem com o aumento do tempo de previsão. Na quarta semana de previsão, o BAM mantém desempenho moderado sobre as regiões equatoriais dos Oceanos Pacífico e Atlântico. O REQM aumenta com o tempo de previsão principalmente sobre regiões onde a variabilidade sub−sazonal é maior (Oceano índico, Continente Marítimo, zonas de convergência dos Oceanos Pacífico e Atlântico e Zona de Convergência Intertropical). Embora os valores de correlação (REQM) também diminuam (aumentem) com o tempo de previsão, o modelo global do CPTEC apresenta mais habilidade preditiva para anomalias de T2M do que anomalias de precipitação. Como observado no BAM, as características destacadas anteriormente são notadas nos demais modelos estudados. Dentre esses modelos, o do ECMWF é o que apresenta o melhor desempenho para prever as anomalias de precipitação e T2M seguido do JMA. O modelo do CPTEC mostra melhor desempenho do que os modelos do BoM e ECCC na maior parte do globo. Com respeito a OMJ, o BAM mostra um limite de previsões hábeis até o vigésimo dia de previsão, próximo aos modelos do BoM e JMA, os quais apresentam limites de previsão iguais a 25 e 24 dias, respectivamente, e superior ao modelo do ECCC que apresenta limite de 18 dias. Novamente, o modelo do ECMW aparece em destaque com previsões hábeis até 33 dias. Esses resultados são animadores uma vez que mostram que o modelo global do CPTEC está no mesmo patamar que modelos que estão operando de forma rotineira na escala sub−sazonal.

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)0,004
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 enseignants0,265
Score d'incertitude au seuil0,526

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,071
Tête enseignante GPT0,366
Écart entre enseignants0,295 · 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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiblioteca Digital da Memória Científica do INPE (National Institute for Space Research)Même sujetMagnetic confinement fusion researchTravaux en français237 207