Subseasonal Variability of Precipitation in China during Boreal Winter
Notice bibliographique
Résumé
Abstract Using pentad data of the Northern Hemisphere extended winter (November–March) from 1979 to 2012 derived from the daily rainfall of the National Meteorological Information Center of China, subseasonal variability of precipitation in China is analyzed. The two dominant modes of subseasonal variability are identified with an empirical orthogonal function (EOF) analysis. The first EOF mode (EOF1) is characterized by a monopole in South China, whereas the second EOF mode (EOF2) has a meridional dipole structure with opposite precipitation anomalies over the Yangtze River basin and the coastal area of South China. These two modes tend to have a phase shift to each other in both space and time, indicating that part of their variability represents a southward-propagating pattern. The subseasonal variability is decomposed into two components: one related to the Madden–Julian oscillation (MJO) and the other independent of MJO. It is found that the MJO contributes to about 10% of the precipitation variability in South China. EOF1 is associated with MJO phase 3, corresponding to enhanced equatorial convection in the Indian Ocean and depressed convection in the western Pacific, while EOF2 is related to MJO phase 5 when the enhanced tropical convection moves to the Maritime Continent region. Subseasonal precipitation variability in China that is independent of the MJO is especially affected by processes including tropical convection variability and the “cold surge” phenomenon or the development of a Siberian high and cold-air outbreak in East Asia associated with a wave train from the North 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 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 | 0,002 | 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 ».