The Frequency and Characteristics of Lake-Effect Precipitation Events Associated with the New York State Finger Lakes
Notice bibliographique
Résumé
Abstract This study presents a climatological analysis of the frequency and characteristics of lake-effect precipitation events that were initiated or enhanced by lakes within the New York State (NYS) Finger Lakes region for the 11 winters (October–March) from 1995/96 through 2005/06. Weather Surveillance Radar-1988 Doppler (WSR-88D) data from Binghamton, New York, were used to identify 125 lake-effect events. Events occurred as 1) a well-defined, isolated precipitation band over and downwind of a lake, 2) an enhancement of mesoscale lake-effect precipitation originating from Lake Ontario and extending southward over an individual Finger Lake, 3) a quasi-stationary mesoscale precipitation band positioned over a lake embedded within extensive regional precipitation from a synoptic weather system, or 4) a transition from one type to another. Results show that lake-effect precipitation routinely develops over lakes that are considerably smaller than lakes previously discussed as being associated with lake-effect precipitation, such as the Great Lakes. Lake-effect events occurred during each month (October–March) across the 11 winters studied and were identified in association with each of the six easternmost Finger Lakes examined in this study. The frequency of NYS Finger Lakes lake-effect events determined in the current investigation paired with subsequent analyses of the environmental conditions leading to these events will allow for 1) comparative analyses of necessary conditions for lake-effect development across a range of lake sizes (e.g., NYS Finger Lakes, Lake Champlain, Great Salt Lake, and Great Lakes) and 2) an informative examination of the connection between mesoscale processes and climate variability.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».