A new analysis of variability and predictability of seasonal rainfall of central southern Africa for 1950–94
Notice bibliographique
Résumé
Abstract Using wavelet analysis and wavelet‐based empirical orthogonal function analysis on scale‐averaged‐wavelet power and individual scale power, we identified the non‐stationary sea‐surface temperature (SST) fields of the South Atlantic and Indian Oceans that are associated with coherent regions of rainfall variability in central southern Africa (CSA). The dominant mode of CSA rainfall is out of phase between the coastal areas and the centre of CSA and has been decreasing consistently since 1970. The frequencies associated with this mode are between 2–2.4 and 5.6–8 years. The Benguela ocean current SSTs form the dominant spatial pattern of the South Atlantic Ocean, and the Brazil and Guinea ocean current SSTs form the second leading mode. The Benguela spatial patterns were found to migrate seasonally between Africa's west coast and South America's east coast. The northern Indian Ocean SST forms the leading mode of variability, followed by the south Indian Ocean SST. Using predictor fields identified from both oceans, we achieved encouraging results of predicted CSA rainfall using a non‐linear statistical teleconnection artificial neural network–genetic algorithm model. At 3 month lead time, correlations of between 0.8 and 0.9, root‐mean‐square errors of between 0.4 and 0.9 and Hansen Kuipers skill scores of between 0.4 and 0.8 were obtained between observed and predicted CSA rainfall. Copyright © 2004 Royal Meteorological Society
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 | 0,000 |
| 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) | 0,001 | 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 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 ».