MétaCan
Menu
Retour à la cohorte
Enregistrement W2030675943 · doi:10.1175/mwr-d-12-00107.1

The Role of Ice Cover in Heavy Lake-Effect Snowstorms over the Great Lakes Basin as Simulated by RegCM4

2012· article· en· W2030675943 sur OpenAlexaboutno aff
Steve Vavrus, Michael Notaro, Azar Zarrin

Notice bibliographique

RevueMonthly Weather Review · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Illinois at Urbana-ChampaignUniversity of Texas at AustinAbdus Salam International Centre for Theoretical PhysicsMichigan Department of Natural ResourcesNational Oceanic and Atmospheric AdministrationNational Science Foundation
Mots-clésEnvironmental scienceSnowCloud coverClimatologyAtmospheric sciencesStructural basinWind speedGeologyMeteorologyOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract A 20-km regional climate model, the Abdus Salam International Centre for Theoretical Physics Regional Climate Model version 4 (ICTP RegCM4), is employed to investigate heavy lake-effect snowfall (HLES) over the Great Lakes Basin and the role of ice cover in regulating these events. When coupled to a lake model and driven with atmospheric reanalysis data between 1976 and 2002, RegCM4 reproduces the major characteristics of HLES. The influence of lake ice cover on HLES is investigated through 10 case studies (2 per Great Lake), in which a simulated heavy lake-effect event is compared with a companion simulation having 100% ice cover imposed on one or all of the Great Lakes. These experiments quantify the impact of ice cover on downstream snowfall and demonstrate that Lake Superior has the strongest, most widespread influence on heavy snowfall and Lake Ontario the least. Ice cover strongly affects a wide range of atmospheric variables above and downstream of lakes during HLES, including snowfall, surface energy fluxes, wind speed, temperature, moisture, clouds, and air pressure. Averaged among the 10 events, complete ice coverage causes major reductions in lake-effect snowfall (>80%) and turbulent heat fluxes over the lakes (>90%), less low cloudiness, lower temperatures, and higher air pressure. Another important consequence is a consistent weakening (30%–40%) of lower-tropospheric winds over the lakes when completely frozen. This momentum reduction further decreases over-lake evaporation and weakens downstream wind convergence, thus mitigating lake-effect snowfall. This finding suggests a secondary, dynamical mechanism by which ice cover affects downstream snowfall during HLES events, in addition to the more widely recognized thermodynamic influence.

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)0,001
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 enseignants0,092
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,246
Écart entre enseignants0,236 · 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

Citations71
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMonthly Weather ReviewMême sujetClimate variability and modelsTravaux en français237 207