A seasonal forecast scheme for spring dust storm predictions in Northern China
Notice bibliographique
Résumé
Abstract The theme discussed in the present study is that of spring dust storm seasonal forecasts in Northern China. A comprehensive investigation of observations collected from 65 stations in Northern China, which studied strong winds for 35 years (1971–2005) and dust storms for 48 years (1961–2008), concluded that strong winds, which are recognized as a crucially dynamic factor, have unsurprisingly proven to be strongly related to dust storm activity. Therefore, determining effective predictors for strong winds should be helpful in spring dust storm forecasts. By employing this idea, comprehensive correlation analyses among the strong winds, dust storms and other influential elements from the oceans and the atmospheric circulations can be seen. From the spatial correlation fields between prior sea surface temperatures and the strong winds, four regions with higher oceanic coefficiencies are confirmed. The method of EOF (Empirical Orthogonal Function) decomposition is adopted to extract forecast signals from prior precipitation in Northern China and sea surface temperatures of those regions. The multivariable step‐regression model is employed to select efficient predictors and the multivariable regression model is used to create forecast equations. With the cross validation approach, six series of 48 year hindcasts with six different predictor sets are conducted. Furthermore, the three‐classification forecast method is used to judge successful or failed dust storm forecasts. Together, forecast skills of probability of detection and skill score suggest that series forecasts are better than random forecasts. The best forecast skill is gained from using the predictor set selected by the multivariable step‐regression model. Copyright © 2010 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».