MétaCan
Menu
Retour à la cohorte
Enregistrement W2099424815 · doi:10.1175/2007jcli1725.1

Stratosphere–Troposphere Coupling and Links with Eurasian Land Surface Variability

2007· article· en· W2099424815 sur OpenAlexaff
Judah Cohen, Mathew Barlow, Paul J. Kushner, Kazuyuki Saitô

Notice bibliographique

RevueJournal of Climate · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Science Foundation
Mots-clésStratosphereTroposphereExtratropical cycloneClimatologyGeopotential heightArctic oscillationPolar vortexNorthern HemisphereAtmospheric sciencesEnvironmental scienceSudden stratospheric warmingAtmospheric circulationSnowQuasi-biennial oscillationAtmosphere (unit)GeologyPrecipitationMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract A diagnostic of Northern Hemisphere winter extratropical stratosphere–troposphere interactions is presented to facilitate the study of stratosphere–troposphere coupling and to examine what might influence these interactions. The diagnostic is a multivariate EOF combining lower-stratospheric planetary wave activity flux in December with sea level pressure in January. This EOF analysis captures a strong linkage between the vertical component of lower-stratospheric wave activity over Eurasia and the subsequent development of hemisphere-wide surface circulation anomalies, which are strongly related to the Arctic Oscillation. Wintertime stratosphere–troposphere events picked out by this diagnostic often have a precursor in autumn: years with large October snow extent over Eurasia feature strong wintertime upward-propagating planetary wave pulses, a weaker wintertime polar vortex, and high geopotential heights in the wintertime polar troposphere. This provides further evidence for predictability of wintertime circulation based on autumnal snow extent over Eurasia. These results also raise the question of how the atmosphere will respond to a modified snow cover in a changing climate.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,009
Tête enseignante GPT0,241
Écart entre enseignants0,232 · 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

Citations345
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207