MétaCan
Menu
Retour à la cohorte
Enregistrement W2131201021 · doi:10.1175/2010jas3349.1

The Role of the Central Asian Mountains on the Midwinter Suppression of North Pacific Storminess

2010· article· en· W2131201021 sur OpenAlexafffund
Hyo‐Seok Park, John C. H. Chiang, Seok‐Woo Son

Notice bibliographique

RevueJournal of the Atmospheric Sciences · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaComer Science and Education Foundation
Mots-clésBaroclinityBarotropic fluidClimatologyBorealMiddle latitudesGeologyOceanographyAtmospheric sciencesAtmospheric circulationGeneral Circulation ModelEnvironmental scienceClimate changePaleontology

Résumé

récupéré en direct d'OpenAlex

Abstract The role of the central Asian mountains on North Pacific storminess is examined using an atmospheric general circulation model by varying the height and the areas of the mountains. A series of model integrations show that the presence of the central Asian mountains suppresses the North Pacific storminess by 20%–30% during boreal winter. Their impact on storminess is found to be small during other seasons. The mountains amplify stationary waves and effectively weaken the high-frequency transient eddy kinetic energy in boreal winter. Two main causes of the reduced storminess are diagnosed. First, the decrease in storminess appears to be associated with a weakening of downstream eddy development. The mountains disorganize the zonal coherency of wave packets and refract them more equatorward. As the zonal traveling distance of wave packets gets substantially shorter, downstream eddy development gets weaker. Second, the central Asian mountains suppress the global baroclinic energy conversion. The decreased baroclinic energy conversion, particularly over the eastern Eurasian continent, decreases the number of eddy disturbances entering into the western North Pacific. The “barotropic governor” does not appear to explain the reduced storminess in our model simulations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,060
Score d'incertitude au seuil0,626

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,205 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations53
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Atmospheric SciencesMême sujetClimate variability and modelsTravaux en français237 207