MétaCan
Menu
Retour à la cohorte
Enregistrement W2152323722 · doi:10.1175/2009waf2222273.1

Utilizing Normalized Anomalies to Assess Synoptic-Scale Weather Events in the Western United States

2009· article· en· W2152323722 sur OpenAlexaboutno aff
Randall Graham, Richard H. Grumm

Notice bibliographique

RevueWeather and Forecasting · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAnomaly (physics)ClimatologySynoptic scale meteorologyEnvironmental scienceTornadoTroposphereScale (ratio)Magnitude (astronomy)MeteorologyGeographyGeologyCartography

Résumé

récupéré en direct d'OpenAlex

Abstract Synoptic-scale weather events over the western United States are objectively ranked based on their associated tropospheric anomalies. Data from the NCEP 6-h reanalysis fields from 1948 to 2006 are compared to a 30-yr (1971–2000) reanalysis climatology. The relative rarity of an event is measured by the number of standard deviations that the 1000–200-hPa height, temperature, wind, and moisture fields depart from climatology. The top 20 synoptic-scale events were identified over the western United States, adjacent eastern Pacific Ocean, Mexico, and Canada. Events that composed the top 20 tended to be very anomalous in several, if not all four, of the atmospheric variables. The events included the northern Intermountain West region heavy rainfall and Yellowstone tornado of mid-July 1987 (ranked 5th), the Montana floods of September 1986 (ranked 4th), and the historic 1962 “Columbus Day” windstorm in the Pacific Northwest (ranked 10th). In addition, the top 10 most anomalous events were identified for each month and for each of the variables investigated revealing additional significant weather events. Finally, anomaly return periods were computed for each variable at a variety of levels. To place a given anomaly in perspective for a specific level or element, forecasters need information on the frequency with which that anomaly is observed. These return periods can be utilized by forecasters to compare forecast anomalies to the actual occurrence of similar anomalies for the element and level of interest to gauge the potential significance of the event. It is believed that this approach may allow forecasters to better understand the historical significance of an event and provide additional information to the user community.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,074
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
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 Opus0,058
Tête enseignante GPT0,275
Écart entre enseignants0,217 · 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'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

Citations24
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWeather and ForecastingMême sujetClimate variability and modelsTravaux en français237 207