Assessing land‐atmosphere coupling using soil moisture from the Global Land Data Assimilation System and observational precipitation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Precipitation analysis and soil moisture from the Global Land Data Assimilation System (GLDAS) are used to assess the land‐atmosphere coupling in boreal summer. Correlations between antecedent soil moisture and precipitation suggest that regions of strong land‐atmosphere coupling lie mainly in arid to semiarid transition zones or in semihumid forest to grassland transition zones. They consist of central Eurasia, the region from Mongolia to northern China, southwest China, the Sahel, the northern continental United States, and southern Europe. It is found that over these regions, positive soil moisture feedback accounts for typically 10–20% of the variance of monthly precipitation anomalies with the feedback efficiency of the order of 0.3–0.9 mm month −1 (0.1 standardized soil moisture) −1 . While soil moisture feedback is dominated by the positive sign, negative feedback may exist in some areas, such as India and the western part and Quebec province of Canada. Generally, the land‐atmosphere coupling strength estimated from the GLDAS data agrees well with those from the observational soil moisture in Illinois and the European Centre for Medium‐Range Weather Forecasts 40‐year reanalysis (ERA‐40) soil moisture product. Physical mechanisms responsible for the findings are further discussed. This study provides a Northern Hemisphere distribution of the land‐atmosphere coupling strength, which can be used to test the model simulations on monthly to seasonal time scales.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle