Contribution of the Autumn Tibetan Plateau Snow Cover to Seasonal Prediction of North American Winter Temperature
Notice bibliographique
Résumé
Abstract Predicting surface air temperature (T) is a major task of North American (NA) winter seasonal prediction. It has been recognized that variations of the NA winter T’s can be associated with El Niño–Southern Oscillation (ENSO) and the North Atlantic Oscillation (NAO). This study presents observed evidence that variability in snow cover over the Tibetan Plateau (TP) and its adjacent areas in prior autumn (September–November) is significantly correlated with the first principal component (PC1) of the NA winter T’s, which features a meridional seesaw pattern over the NA continent. The autumn TP snow cover anomaly can persist into the following winter through a positive feedback between snow cover and the atmosphere. A positive TP snow cover anomaly may induce a negative sea level pressure and geopotential height anomaly over the eastern North Pacific, a positive geopotential height anomaly over Canada, and a negative anomaly over the southeastern United States—a structure very similar to the positive phase of the Pacific–North America (PNA) pattern. This pattern usually favors the occurrence of a warm–north, cold–south winter over the NA continent. When a negative snow cover anomaly occurs, the situation tends to be opposite. Since the autumn TP snow cover shows a weak correlation with ENSO, it provides a new predictability source for NA winter T’s. Based on the above results, an empirical model is constructed to predict PC1 using a combination of autumn TP snow cover and other sea surface temperature anomalies related to ENSO and the NAO. Hindcasts and real forecasts are performed for the 1972–2003 and 2004–09 periods, respectively. Both show a promising prediction skill. As far as PC1 is concerned, the empirical model hindcast performs better than the ensemble mean of four dynamical models from the Canadian Meteorological Centre. Particularly, the real forecast of the empirical model exhibits a better performance in predicting the extreme phases of PC1—that is, the extremely warm winter over Canada in 2009/10—should the model include the autumn TP snow cover impacts. Since all these predictors can be readily monitored in real time, this empirical model provides a real-time forecast tool for NA winter 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 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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».