The Influence of Atmospheric Blocking on Extreme Winter Minimum Temperatures in North America
Notice bibliographique
Résumé
Abstract Regional climate models (RCMs) are the primary source of high-resolution climate projections, and it is of crucial importance to evaluate their ability to simulate extreme events under current climate conditions. Many extreme events are influenced by circulation features that occur outside, or on the edges of, RCM domains. Thus, it is of interest to know whether such dynamically controlled aspects of extremes are well represented by RCMs. This study assesses the relationship between upstream blocking and cold temperature extremes over North America in observations, reanalysis products (ERA-Interim and NARR), and RCMs (CanRCM4, CRCM5, HIRHAM5, and RCA4). Generalized extreme value distributions were fitted to winter minimum temperature (TNn) incorporating blocking frequency (BF) as a covariate, which is shown to have a significant influence on TNn. The magnitude of blocking influence in the RCMs is consistent with observations, but the spatial extent varies. CRCM5 and HIRHAM5 reproduce the pattern of influence best compared to observations. CanRCM4 and RCA4 capture the influence of blocking in British Columbia and the northeastern United States, but the extension of influence that is seen in observations and reanalysis into the southern United States is not evident. The difference in the 20-yr return value (20RV) of TNn between high and low BF in the Pacific Ocean indicates that blocking is associated with a decrease of up to 15°C in the 20RV over the majority of the United States and in western Canada. In northern North America the difference in the 20RV is positive as blocking is associated with warmer extreme cold temperatures. The 20RVs are generally simulated well by the RCMs.
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 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 | 0,000 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».