Winter Weather Regimes in the Northeast United States
Notice bibliographique
Résumé
Abstract The method of k-means cluster analysis is applied to U.S. wintertime daily 850-hPa winds across the Northeast. The resulting weather patterns are analyzed in terms of duration, station, gridded precipitation, storm tracks, and climate teleconnections. Five distinct weather patterns are identified. Weather type (WT) 1 is characterized by a ridge over the western Atlantic and positive precipitation anomalies as far north as the Great Lakes; WT2, by a trough along the eastern United States and positive precipitation anomalies into southern New England; WT3, by a trough over the western Atlantic and negative precipitation anomalies along much of the U.S. East Coast; WT4, by a trough east of Newfoundland and negative precipitation anomalies along parts of the U.S. East Coast; and WT5, by a broad, shallow trough over southeastern Canada and negative precipitation anomalies over the entire U.S. East Coast. WT5 and WT1 are the most persistent, while WT2 typically progresses quickly to WT3 and then to WT4. Based on mean station precipitation in the northeastern United States, most precipitation occurs in WT2 and WT3, with the least in WT1 and WT4. Extreme precipitation occurs most frequently in WT2. Storm tracks show that WT2 and WT3 are associated with coastal storms, while WT2 is also associated with Great Lakes storms. Teleconnections are linked with a change in WT frequency by more than a factor of 2 in several cases: for the North Atlantic Oscillation (NAO) in WT1 and WT4 and for the Pacific–North American (PNA) pattern in WT1 and WT3.
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 | 0,001 | 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) | 0,001 | 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 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 ».