MétaCan
Menu
Retour à la cohorte
Enregistrement W2793516194 · doi:10.1002/joc.5433

Contrast in monsoon precipitation over oceanic region of north Bay of Bengal and east equatorial Indian Ocean

2018· article· en· W2793516194 sur OpenAlexaboutno aff
Samir Pokhrel, Anupam Hazra, Subodh Kumar Saha, Hemantkumar S. Chaudhari, Abirlal Metya, Sachin D. Ghude, Mahen Konwar

Notice bibliographique

RevueInternational Journal of Climatology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesNOAA Pacific Marine Environmental LaboratoryIndian Institute of Technology MadrasMinistry of Earth SciencesNational Aeronautics and Space Administration
Mots-clésClimatologyBayMonsoonPrecipitationAtmospheric sciencesBENGALEnvironmental scienceConvectionWalker circulationRelative humidityGeologyMeteorologySea surface temperatureOceanographyGeography

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This study explores the possible causes of rainfall distribution over the two major oceanic raining regions of the north Bay of Bengal (nBoB) and the east equatorial Indian Ocean (eEIO). Despite 17% difference in vertically averaged humidity, there is almost 34% difference in mean rainfall over these two regions. The climatological seasonal [June–September (JJAS)] mean (standard deviation) rainfall over nBoB region is always higher (lower) than that over the eEIO region in all the independent data used. The eEIO region has a much larger percentage of low stratiform and convective rainfall (<5 mm day −1 ) distribution as compared to nBoB, which is totally opposite in case of moderate stratiform and convective rainfall (>5 mm day −1 ) distribution. This is further substantiated by a much lower values of outgoing long‐wave radiation (OLR) in nBoB (<200 W m −2 ) as compared to the eEIO (217 W m −2 ) region. Mean Hadley circulation along with relative vorticity/divergence profile supports more intense (gentle) updrafts over nBoB (eEIO) region. Latent heat (LH) is almost three times at the upper level (∼8 km) in case of nBoB as compared to eEIO; however, at the lower level (∼3 km) LH is marginally higher over eEIO region. Microphysical variables, namely cloud ice optical thickness and cloud ice water path, are in much larger quantities over nBoB as compared to eEIO. Furthermore, the cold (warm) rain processes dominate among other microphysical processes over nBoB (eEIO) region. Thus, the interplay among large‐scale dynamics, thermodynamics and microphysics is very crucial in the formation of deep clouds and convective rain over the nBoB region and similarly shallow clouds and stratiform rain over the eEIO region. This study will be very useful to guide present‐day coupled models for proper representation of different rain components over the nBoB and eEIO region.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,047
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · 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

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ClimatologyMême sujetClimate variability and modelsTravaux en français237 207