MétaCan
Menu
Retour à la cohorte
Enregistrement W2898455891 · doi:10.1175/jcli-d-17-0873.1

Linkage between Interannual Variation of the East Asian Intraseasonal Oscillation and Mei-Yu Onset

2018· article· en· W2898455891 sur OpenAlexaff
Yonghong Yao, Hai Lin, Qigang Wu

Notice bibliographique

RevueJournal of Climate · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesJiangsu Collaborative Innovation Center for Climate ChangeNational Natural Science Foundation of China
Mots-clésClimatologyEl Niño Southern OscillationSea surface temperaturePacific decadal oscillationSpring (device)East AsiaMonsoonOceanographyGeologyEnvironmental scienceChinaGeography

Résumé

récupéré en direct d'OpenAlex

Abstract The mei-yu onset over the middle to lower reaches of the Yangtze River Valley (MLYRV) varies considerably from early June to mid-July, which leads to large interannual changes in rainy-season length, total summer rainfall, and flooding potential. Previous studies have investigated the impact of El Niño–Southern Oscillation (ENSO) on the mei-yu onset. This study shows that a strong (weak) East Asian and western North Pacific (EAWNP) intraseasonal oscillation (ISO) in spring leads to an early (late) onset of the mei-yu over the MLYRV, and this ISO–mei-yu relationship is attributed to different types of ENSO in the preceding winter. A strong EAWNP ISO in spring is related to an eastern Pacific El Niño (EP El Niño) in the previous winter, and negative sea surface temperature (SST) anomalies in the eastern Indian Ocean and the South China Sea (SCS) in May, which can cause an early onset of the South China Sea summer monsoon that also favors an early mei-yu onset. In contrast, a weak EAWNP ISO in spring is associated with a central Pacific El Niño (CP El Niño) before April, but with an EP El Niño after April, and positive SST anomalies in both the eastern Indian Ocean and the SCS in May. A statistical forecast model combining the intensity of spring EAWNP ISO, CP ENSO, and EP ENSO indices shows a high prediction skill of the observed mei-yu onset date.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,029
Score d'incertitude au seuil0,427

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,253
Écart entre enseignants0,238 · 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 tête enseignante, 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

Citations21
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207