MétaCan
Menu
Retour à la cohorte
Enregistrement W2962552524 · doi:10.1175/waf-d-18-0156.1

The Extreme Precipitation Index (EPI): A Coupled Dynamic–Thermodynamic Metric to Diagnose Midlatitude Floods Associated with Flow Reversal

2019· article· en· W2962552524 sur OpenAlexaffabout
Shawn M. Milrad, Eyad H. Atallah, John R. Gyakum, Rachael N. Isphording, Jonathon Klepatzki

Notice bibliographique

RevueWeather and Forecasting · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill University
Organismes subventionnairesDivision of Ocean SciencesCentrum fÖr Personcentrerad Vård
Mots-clésMiddle latitudesClimatologyEnvironmental sciencePrecipitationMetric (unit)Index (typography)MeteorologyFlow (mathematics)Atmospheric sciencesGeologyMechanicsPhysicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The extreme precipitation index (EPI) is a coupled dynamic–thermodynamic metric that can diagnose extreme precipitation events associated with flow reversal in the mid- to upper troposphere (e.g., Rex and omega blocks, cutoff cyclones, Rossby wave breaks). Recent billion dollar (U.S. dollars) floods across the Northern Hemisphere midlatitudes were associated with flow reversal, as long-duration ascent (dynamics) occurred in the presence of anomalously warm and moist air (thermodynamics). The EPI can detect this potent combination of ingredients and offers advantages over model precipitation forecasts because it relies on mass fields instead of parameterizations. The EPI’s dynamics component incorporates modified versions of two accepted blocking criteria, designed to detect flow reversal during the relatively short duration of extreme precipitation events. The thermodynamic component utilizes standardized anomalies of equivalent potential temperature. Proof-of-concept is demonstrated using four high-impact floods: the 2013 Alberta Flood, Canada’s second costliest natural disaster on record; the 2016 western Europe Flood, which caused the worst flooding in France in a century; the 2000 southern Alpine event responsible for major flooding in Switzerland; and the catastrophic August 2016 Louisiana Flood. EPI frequency maxima are located across the North Atlantic and North Pacific mid- and high latitudes, including near the climatological subtropical jet stream, while secondary maxima are located near the Rockies and Alps. EPI accuracy is briefly assessed using pattern correlation and qualitative associations with an extreme precipitation event climatology. Results show that the EPI may provide potential benefits to flood forecasters, particularly in the 3–10-day range.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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'étudeSimulation ou modélisation
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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWeather and ForecastingMême sujetClimate variability and modelsTravaux en français237 207