Experimental Subseasonal‐to‐Seasonal (S2S) Forecasting of Atmospheric Rivers Over the Western United States
Notice bibliographique
Résumé
Abstract A multimodel evaluation of subseasonal‐to‐seasonal (S2S) hindcast skill of atmospheric rivers (ARs) out to 4‐week lead over the western United States is presented for three operational hindcast systems: European Centre for Medium‐Range Weather Forecasts (ECMWF; Europe), National Centers for Environmental Prediction (NCEP; U.S.), and Environment and Canada Climate Change (ECCC; Canada). Ensemble mean biases and Brier Skill Scores are examined for no, moderate, and high levels of AR activity (0, 1–2, and 3–7 AR days/week, respectively). All hindcast systems are more skillful in predicting no and high AR activity relative to moderate activity. There are isolated regions of skill at week‐3 over 150–125°W, 25–35°N for the no and high AR activity levels, with larger magnitude and spatial extent of the skill in ECMWF and ECCC compared to NCEP. The spatial pattern of this skill suggests that for high AR activity, a southwest‐to‐northeast orientation is more predictable at subseasonal lead times than other orientations, and for no AR activity, more skill exists in the subtropical North Pacific, upstream of central and southern California. AR hindcast skill along the western U.S. is most strongly increased in hindcasts initialized during Madden‐Julian Oscillation (MJO) Phases 1 and 8, and hindcast skill is substantially decreased over California in hindcasts initialized during MJO Phase 4. Skill modulations in the ECMWF hindcast system conditioned on El Niño‐Southern Oscillation phase are weaker than those conditioned on particular MJO phases. This work provides hindcast skill benchmarks and uncertainty quantification for experimental real‐time forecasts of AR activity during winters 2019–2021 as part of the S2S Prediction Project Real‐time Pilot Initiative in collaboration with the California Department of Water Resources.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».