Contribution of Atmospheric Rivers to Annual, Seasonal, and Extreme Precipitation Across British Columbia and Southeastern Alaska
Notice bibliographique
Résumé
Abstract Lying in the frontline of the prevailing midlatitude westerlies, British Columbia and southeastern Alaska (BCSAK) often receive copious amounts of precipitation through atmospheric rivers (ARs). This study quantifies the contribution of ARs to annual, seasonal, and extreme precipitation across BCSAK from 1979 to 2012 using a recently developed high‐resolution gridded precipitation data set, a regional AR catalog, and integrated vapor transport fields calculated from a reanalysis data set. On average, ARs contribute 13% of total annual precipitation with the higher contribution along the coastal regions (up to 33%), parts of which are one of the wettest locations on Earth, followed by the Columbia and Rocky Mountains (~9%–15%). The highest contributions occur during September (up to 57%) and October (up to 49%). The contribution of ARs to extreme precipitation attains >90% along the western arc of the Coast Mountains and the coastal regions of BCSAK. ARs act as the main synoptic‐scale mechanism that brings rainfall to the Rocky Mountains in winter. The probability of observing AR‐related precipitation increases over the study period; however, no change occurs in the average AR‐related precipitation amount for most of BCSAK during 1979–2012. This work provides insights on the critical role ARs play on the water resources of northwestern North America and has broader implications on community water supply and management, hydropower operations, and flood risk assessment and mitigation.
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 | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».