Differences in Pre-Flood Season Rainfall in South China between Spring and Summer El Niño Events
Notice bibliographique
Résumé
The El Niño–Southern Oscillation (ENSO) plays an important role in pre-flood season (PFS) precipitation over South China. In this work, the analysis of observational and reanalysis data shows that PFS precipitation is closely related to the onset time of El Niño events. The PFS precipitation tended to be higher (lower) than normal for spring (summer) El Niño events during the 1979–2016 period. Our composite analyses reveal that, for spring El Niño events, the sea surface temperature (SST) anomaly in the central-east equatorial Pacific (CEEP) Ocean provided favourable large-scale circulation for abundant PFS precipitation, where the Hadley cell served as a bridge. In the year following an El Niño event, SST anomalies in the CEEP persist from January to June, while for April-May-June (AMJ) positive SST anomalies are seen offshore near China. These anomalies are associated with the AMJ–enhanced convective instability over South China through a weakened Walker circulation and a zonal teleconnection wavetrain pattern at 700 hPa in the northern hemisphere. Meanwhile, a weakened 200 hPa anticyclonic shear was seen over the Indochina Peninsula. There was a southwestward shift of the 500 hPa western Pacific subtropical high, and anomalous 850 hPa southwesterly wind-enhanced water vapour and warm advection toward South China. Therefore, the circulation-induced moisture environment and dynamical conditions both facilitated enhanced PFS precipitation over South China. For summer El Niño events, the moisture environment and dynamical conditions were unfavourable for producing precipitation, which resulted in below-normal PFS precipitation levels. Categorizing El Niño events by the onset time is very important because it provides useful information for predicting PFS precipitation with lead times of two or three seasons.
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 | 0,000 |
| 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 ».