MétaCan
Menu
Retour à la cohorte
Enregistrement W3109745803 · doi:10.1088/1748-9326/abc215

North American cold events following sudden stratospheric warming in the presence of low Barents-Kara Sea sea ice

2020· article· en· W3109745803 sur OpenAlexaboutno aff
Pengfei Zhang, Yutian Wu, Gang Chen, Yueyue Yu

Notice bibliographique

RevueEnvironmental Research Letters · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueArctic and Antarctic ice dynamics
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Atmospheric and Geospace SciencesNational Natural Science Foundation of China
Mots-clésClimatologySea iceArctic sea ice declineArctic geoengineeringArctic ice packPredictabilityEnvironmental sciencePolar vortexSea surface temperatureArcticCryosphereOceanographyPolar nightStratosphereAntarctic sea iceGeology

Résumé

récupéré en direct d'OpenAlex

Abstract While the relationship between the Arctic sea ice loss and midlatitude winter climate has been well discussed, especially on the seasonal mean scale, it remains unclear whether the Arctic sea ice condition affects the predictability of North American cold weather on the subseasonal time scale. Here we find that, in the presence of low Barents-Kara Sea (BKS) sea ice, sudden stratospheric warmings (SSWs) can favor surface cold spells over North America at the subseasonal timescale based on observations and model experiments. A persistent ridge of wave-2 pattern emerges over the Bering Sea-Gulf of Alaska several weeks after the SSW onset, with a coherent structure from the stratosphere to the surface, which, in turn, is conducive to synoptic cold air outbreaks in Canada and midwestern USA. This highlights a planetary wave pathway relating to BKS sea ice changes, by which the stratospheric polar vortex impacts the regional surface temperature on the subseasonal scale. In contrast, this mechanism does not occur with positive BKS sea ice anomaly. These findings help to improve the subseasonal predictability over North America, especially under the background of rapid change of Arctic sea ice in a warming world.

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 enseignants0,009
Score d'incertitude au seuil0,461

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,226 · 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

Citations40
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Research LettersMême sujetArctic and Antarctic ice dynamicsTravaux en français237 207