Mediated and direct effects of the North Atlantic ocean on winter temperatures in northwest Europe
Notice bibliographique
Résumé
This study has used a multiple regression model to quantify the importance of wintertime mean North Atlantic sea-surface temperatures (SSTs) for explaining (simultaneous) variations in wintertime mean temperatures in northwestern Europe. Although wintertime temperature variations are primarily determined by atmospheric flow patterns, it has been speculated that North Atlantic SSTs might also provide some additional information. To test this hypothesis, we have attempted to explain 1900–93 variations in wintertime mean central England temperature (CET) by using multiple regression with contemporaneous winter mean North Atlantic sea-level pressures (SLPs) and SSTs as explanatory variables. With no SST information, the leading SLP patterns (including the North Atlantic oscillation) explain 63% of the total variance in winter mean CET; however, SSTs alone are capable of explaining only 16% of the variance in winter mean CET. Much of the SST effect is ‘indirect’ in that it supplies no more significant information than already contained in the mean SLP; e.g. both SLP and SST together can only explain 68% of the variance. However, there is a small (5% variance) direct effect due to SST that is not mediated by mean SLP, which has a spatial pattern resembling the Newfoundland SST pattern identified by Ratcliffe and Murray (1970. Quarterly Journal of the Royal Meteorological Society 96: 226–246). In predictive mode, however, using explanatory variables from preceding seasons, SSTs contain more information than SLP factors. On longer time scales, the variance explained by contemporaneous SST increases, but the SLP explanatory variables still provide a better model than the SST variables. Copyright 2003 Royal Meteorological Society.
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 ».