MétaCan
Menu
Retour à la cohorte
Enregistrement W3211613699 · doi:10.1175/bams-d-21-0170.1

From Atmospheric Waves to Heatwaves: A Waveguide Perspective for Understanding and Predicting Concurrent, Persistent, and Extreme Extratropical Weather

2021· article· en· W3211613699 sur OpenAlexaff
Rachel H. White, Kai Kornhuber, Olivia Martius, Volkmar Wirth

Notice bibliographique

RevueBulletin of the American Meteorological Society · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRossby waveExtratropical cycloneClimatologyClimate modelEnvironmental scienceExtreme weatherAtmospheric circulationAtmospheric modelClimate changeMeteorologyGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract A notable number of high-impact weather extremes have occurred in recent years, often associated with persistent, strongly meandering atmospheric circulation patterns known as Rossby waves. Because of the high societal and ecosystem impacts, it is of great interest to be able to accurately project how such extreme events will change with climate change, and to predict these events on seasonal-to-subseasonal (S2S) time scales. There are multiple physical links connecting upper-atmosphere circulation patterns to surface weather extremes, and it is asking a lot of our dynamical models to accurately simulate all of these. Subsequently, our confidence in future projections and S2S forecasts of extreme events connected to Rossby waves remains relatively low. We also lack full fundamental theories for the growth and propagation of Rossby waves on the spatial and temporal scales relevant to extreme events, particularly under strongly nonlinear conditions. By focusing on one of the first links in the chain from upper-atmospheric conditions to surface extremes—the Rossby waveguide—it may be possible to circumvent some model biases in later links. To further our understanding of the nature of waveguides, links to persistent surface weather events and their representation in models, we recommend exploring these links in model hierarchies of increasing complexity, developing fundamental theory, exploiting novel large ensemble datasets, harnessing deep learning, and increased community collaboration. This would help increase understanding and confidence in both S2S predictions of extremes and of projections of the impact of climate change on extreme weather events.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,047
Tête enseignante GPT0,262
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations121
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Meteorological SocietyMême sujetClimate variability and modelsTravaux en français237 207