MétaCan
Menu
Retour à la cohorte
Enregistrement W4200369054 · doi:10.1002/joc.7490

The role of local topography and sea surface temperature on summer monsoon precipitation over Bangladesh and n<scp>ortheast</scp> India

2021· article· en· W4200369054 sur OpenAlexaff
Abdullah Al Fahad, Bohar Singh, Mostofa Kamal, Tanvir Ahmed, Minhazul Kibria, Nazimur Rashid Chowdhury

Notice bibliographique

RevueInternational Journal of Climatology · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensGlobal Institute for Water SecurityUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésPrecipitationClimatologyMonsoonEnvironmental scienceSea surface temperatureMonsoon of South AsiaPlateau (mathematics)Atmospheric sciencesBayMoistureGeologyOceanographyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

Abstract Bangladesh receives most of its precipitation from June to September in the form of rainfall as a part of the Asian summer monsoon system. Bangladesh is a relatively flat region, surrounded by the southern Himalayas and Meghalaya Plateau in the north, Arakan Mountains in the east, and the Bay of Bengal (BOB) in the south. Although several studies have investigated the mechanisms that drive the Asian monsoon precipitation, very few studies have focused on the monsoon precipitation in Bangladesh. This study investigated the influence of the topography of the surrounding regions and sea surface temperature on the summer monsoon precipitation of Bangladesh and the surrounding regions. Using observed data, we showed that moisture convergence near the mountains contributes to the precipitation of Bangladesh, whereas the BOB acts as a source of moisture. A strong low‐level jet carries the moisture inland as the land–sea thermal contrast intensifies the wind circulation during the summer. Three differently forced simulations of the Euro‐Mediterranean Centre on Climate Change coupled climate model (CMCC CM2) were analysed to investigate the influence of the surrounding region's topography and sea surface temperature on the summer monsoon precipitation. The low‐resolution simulation showed no spatial variability of precipitation and dry bias due to the overly smooth topographical representation of mountains. The high‐resolution coupled simulation, with a better representation of topography, improved the moisture convergence at the foothills and precipitation bias. The high‐resolution prescribed sea surface temperature further improved the precipitation bias by intensifying the low‐level jet that transports moisture over Bangladesh.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,187

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,007
Tête enseignante GPT0,245
Écart entre enseignants0,238 · 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'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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of ClimatologyMême sujetClimate variability and modelsTravaux en français237 207