Factors leading to the formation of tornadoes: statistical links emerging from a large dataset
Notice bibliographique
Résumé
The dynamics of tornadoes include large vorticity in the lower troposphere and an intense updraft, whose combination may result in their formation. In this study we investigate the possibility of using a statistical relation for their description. In fact, the nonlinearity, complexity and fine scale of these processes presently prevents their simulation in the atmospheric circulation models currently used for weather forecasts and climate projections. Here we use a large dataset of tornadoes observed in the USA and Europe and the data of ERA5 (ECMWF ReAnalysis 5) to establish a statistical link between the occurrence of tornadoes and factors whose values can be extracted from atmospheric circulation models. The values of CAPE (convective available potential energy), WS (wind shear in the lower troposphere), SRH (storm relative helicity) and LCL (lifting condensation level) of the high resolution (about 30km) ERA5 data have been considered. The analysis shows all these variables are significantly linked to the formation of tornadoes with WS and CAPE being the most relevant ones. The analysis is an extension of a former study (Ingrosso et al., 2020, 10.3390/atmos11030301) based on a dataset of tornadoes events much larger than previously, on higher resolution atmospheric data, and more prognostic variables. The results provide a new expression for the probability of occurrence of tornadoes that can be used for forecasting their likelihood with potential applications to their predictions and future changes of their frequency.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».