MétaCan
Menu
Retour à la cohorte
Enregistrement W4221107151 · doi:10.1029/2021gl097036

The 2021 Western North American Heatwave and Its Subseasonal Predictions

2022· article· en· W4221107151 sur OpenAlexaffabout
Hai Lin, Ruping Mo, Frédéric Vitart

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesnon disponible
Mots-clésClimatologyAnomaly (physics)BorealEnvironmental scienceRange (aeronautics)TroposphereEl Niño Southern OscillationMagnitude (astronomy)Atmospheric sciencesMeteorologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Record‐breaking above‐normal temperatures were observed across western North America in June–July 2021. In this study, our ability to predict this heatwave 2–3 weeks in advance is assessed based on 10 Subseasonal‐to‐Seasonal prediction models. It is found that the above normal temperature in Western Canada during June 28–July 4 was predicted by most models as early as June 10. However, for the forecasts initialized earlier than June 17, not a single ensemble member of all the models is able to capture the magnitude of the observed temperature anomaly. We identify two important processes: an upper tropospheric wave train associated with the boreal summer intraseasonal oscillation in Southeast Asia and an anomalous North Pacific atmospheric river leading to high moisture conditions. Most models are able to predict the wave train across the North Pacific. A realistic representation of moisture transport and its pattern appears crucial for the extended‐range forecast of this heatwave.

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 candidatesÉtudes des sciences et des technologies
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 enseignants0,155
Score d'incertitude au seuil1,000

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 technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,035
Tête enseignante GPT0,297
Écart entre enseignants0,262 · 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.

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

Citations111
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeophysical Research LettersMême sujetClimate variability and modelsTravaux en français237 207