MétaCan
Menu
← Retour à la cohorte
Enregistrement W4224966362 · doi:10.21203/rs.3.rs-1250203/v1

Characteristics of the Turkana Low-Level Jet Stream and the Associated Rainfall in Cmip6 Models

2022· preprint· en· W4224966362 sur OpenAlexaff
oscar lino, Mutemi J. Nzau, Ellen Dyer, Opijah Franklin, Rachel James, Richard Washington, Tom Webb

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensYork University
Organismes subventionnairesForeign, Commonwealth and Development Office
Mots-clésJet streamEnvironmental scienceJet (fluid)GeographyPhysicsMechanics

Résumé

récupéré en direct d'OpenAlex

Abstract The Turkana low-level jet stream (TJ) is important to climatic conditions over northern Kenya and East Africa. The representation of the TJ in climate models varies due to the TJ interaction with Turkana channel that is influenced by model resolution and influences the model representation of the regional climate. This study compares features of the TJ in CMIP6 AMIP model simulations with ERA5. Models reveal wind speeds that match those of the reanalysis from the ERA5 at the jet entrance (13 m/s) but lower magnitudes of wind speed and vertical shears compared to ERA5 within the Turkana channel. The models with slowest wind speeds, have a flattened Turkana channel and fail to exhibit the terrain constriction at 37°E which otherwise aids in accelerating winds to form a jet core. Furthermore, they fail to represent the narrowing of the channel as in ERA5, thereby forming blocking walls in the channel, forcing vertical ascent and mixing, and weakening shear. Stronger ascent is conducive for rainfall formation, enhancing wet anomalies by up to 8% above the observed climatology at the exit of the TJ when the jet stream is weaker. By applying a new narrowing index, we demonstrate the need to improve topography details in the CMIP6 models, particularly those with resolution coarser than 1.5°, in order to properly simulate the TJ and the observed rainfall over the northwestern areas of eastern Africa.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,065
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,085
Tête enseignante GPT0,337
Écart entre enseignants0,252 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetClimate variability and models→Travaux en français237 207→