MétaCan
Menu
Retour à la cohorte
Enregistrement W4285586161 · doi:10.1175/jcli-d-21-0840.1

Spatiotemporal Heterogeneity in Precipitation over China and Its Connections with Large-Scale Climate Oscillations—A Moisture Budget Perspective

2022· article· en· W4285586161 sur OpenAlexaff
Chen Lu, Guohe Huang, Xiuquan Wang, Feng Wang

Notice bibliographique

RevueJournal of Climate · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Prince Edward IslandUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésTeleconnectionQuantileClimatologyPrecipitationEnvironmental sciencePacific decadal oscillationNorth Atlantic oscillationQuantile regressionAtmospheric sciencesEl Niño Southern OscillationGeographyGeologyMeteorologyEconometricsMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract Climate change can lead to variations in the probability distribution of precipitation. In this study, quantile regression (QR) is undertaken to identify the quantile trends in precipitation over China and to examine the quantile effects of various climate oscillations on precipitation. The results show that the quantile trends show apparent seasonal variations, with a greater number of stations showing trends in winter (especially at quantile levels ≥ 0.5), and larger average magnitudes of trends at nearly all quantile levels in summer. The effects of El Niño–Southern Oscillation (ENSO), North Atlantic Oscillation (NAO), and Pacific decadal oscillation (PDO) exhibit evident variations with respect to the quantile level. Spatial clusters are subsequently identified based on the quantile trends, and the individual and combined effects from the teleconnection patterns are further investigated from the perspective of moisture budget. Seven spatial clusters with distinct seasonal quantile trends can be identified; three of them are located in southeastern China and are characterized by increasing trends in summer and winter precipitation. Summer precipitation over this region is positively influenced by ENSO and negatively influenced by NAO, with the former affecting both the dynamic and thermodynamic components of vertically integrated moisture divergence and the latter affecting only the dynamic component. The interaction effect of ENSO and NAO on summer precipitation anomalies in months that are extremely wetter than normal is statistically significant. In comparison, winter precipitation in this region is under the positive influence of ENSO and NAO and the negative influence of PDO; the effect of ENSO on moisture convergence can be mainly attributed to its dynamic component.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,032

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,259
Écart entre enseignants0,250 · 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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207