MétaCan
Menu
Retour à la cohorte
Enregistrement W4291157239 · doi:10.3389/fclim.2022.907828

An eddy pathway to marine heatwave predictability off eastern Tasmania

2022· article· en· W4291157239 sur OpenAlexaff
Zijie Zhao, Neil J. Holbrook, Eric C. J. Oliver

Notice bibliographique

RevueFrontiers in Climate · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueOceanographic and Atmospheric Processes
Établissements canadiensDalhousie University
Organismes subventionnairesAustralian Research Council
Mots-clésMesoscale meteorologyEddyOceanographyClimatologyGeologyPredictabilityAdvectionGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

A systematic analysis of historical and modeled marine heatwaves (MHWs) off eastern Tasmania has been performed based on satellite observations and a high–resolution regional ocean model simulation, over the period from 1994–2016. Our analysis suggests that the distribution of large and intense mesoscale warm core eddies off northeast Tasmania contribute to the development of MHWs further south associated with changes in the circulation and transports. Importantly, we find that eddy distributions in the Tasman Sea can act as predictors of MHWs off eastern Tasmania. We used self-organizing maps to distinguish sea surface height anomalies (SSHA) and MHWs into different, but connected, patterns. We found the statistical model performs best (precision ~ 0.75) in the southern domain off eastern Tasmania. Oceanic mean states and heat budget analysis for true positive and false negative marine heatwave events revealed that the model generally captures ocean advection dominated MHWs. Using SSHA as predictor variable, we find that our statistical model can forecast MHWs off southeast Tasmania up to 7 days in advance above random chance. This study provides improved understanding of the role of circulation anomalies associated with oceanic mesoscale eddies on MHWs off eastern Tasmania and highlights that individual MHWs in this region are potentially predictable up to 7 days in advance using mesoscale eddy-tracking methods.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,083
Score d'incertitude au seuil0,999

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 GPT0,201
Écart entre enseignants0,194 · 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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ClimateMême sujetOceanographic and Atmospheric ProcessesTravaux en français237 207