MétaCan
Menu
← Retour à la cohorte
Enregistrement W4296203942 · doi:10.1029/2022gl099017

Summer Midlatitude Stationary Wave Patterns Synchronize Northern Hemisphere Wildfire Occurrence

2022· article· en· W4296203942 sur OpenAlexfundno aff
Hien X. Bui, Axel Timmermann, June‐Yi Lee, Eric D. Maloney, Yi‐Xian Li, Ji‐Eun Kim, J. K. Shuman, Sun‐Seon Lee, William R. Wieder

Notice bibliographique

RevueGeophysical Research Letters · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Forest ServiceAustralian Research CouncilNational Center for Atmospheric ResearchInstitute for Basic ScienceNational Science FoundationUniversity of CambridgeU.S. Forest Service
Mots-clésMiddle latitudesClimatologyNorthern HemisphereAtmospheric sciencesTroposphereEnvironmental scienceAtmospheric circulationLatitudeSouthern HemisphereAtmospheric waveRossby waveGeologyWave propagationGravity wavePhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Midlatitude stationary waves are relatively persistent large‐scale longitudinal variations in atmospheric circulation. Although recent case studies have suggested a close connection between stationary waves and extreme weather events, little is known about the global‐scale linkage between stationary waves and wildfire activity, as well as the potential changes in this relationship in a warmer climate. Here, by analyzing the Community Earth System Model version 2 large ensemble, we show that a zonal wavenumber 5–6 stationary wave pattern tends to synchronize wildfire occurrences across the Northern Hemisphere midlatitudes. The alternation of upper‐troposphere ridges and troughs creates a hemispheric‐scale spatial pattern of alternating hot/dry and cold/wet conditions, which increases or decreases wildfire occurrence, respectively. More persistent high‐pressure conditions drastically increase wildfire probabilities. Even though the dynamics of these waves change little in response to anthropogenic global warming, the corresponding midlatitude wildfire variability is projected to intensify due to changes in climate background conditions.

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 enseignants0,008
Score d'incertitude au seuil0,016

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
Bibliométrie0,0000,000
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 Opus0,054
Tête enseignante GPT0,308
Écart entre enseignants0,254 · 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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical Research Letters→Même sujetClimate variability and models→Travaux en français237 207→