Spatiotemporal variability of soil moisture over Ethiopia and its teleconnections with remote and local drivers
Notice bibliographique
Résumé
Abstract Soil moisture is one of the essential climate variables with a potential impact on local climate variability. Despite the importance of soil moisture, studies on soil moisture characteristics in Ethiopia are less documented. In this study, the spatiotemporal variability of Ethiopian soil moisture (SM) has been characterized, and its local and remote influential driving factors are investigated. An empirical orthogonal function (EOF) and KMeans clustering algorithm have been employed to classify the large domain into homogeneous zones. Complex maximum covariance analysis (CMCA) is applied to evaluate the covariability between SM and selected local and remote variables such as rainfall (RF), evapotranspiration (ET), and sea surface temperature (SST). Inter-comparison among SM datasets highlight that the FLDAS dataset better depicts the country’s SM spatial and temporal distribution (i.e., a correlation coefficient $$r=0.95$$ r = 0.95 , $$rmsd=0.04{\mathrm{m}}^{3}{\mathrm{m}}^{-3}$$ r m s d = 0.04 m 3 m - 3 with observations). Results also indicate that regions located in northeastern Ethiopia are drier irrespective of the season (JJAS, MAM, and OND) considered. In contrast, the western part of the country consistently depicted a wetter condition in all seasons. During summer (JJAS), the soil moisture variability is characterized by a strong east–west spatial contrast. The highest and lowest soil moisture values were observed across the country’s central western and eastern parts, respectively. Furthermore, analyses indicate that interannual variability of SM is dictated substantially by RF, though the impact on some regions is weaker. It is also found that ET likely drives the SM in the eastern part of Ethiopia due to a higher atmospheric moisture demand that ultimately invokes changes in surface humidity and rainfall. A composite analysis based on the extreme five wettest and driest SM years revealed a similar spatial distribution of wet SM with positive anomalies of RF across the country and ET over the southern regions. Remote SSTs are also found to have a significant influence on SM distribution. In particular, equatorial central Pacific and western Indian oceans SST anomalies are predominant factors for spatiotemporal SM variations over the country. Major global oceanic indices: Oceanic Nino Index (ONI), Indian Ocean Dipole (IOD), Pacific warm pool (PACWARMPOOL), and Pacific Decadal Oscillations (PDO) are found to be closely associated with the SM anomalies in various parts of the country. The associationship between these remote SST anomalies and local soil moisture is via large-scale atmospheric circulations that are linked to regional factors such as precipitation and temperature anomalies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».