The Soil Moisture–Surface Flux Relationship as a Factor for Extreme Heat Predictability in Subseasonal to Seasonal Forecasts
Notice bibliographique
Résumé
Abstract Thresholds of soil moisture exist below which the atmosphere becomes hypersensitive to land surface drying, inducing thermal feedbacks that can exacerbate heatwaves. Realistic representation of threshold transitions in forecast models could improve extreme heat predictability and understanding of the role of land–atmosphere coupling. This study evaluates the performance of several forecast models from the Subseasonal Experiment (SubX) and several prototype versions of the Unified Forecast System (UFS) in their representation of threshold transitions by validation against reanalysis data. A metric of skill (true skill score) is applied to soil moisture breakpoint values, which mark the transition to heatwave hypersensitivity for drying soils. Forecast models have poor skill at being initialized on the correct side of the breakpoint, but show improvement when normalized to account for deficiencies in their soil moisture climatologies. Regionally, models performed best in the U.S. Northwest and worst in the Southwest. They effectively capture the tendency of western regions to spend more summer days in the hypersensitive regime than the eastern United States. Models represent well extreme heat as a consequence of atmospheric initial state for the first week of the forecast, but struggle to represent the soil moisture feedback regime. Forecast models generally perform better at extreme heat prediction when they are already dry and in the hypersensitive regime, even when erroneously so, implying that errors or biases exist in model parameterizations. Nevertheless, composite analysis shows encouraging model performance of the “hit” category, suggesting that an improvement in soil moisture initialization could further improve extreme heat forecast skill.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».