Characterizing Isotopic Composition and Trajectories of Atmospheric River Events
Notice bibliographique
Résumé
Landfalling atmospheric rivers (LARs) are important drivers of mid-latitude climate; however, our understanding of the water vapour sources, storm trajectories, and receiving waters of ARs is limited. This study aims to characterize LARs in southwest British Columbia by their isotopic composition and storm track trajectories and to better understand how AR-derived precipitation is manifested in watershed waters. ARs were depleted (−11.71‰ δ18O, −85.80‰ δ2H, n = 19) compared to non-ARs (−9.47‰ δ18O, −69.58‰ δ2H, n = 32) (p = 0.03); however, the difference is minimal. LAR storm tracks did not show any obvious correlation to their isotopic composition, despite the large variability in their source regions across the Pacific Ocean. The lack of correlation is attributed to mixing air parcels, thereby incorporating moisture with different isotopic compositions into the main transport mechanism. D-excess values for ARs and non-ARs were statistically similar, although seasonal differences were observed. ARs with higher d-excess were sourced from the central Pacific, whereas ARs with lower d-excess had storm tracks through the northern Pacific. Watershed water d-excess values (mean = 8.58 ± 2.97‰) were more similar to winter precipitation (mean = 10.1 ± 5.1‰), compared to summer (mean = 2.8 ± 4.3‰), likely due to their source of winter precipitation at high elevation. A greater range in AR d-excess winter values relative to summer values (3.6–16.6‰, −0.3–6.0‰, respectively) is attributed to storm track variability.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,000 | 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 tête enseignante, 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 ».