ENSO Impacts on Jamaican Rainfall Patterns: Insights from CHIRPS High-Resolution Data for Disaster Risk Management
Notice bibliographique
Résumé
This study examines the influence of the El Niño Southern Oscillation (ENSO) on Jamaica’s rainfall patterns, leveraging CHIRPS data from 1981 to 2021 in 370 locations. Our analysis reveals a distinct ENSO imprint on rainfall, with La Niña phases showing a consistently higher probability of exceeding various rainfall thresholds compared to El Niño. Notably, La Niña increases the likelihood of heavier rainfall, particularly in the wet seasons, with probabilities of exceeding 200 mm reaching up to 50% during wet season II. Spatially, the probability of total monthly rainfall (TMR) during La Niña is elevated in the northeastern regions, suggesting regional vulnerability to excess rainfall. Additionally, during El Niño, the correlation between TMR and the maximum air temperature (Tmax) is significantly stronger, indicating a positive and more pronounced relationship between higher temperatures and rainfall, with correlation coefficients ranging from 0.39 to 0.80. Wind speed and evapotranspiration show a negligible influence on TMR during both ENSO phases, maintaining stable correlation patterns with only slight variations. The results of this study underscore the necessity for differentiated regional strategies in water resource management and disaster preparedness, tailored to the unique climatic characteristics imposed by ENSO variability. These insights contribute to a refined understanding of climate impacts, essential for enhancing resilience and adaptive capacity in Jamaica and other small island developing states.
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 | 0,001 |
| 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 ».