Rainy Season Migration across the Northeast Coast of Brazil Related to Sea Surface Temperature Patterns
Notice bibliographique
Résumé
Accurate regional seasonal forecasts of the rainy season are essential for the implementation of effective socioeconomic activities and policy. However, current characteristics of the period of occurrence of the rainy season in the Eastern Northeast Brazil (ENEB) region demonstrated that maximum precipitation varies substantially depending on the period analyzed. From 1972 to 2002, the rainy season occurred during the June–July–August (JJA) quarter, while from 1981 to 2011, it occurred in the April–May–June (AMJ) quarter. To access how these differences may be due to different patterns of sea surface temperature (SST), using observed precipitation and SST data from NOAA for the period from 1982 to 2018, this study identified the spatial patterns of inter-annual changes in Pacific and Atlantic SST related to the occurrence of the ENEB rainy seasons. We focus on the statistical method of symmetric mean absolute percentage error (sMAPE) for forecasting these periods based on SST information. Our results revealed five different quarterly periods (FMA, MAM, AMJ, MJJ, JJA) to the rainy season, in which MJJ is more prevalent. The sMAPE values of the SST patterns are inversely proportional to precipitation in the ENEB. Hence, it may be concluded that our climate analysis demonstrates that seasonal SST patterns can be used for forecasting the period of the rainy season.
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 | 0,000 | 0,001 |
| 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 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 ».