MétaCan
Menu
Retour à la cohorte
Enregistrement W4400688351 · doi:10.1175/waf-d-23-0218.1

Regime-Dependent Characteristics and Predictability of Cold-Season Precipitation Events in the St. Lawrence River Valley

2024· article· en· W4400688351 sur OpenAlexafffundabout
Andrew C. Winters, Nick P. Bassill, John R. Gyakum, Justin R. Minder

Notice bibliographique

RevueWeather and Forecasting · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill University
Organismes subventionnairesDivision of Atmospheric and Geospace SciencesNatural Sciences and Engineering Research Council of Canada
Mots-clésPredictabilityPrecipitationClimatologyEnvironmental scienceMeteorologyAtmospheric sciencesGeologyGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The St. Lawrence River Valley experiences a variety of precipitation types (p-types) during the cold season, such as rain, freezing rain, ice pellets, and snow. These varied precipitation types exert considerable impacts on aviation, road transportation, power generation and distribution, and winter recreation and are shaped by diverse multiscale processes that interact with the region’s complex topography. This study utilizes ERA5 reanalysis data, surface cyclone climatology, and hourly station observations from Montréal, Québec, and Burlington, Vermont, during October–April 2000–18 to investigate the spectrum of synoptic-scale weather regimes that induce cold-season precipitation across the St. Lawrence River Valley. In particular, k -means clustering and self-organizing maps (SOMs) are used to classify cyclone tracks passing near the St. Lawrence River Valley, and their accompanying thermodynamic profiles, into a set of event types that include a U.S. East Coast track, a central U.S. track, and two Canadian clipper tracks. Composite analyses are subsequently performed to reveal the synoptic-scale environments and the characteristic p-types that most frequently accompany each event type. Global Ensemble Forecast System version 12 (GEFSv12) reforecasts are then used to examine the relative predictability of cyclone characteristics and the local thermodynamic profile associated with each event type at 0–5-day forecast lead times. The analysis suggests that forecasted cyclones near the St. Lawrence River Valley develop too quickly and are located left-of-track relative to the reanalysis on average, which has implications for forecasts of the local thermodynamic profile and p-type across the region when the temperature is near 0°C. Significance Statement Diverse precipitation types are observed when near-surface temperatures approach 0°C during the cold season, especially across the St. Lawrence River Valley in southern Québec. This study classifies cold-season precipitation events impacting the St. Lawrence River Valley based on the track of storm systems across the region and quantifies the average meteorological characteristics and predictability of each track. Our analysis reveals that forecasted low pressure systems develop too quickly and are left of their observed track 0–5 days prior to an event on average, which has implications for forecasted temperatures and the type of precipitation observed across the region. Our results can inform future operational forecasts of cold-season precipitation events by providing a storm-focused perspective on forecast errors during these impactful events.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,243
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWeather and ForecastingMême sujetClimate variability and modelsTravaux en français237 207