MétaCan
Menu
Retour à la cohorte
Enregistrement W4410813939 · doi:10.1175/jcli-d-24-0484.1

Enhanced Global Tropical Cyclone Identification in ERA5 through Bayesian Inference and Dynamic Tracking (BIDTrack) Algorithm

2025· article· en· W4410813939 sur OpenAlexafffund
Xiajing Lin, Tangnyu Song

Notice bibliographique

RevueJournal of Climate · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueTropical and Extratropical Cyclones Research
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsCanada Research Chairs
Mots-clésTropical cycloneClimatologyBayesian probabilityIdentification (biology)Dynamic Bayesian networkBayesian inferenceTracking (education)InferenceEnvironmental scienceAlgorithmMeteorologyComputer scienceArtificial intelligenceGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract In this study, the Bayesian Inference and Dynamic Programming Tracking (BIDTrack) algorithm is developed for enhanced global tropical cyclone (TC) tracking in reanalysis datasets, particularly the fifth major global reanalysis produced by the European Centre for Medium-Range Weather Forecasts (ECMWF) (ERA5). BIDTrack addresses challenges like trajectory discontinuities and parameter sensitivity in traditional methods by combining Bayesian inference with dynamic programming. The algorithm is optimized through a Bayesian interval optimization (BIO) process, which refines the parameters to retain cyclone candidates that are statistically significant and physically meaningful. Results indicate a strong spatial correlation between BIDTrack-derived trajectories and International Best Track Archive for Climate Stewardship (IBTrACS) observations, especially in cyclone-prone regions like the North Atlantic and western Pacific. BIDTrack captures both major hurricanes and weak storms, providing a reliable tool for cyclone path reconstruction and climate impact assessments. This research demonstrates BIDTrack’s potential in improving TC tracking and enhancing the understanding of cyclone dynamics in ERA5. Significance Statement Tropical cyclones, such as hurricanes, are powerful storms that pose significant risks to coastal communities. Tracking their paths accurately is crucial for understanding their behavior and mitigating their impacts. In this study, an emerging method, Bayesian Inference and Dynamic Programming Tracking (BIDTrack), is introduced by combining Bayesian inference with dynamic programming to enhance cyclone tracking in the fifth major global reanalysis produced by the European Centre for Medium-Range Weather Forecasts (ECMWF) (ERA5). BIDTrack generates cyclone paths with probability estimates, providing a more precise assessment of whether a given track point corresponds to the actual cyclone. This algorithm is effective in tracking both strong hurricanes and weaker storms, making it a valuable tool for researchers and decision-makers interested in cyclone behavior and climate impacts.

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)0,000
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 enseignants0,425
Score d'incertitude au seuil0,347

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,311
Écart entre enseignants0,299 · 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetTropical and Extratropical Cyclones ResearchTravaux en français237 207