Climatology and Recent Changes in the Occurrence of Freezing Rain throughout the Laurentian Great Lakes Region
Notice bibliographique
Résumé
Abstract Freezing rain (FZRA) events have expensive and sometimes deadly effects on major population centers in the Great Lakes region (GLR) of North America. This paper investigates changes in the spatiotemporal nature of FZRA. The work extends the spatial and temporal record of a previously published, but now dated, Great Lakes FZRA climatology (1976–90) to analyze trends and their underlying reasons by utilizing observations made through 2020. To isolate regional trends and determine changes in the synoptic-scale processes driving them, a k -means objective clustering algorithm is applied to pressure anomaly maps and records of FZRA observations to create three archetypal synoptic weather patterns associated with FZRA. A northward shift in FZRA incidence is found across the GLR on an annual basis, with an increase in FZRA occurrence in January and April and a decrease during March. Regionally, the largest trends were a decrease since 1979 throughout Pennsylvania, upstate New York, and the St. Lawrence Lowlands of Canada and an increase in the southern reach of Manitoba, Ontario, and Quebec and the low-lying Atlantic Coastal Plain of New York. The geographic location of the low three synoptic patterns associated with FZRA events remained similar between 1979 and 1999 and 2000–20, though changes to their intensity allowed for enhanced warm air advection. We suggest that this, combined with rising temperatures in a nonstationary climate and a subtle northward shift in some cyclones, was responsible for an observed northward shift in FZRA.
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 | 0,000 |
| 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 | 0,000 | 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 ».