MétaCan
Menu
Retour à la cohorte
Enregistrement W4413275837 · doi:10.1038/s41612-025-01191-w

Contrasting historical trends of atmospheric rivers in the Northern Hemisphere

2025· article· en· W4413275837 sur OpenAlexaff
Mengxin Pan, Shineng Hu, Benjamin F. Zaitchik, William Pan

Notice bibliographique

Revuenpj Climate and Atmospheric Science · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensSimon Fraser University
Organismes subventionnairesClimate Program OfficeBiological and Environmental ResearchNational Oceanic and Atmospheric AdministrationNuclear Safety and Security CommissionNational Institutes of HealthOffice of ScienceMinistry of Education, Culture, Sports, Science and TechnologyNational Aeronautics and Space AdministrationU.S. Department of Energy
Mots-clésNorthern HemisphereClimatologyPhysical geographyGeographySouthern HemisphereEnvironmental scienceHistoryGeology

Résumé

récupéré en direct d'OpenAlex

Previous modeling studies have indicated that Atmospheric rivers (ARs) will become more frequent in the warming climate. However, whether we have experienced more ARs during historical period is less studied. Here, we show that winter AR frequency has significantly increased over the mid-latitude Northern Hemisphere from 1950-2022. Using station-based observations, we confirm that ARs have driven coherent long-term trends in both total and extreme precipitation over land. The warming-induced rise in atmospheric moisture alone accounts for an AR frequency increase of ~0.6-0.8% per decade. AR trends exhibit meridional dipolar patterns over western North America and Europe, governed by positive trends of the Pacific-North America Pattern and North Atlantic Oscillation. The "Pineapple Express" ARs have been suppressed, declining of AR landfalling over the Pacific Northwest. Through atmospheric model analyses, we demonstrate that observed sea surface temperature changes dominate Atlantic AR trends, while exerting minor effects on Pacific AR trends.

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 enseignants0,147
Score d'incertitude au seuil0,445

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuenpj Climate and Atmospheric ScienceMême sujetClimate variability and modelsTravaux en français237 207