MétaCan
Menu
← Retour à la cohorte
Enregistrement W7105660170 · doi:10.24400/527896/a03-2025.4018

Convection within atmospheric storms organized by ocean submesoscale fronts

2025· article· W7105660170 sur OpenAlexaff

Notice bibliographique

RevueOpen MIND · 2025
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensSemtech (Canada)
Organismes subventionnairesnon disponible
Mots-clésMesoscale meteorologyConvectionDiabaticStormBoundary currentExtratropical cycloneSea surface temperatureCold frontMoistureAtmospheric convection

Résumé

récupéré en direct d'OpenAlex

The dynamics of mid-latitude storms are driven by moisture processes, convection, and associated precipitation. Over the past two decades, studies have emphasized the role of western boundary currents in the ocean, such as the Gulf Stream and the Kuroshio Extension, in providing moisture to the atmosphere, thereby intensifying convective activity (e.g., clouds and rain) and storms intensity. While the influence of oceanic mesoscale (~200 km-size) and larger scales on storm tracks is relatively understood, the impact of oceanic submesoscale fronts (~10-20 km-size), characterized by strong sea surface temperature gradients of 5°C per 10 km, remains unknown. Using a global coupled ocean-atmosphere simulation at a km-scale resolution, we show that half of latent heat flux variability at the air-sea interface is driven by oceanic motions at the mesoscale (~40%) and submesoscale (~10-20 km-size, <10%) in the Kuroshio Extension during winter. The analysis further demonstrates that ocean submesoscale fronts drive a secondary circulation, extending above the planetary boundary layer up to 4 km within the troposphere, which enhances diabatic processes and convective precipitations within storms. In the warm sector of storms, ocean submesoscale fronts locally account for half of the total diabatic heating and half of the total precipitations, averaging 14 mm/day over five days. In contrast, diabatic heating and precipitations associated with submesoscale fronts are respectively three and twelve times smaller in the cold sector. As such, ocean submesoscale fronts pump moisture from the ocean to the atmosphere and have the potential to affect storms intensification. Overall, these results suggest that SWOT can identify the influence of ocean fine-scales on weather systems by measuring air-sea exchanges down to the submesoscales. Reference: Vivant, F., Siegelman, L., Klein, P., Torres, H. S., Menemenlis, D., & Molod, A. M. (2025). Ocean submesoscale fronts induce diabatic heating and convective precipitation within storms. Communications Earth & Environment, 6(1), 69. https://doi.org/10.1038/s43247-025-02002-z

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,015
Tête enseignante GPT0,257
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetClimate variability and models→Travaux en français237 207→