Enso effects on land surface-biosphere-atmosphere interactions: A global study from satellite remote sensing and NCEP/NCAR reanalysis data
Notice bibliographique
Résumé
Two mechanisms are examined to reveal the impact of El Niño-Southern Oscillation (ENSO) on land surface, biosphere, and atmosphere interactions. One mechanism is large-scale dynamics--namely, changes in circulation patterns and the jet stream. Another mechanism is local land cover effects, in particular, vegetation and skin temperature. Non-lag and lag correlation coefficients between Niño 3 indices derived from sea-surface temperature (SST) anomalies and land surface variables from satellite based moderate resolution imaging spectroradiometer (MODIS) data, as well as National Center for Environmental Prediction/National Center for Atmospheric Research (NCEP/NCAR) Reanalysis data are analyzed for 2001-2010.\nStrong positive correlations between January Niño 3 indices and both air temperature (Tair) skin temperature (Tskin) occur over the northwest United States, western Canada, and southern Alaska, suggesting that an El Niño event is associated with warmer winter temperatures over these regions, consistent with previous studies. In addition, strong negative correlations exist over central and northern Europe in January, meaning colder than normal winters, with positive correlations over central Siberia meaning warmer than normal winters.\nDespite the different physical meanings between Tair and Tskin, the general response to ENSO is the same. Furthermore, satellite observations of Tskin provide more rich information and higher spatial resolution than NCEP/NCAR Reanalysis data.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 tête enseignante, 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 ».