Synoptic-dynamic and thermodynamic mechanisms supporting long-duration freezing rain events over North America
Bibliographic record
Abstract
La pluie verglaçante est un phénomène météorologique hivernal, à la fois dangereux et difficile à prévoir. Cette difficulté provient du fait que l’occurrence de la pluie verglaçante nécessite la présence d’un intervalle de température étroit, composé d’air chaud en hauteur et d’air froid à la surface. Cette stratification persiste rarement pour une longue période, c’est pourquoi la plupart des épisodes de pluie verglaçante sont que de courte durée. En revanche, les épisodes les plus sévères sont ceux qui persistent le plus longtemps. Afin de mieux comprendre les conditions qui mènent à ces épisodes persistants rares, nous développons une base de données des observations d’épisodes de pluie verglaçante provenant de 579 stations de surface aux États-Unis et au Canada de 1979 à 2016. Nous identifions ensuite les épisodes de longue durée (LD), soit ceux dont la durée est d’au moins six heures. Nous nous concentrons sur trois régions d’intérêt identifiées à partir de la climatologie de ces épisodes, soient : 1) le nord-est des États-Unis et le sud-est du Canada (NEUS/SECA) où les épisodes LD sont les plus fréquents; 2) le sud-est des États-Unis (SEUS) où une majorité des épisodes à plusieurs stations sont de longue durée et 3) le centre-sud des États-Unis (SCUS) où un nombre disproportionné d’épisodes de durée extrêmement longue (ELD, soit ceux qui persistent au moins 18 heures) a été observé par rapport au nombre d’épisodes de pluie verglaçante rapportés dans cette région. Dans chacune de ces régions, nous examinons l’évolution thermodynamique des épisodes LD à partir des observations de surface et de radiosondes et identifions les conditions qui distinguent les épisodes LD des épisodes moins sévères de courte durée (SD, 2 à 4 heures). Dans la NEUS/SECA, les épisodes de pluie verglaçante sont généralement précédés par un profil thermodynamique froid, et les épisodes LD, comparativement aux épisodes SD, débutent avec des températures plus froides à la surface et dans la couche d’air froid. Ceci permet une plus longue période de réchauffement avant d’atteindre 0°C. L’évolution des épisodes est semblable dans la SEUS, mais dans cette région nous constatons aussi que la couche d’air froid est moins saturée au début des épisodes LD que lors des épisodes SD, permettant une période plus soutenue de refroidissement évaporatif. Dans la SCUS, l’évolution typique d’un épisode diffère grandement de celle des autres régions, et les épisodes LD débutent avec des couches d’air chaud plus profondes et plus chaudes, et avec un profil atmosphérique plus saturé, que les épisodes SD.Ces différences thermodynamiques suggèrent aussi des variations dans les structures synoptiques-dynamiques associées à ces deux types d’épisodes. Nous examinons ces variations dans la SCUS par le biais d’une comparaison des composites synoptiques-dynamiques et des trajectoires entre les épisodes SD et ELD. Les épisodes ELD, comparativement aux épisodes SD, sont associés à un creux d’onde longue plus profond et moins progressif centré sur l’ouest des États-Unis. Ceci maintient les vents du sud et l’advection de l’air chaud et humide en provenance du golfe du Mexique vers la couche d’air chaud. Les épisodes SD sont associés à un creux plus progressif qui traverse la SCUS rapidement. À la suite du passage du creux, l’advection de l’air froid et le forçage quasigéostrophique provocant des mouvements descendants détruisent rapidement la couche d’air chaud et mettent fin aux précipitations. Les trajectoires qui se terminent dans la couche d’air froid démontrent peu de différences entre les deux catégories d’épisodes. Par contre, les trajectoires qui se terminent dans la couche d’air chaud pour les épisodes ELD restent plus longtemps au-dessus du golfe du Mexique ce qui les réchauffe davantage et augmente leur niveau de saturation
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".