Mehr

12.5: Frontogenese - Geowissenschaften

12.5: Frontogenese - Geowissenschaften


Fronten werden durch die schnelle Änderung der Oberflächentemperatur über die Frontalzone erkannt. Normalerweise wird die potentielle Temperatur anstelle der Temperatur verwendet, um das Problem zu vereinfachen, wenn vertikale Bewegungen auftreten können.

Physikalische Prozesse, die dazu neigen, den Potential-Temperatur-Gradienten zu erhöhen, heißen frontogenetisch — buchstäblich bewirken sie die Geburt oder Stärkung der Front. Frontogenese kann durch kinematische, thermodynamische und dynamische Prozesse verursacht werden.

INFO • Die Polarfront

Aufgrund der Corioliskraft kann sich kalte arktische Luft nicht weit von den Polen ausbreiten, was auf der Winterhalbkugel eine quasi-permanente Frontalgrenze verursacht. Das nennt man Polarfront.

Es hat eine wellenförmige unregelmäßige Form, wobei einige Segmente als Kaltfronten vorrücken, andere Segmente als Warmfronten zurücktreten, einige stationär sind und andere schwach sind und Lücken in der Front verursachen.

Kinematik bezieht sich auf Bewegung oder Advektion, ohne Rücksicht auf treibende Kräfte. Diese Klasse von Prozessen kann keine Potential-Temperatur-Gradienten erzeugen, aber sie kann bestehende Gradienten verstärken oder abschwächen.

Aus früheren Kapiteln haben wir gesehen, dass Strahlungserwärmung Nord-Süd-Temperaturgradienten zwischen dem Äquator und den Polen verursacht. Außerdem führt die allgemeine Zirkulation dazu, dass sich der Jetstream mäandert, was vorübergehende Ost-West-Temperaturgradienten entlang von Trögen und Kämmen erzeugt. Die Standardatmosphäre hat auch einen vertikalen Gradienten der potentiellen Temperatur in der Troposphäre (θ steigt mit z). Daher ist davon auszugehen, dass häufig Temperaturgradienten existieren, die während der kinematischen Frontogenese verstärkt werden könnten.

Um die kinematische Frontogenese zu veranschaulichen, betrachten wir ein anfängliches Potential-Temperatur-Feld mit gleichmäßigen Gradienten in x-, y- und z-Richtung, wie in Abb. 12.21 skizziert. Die Steigungen haben die folgenden Vorzeichen (für dieses spezielle Beispiel):

( egin{align} frac{Updelta heta}{Updelta x}=+quad frac{Updelta heta}{Updelta y}=-quadfrac{Updelta heta} {Delta z}=+ ag{12.8}end{ausrichten})

Die potentielle Temperatur nimmt nämlich nach Osten zu, nach Norden hin ab und nach oben zu. In diesem Bild gibt es zunächst keine Fronten.

Wir werden die Teilmenge der Advektionen untersuchen, die dazu neigt, eine Nord-Süd ausgerichtete Kaltfront zu erzeugen. Definieren Sie die Stärke der Front als Potential-Temperatur-Gradient über die Front:

( egin{align} ext{Frontal Strength} =F S=frac{Updelta heta}{Updelta x} ag{12.9}end{align})

Die zeitliche Änderung der Frontalstärke durch Advektion wird durch die kinematische Frontogenesegleichung gegeben:

(frac{Updelta(FS)}{Updelta t}=-left(frac{Updelta heta}{Updelta x} ight) cdotleft(frac{Updelta U}{ Updelta x} ight)-left(frac{Updelta heta}{Updelta y} ight) cdotleft(frac{Updelta V}{Updelta x} ight)-left (frac{Updelta heta}{Updelta z} ight) cdotleft(frac{Updelta W}{Updelta x} ight))

12.5.1.1. Zusammenfluss

Angenommen, es weht ein starker Westwind U von Westen her, aber ein schwächerer Westwind weht von Osten (Abb. 12.22 oben). Die Luft aus dem Westen holt nämlich fast die Luft aus dem Osten ein.

Für diese Situation ist ∆U/∆x negativ und ∆θ/∆x ist positiv in Gl. (12.10). Daher tendiert das Produkt dieser beiden Terme, wenn es mit dem negativen Vorzeichen des Konfluenzterms multipliziert wird, dazu, die Front zu verstärken [∆(FS)/∆t ist positiv]. Im schattierten Bereich von Abb. 12.22 sind die Isentropen dichter gepackt; es ist nämlich eine frontale Zone geworden.

12.5.1.2. Scheren

Angenommen, der Wind aus Süden ist auf der Ostseite des Gebiets stärker als auf der Westseite (Abb. 12.23 oben). Dies ist eine Art von Windscherung. Da die Isentropen im Osten schneller nach Norden advetieren als die im Westen, wird der Potential-Temperatur-Gradient dazwischen verstärkt, wodurch eine Frontalzone entsteht.

Während die Scherung ∆V/∆x positiv ist, ist der Temperaturgradient nach Norden ∆θ/y negativ. Somit ist das Produkt positiv, wenn das negative Vorzeichen des Scherterms enthalten ist. Für diesen Fall tritt eine frontale Verstärkung auf [∆(FS)/∆t ist positiv].

12.5.1.3. Kippen

Wenn Aufwinde auf der kalten Seite der Domäne stärker sind als auf der warmen Seite, dann ist die vertikale Potentialtemperatur Gradient wird in die Horizontale gekippt. Das Ergebnis ist eine verstärkte Frontalzone (Abb. 12.24).

Der horizontale Gradient der Aufwindgeschwindigkeit ist in diesem Beispiel negativ (∆W/∆x = – ), während der vertikale Potential-Temperatur-Gradient positiv ist (∆θ/∆z = + ). Multipliziert mit dem negativen Vorzeichen des Kippterms ergibt das Produkt in diesem Fall einen positiven Beitrag zur Verstärkung der Front [∆(FS)/∆t = + ].

Während dieses Beispiel erfunden wurde, um die frontale Verstärkung zu veranschaulichen, für die meisten realen Fronten verursacht der Kippterm eine Schwächung. Eine solche Frontolyse ist in der Nähe der Oberfläche am schwächsten, da die vertikalen Bewegungen dort geringer sind (der Wind kann nicht durch den Boden blasen).

Das Kippen ist wichtig und manchmal dominant für Fronten der oberen Ebene, wie später beschrieben wird.

12.5.1.4. Verformung

Die vorherigen Abbildungen zeigten idealisierte kinematische Szenarien. In realen Fronten ist das Strömungsfeld oft eine komplexere Kombination von Szenarien. Abb. 12.25 zeigt beispielsweise a Verformung (Formänderung) Strömungsfeld in der Kaltluft, mit Zusammenfluss ( → ← horizontal zusammenkommend) der Luft senkrecht nach vorne, und diffus ( ← → horizontale Luftausbreitung) parallel zur Front.

In einem solchen Strömungsfeld beeinflussen sowohl Konvergenz als auch Scherung den Temperaturgradienten. Betrachten Sie zum Beispiel die beiden identischen Deformationsfelder in den Abb. 12.26a & b, wobei der einzige Unterschied der Winkel der Isentropen in einer Frontalzone relativ zum ist Dilatationsachse (die Linie, auf die Konfluenz zeigt und entlang der sich Diffluenz ausbreitet).

Bei Anfangswinkeln unter 45° (Abb. 12.26a & a’) werden die Isentropen enger zusammengeschoben (Frontogenese) und zu einem flacheren Winkel geneigt. Bei anfänglichen Winkeln von mehr als 45° werden die Isentropen weiter auseinander gespreizt (Frontolyse) und zu einem flacheren Winkel geneigt. Wenn wir diese Informationen verwenden, um Abb. 12.25 zu analysieren, wo die Isentropen mehr oder weniger parallel zur Frontalzone sind (d. h. Anfangswinkel << 45°), würden wir erwarten, dass dieses Strömungsfeld Frontogenese verursacht.

Beispielanwendung

Gegeben eine Anfangsumgebung mit ∆θ/∆x = 0,01°C km–1, ∆θ/∆y = –0,01°C km–1, und ∆θ/∆z = 3,3°C km–1. Angenommen, U/∆x = – 0,05 (m/s) km–1, ∆V/∆x = 0,05 (m/s) km–1, und ∆W/∆x = 0,02 (cm/s) km–1. Finden Sie die kinematische Frontogeneserate.

Finde die Antwort

Gegeben: (siehe oben)

Gesucht: ∆(FS)/∆t = ? °C·km–1·Tag–1

Verwenden Sie Gl. (12.10):

(egin{ausgerichtet} frac{Updelta(FS)}{Updelta t}=&-left(0.01frac{^{circ}mathrm{C}}{mathrm{km}} rechts) cdotleft(-0,05 frac{mathrm{m} / mathrm{s}}{mathrm{km}} ight)-left(-0,01 frac{^{circ} mathrm {C}}{mathrm{km}} ight)cdot left(0,05 frac{mathrm{m} / mathrm{s}}{mathrm{km}} ight)-left(3,3 frac{^{circ} mathrm{C}}{mathrm{km}} ight) cdotleft(0,0002 frac{mathrm{m} / mathrm{s}}{mathrm{km }} echts) end{ausgerichtet})

= +0,0005 + 0,0005 – 0,00066 °C·m·s–1·km–2

= +0,029 °C·km–1·Tag–1

Prüfen: Einheiten in Ordnung. Physik in Ordnung.

Exposition: Frontale Stärke ∆θ/∆x hat sich an einem Tag fast verdreifacht und stieg von 0,01 auf 0,029 °C km–1.

INFO • Zusammenfluss und Diffluence

Betrachten Sie zwei benachbarte Luftströme, die sich beide in fast der gleichen vorherrschenden Windrichtung bewegen. Confluence ist, wenn diese beiden Ströme näher zusammenrücken. Difference ist, wenn sich die Ströme weiter auseinander bewegen. Zusammenfluss/Diffluenz ist analog zu Strömen von Autos, die sich vermischen, wenn sie eine Schnellstraße oder Autobahn betreten/ausfahren. Bei konfluenter Strömung konvergiert Luft in einer Richtung senkrecht zur vorherrschenden Strömungsrichtung. Divergenz und Divergenz hängen in ähnlicher Weise zusammen.

Die vorherigen kinematischen Beispiele zeigten adiabatisch Advektion (potenzielle Temperatur wurde erhalten, während sie mit dem Wind geblasen wurde). Jedoch, diabatisch (nicht-adiabatische) thermodynamische Prozesse können die Luft auf beiden Seiten der Domäne unterschiedlich schnell erwärmen oder abkühlen. Diese Prozesse umfassen Strahlungserwärmung/-kühlung, Wärmeleitung von der Oberfläche, turbulente Mischung über die Front und die Freisetzung/Absorption latenter Wärme in Verbindung mit Phasenänderungen von Wasser in Wolken.

Definieren Sie die diabatische Erwärmungsrate (DW) als:

( egin{align} ext{Diabatic Warming Rate} =D W=frac{Updelta oldsymbol{ heta}}{Updelta t} ag{12.11}end{align})

Wenn die diabatische Erwärmung auf der warmen Seite der Front größer ist als auf der kalten Seite, wird die Front verstärkt:

( egin{align} frac{Updelta(F S)}{Updelta t}=frac{Updelta(DW)}{Updelta x} ag{12.12}end{align})

An den meisten realen Fronten, turbulentes Mischen zwischen warmer und kalter Seite schwächt die Front (d.h. verursacht Frontolyse). Leitung von der Oberfläche trägt auch zur Frontolyse bei. Beispielsweise bläst die kalte Luft hinter einer Kaltfront über eine normalerweise wärmere Oberfläche, was die Kaltluft erwärmt (d. h. Luftmassenmodifikation) und den Temperaturkontrast über die Front verringert. In ähnlicher Weise wird die warme Luft hinter Warmfronten normalerweise über kühlere Oberflächen advektiviert.

Sowohl über Warm- als auch über Kaltfronten wird die warme Luft oft gezwungen, aufzusteigen. Diese aufsteigende Luft kann verursachen Kondensation und Wolkenbildung, die Fronten verstärken, indem sie die bereits warme Luft erwärmen.

Strahlungs Die Abkühlung von den Spitzen der Stratuswolken verringert die Temperatur auf der warmen Seite der Front und trägt zur Frontolyse von Warmfronten bei. Strahlungskühlung von den Spitzen postkalter frontaler Stratocumuluswolken kann die Front verstärken, indem sie die bereits kalte Luft kühlt.

Beispielanwendung

Ein Gewitter auf der warmen Seite einer 200 km breiten Front regnet mit 2 mm h–1. Finden Sie die Frontogenese-Rate.

Finde die Antwort

Gegeben: RR = 0 bei x = 0 und RR = 2 mm h–1 bei x = 200 km

Gesucht: ∆(FS)/∆t = ? °C·km–1·Tag–1

Aus dem Kapitel Hitze:

∆θ/∆t = (0,33 °C mm–1)·RR = 0,66°C h–1.

Kombiniere Gl. (12.11) & (12.12): ∆(FS)/∆t = ∆(∆θ/∆t)/∆x

∆(FS)/∆t = [(0,66°C h–1)·(24 h Tag–1) – 0] / [200 km – 0] = (15,84 °C Tag .)–1)/(200km) = 0,079 °C·km–1·Tag–1

Prüfen: Einheiten in Ordnung. Physik in Ordnung. Größe gut.

Exposition: Dieser positive Wert weist auf thermodynamische Frontogenese hin.

Kinematik und Thermodynamik reichen nicht aus, um die beobachtete Frontogenese zu erklären. Während die kinematische Frontogenese eine Verdoppelung oder Verdreifachung der Frontalkraft an einem Tag ergibt (siehe vorherige Beispielanwendungen), zeigen Beobachtungen, dass die Frontalkraft während eines Tages um den Faktor 15 zunehmen kann. Dynamik kann diese schnelle Stärkung bewirken.

Da die Fronten lang und schmal sind, gehen wir davon aus, dass die Strömung entlang der Front zur Geostrophie tendiert, während die Strömungen über die Front zur Ageostrophie führen könnten. Wir können dies antizipieren, indem wir die Rossby-Nummer (siehe INFO-Box im Kapitel Kräfte & Winde). Fronten können eine Länge von 1000 km haben, aber eine Breite von 100 km. Somit hat die Rossby-Zahl für die Strömung entlang der Front die Ordnung Ro = 0,1. Aber die Rossby-Zahl quer zur Front hat die Größenordnung Ro = 1. Denken Sie daran, dass Flüsse zur Geostrophie tendieren, wenn Ro < 1. Somit wird quer zur Front eine ageostrophische Dynamik erwartet, wie im Folgenden dargestellt wird.

Stellen Sie sich einen Anfangszustand im geostrophischen Gleichgewicht mit Winden parallel zur Front vor, wie in Abb. 12.27 skizziert. Diese Abbildung zeigt eine besondere Situation, in der Druckgradienten und geostrophische Winde nur in der Mitte zwischen der linken und rechten Seite existieren. Null Gefälle und Winde sind auf der linken und rechten Seite. In der Mitte dieses Diagramms befindet sich eine frontale Zone.

Angenommen, ein äußerer Antrieb, wie z. B. ein kinematischer Zusammenfluss aufgrund einer vorbeiziehenden Rossby-Welle, bewirkt eine geringfügige Verstärkung der Front, wie in Abb. 12.28a skizziert. Nicht nur der Potential-Temperatur-Gradient verengt sich, sondern der Druckgradient nimmt auch aufgrund der hypsometrischen Beziehung zu.

Der erhöhte Druckgradient impliziert einen anderen, erhöhten geostrophisch Wind. Doch zunächst ist die tatsächlich Winde sind aufgrund der Trägheit langsamer, mit einer Größe gleich der ursprünglichen geostrophischen Geschwindigkeit.

Während sich die tatsächlichen Winde auf den neuen geostrophischen Wert einstellen, wenden sie sich aufgrund des Ungleichgewichts zwischen Druckgradient und Corioliskräften vorübergehend von der geostrophischen Richtung ab (Abb. 12.29). Während dieses Übergangszustandes (b) gibt es eine Windkomponente in x-Richtung (Abb. 12.28b). Das nennt man Ageostrophe Strömung, da in x-Richtung kein geostrophischer Wind weht.

Da die Masse erhalten bleibt, verursachen horizontale Konvergenz und Divergenz der U-Komponente des Windes vertikale Zirkulationen. Dies sind thermisch direkte Umwälzungen, bei denen kalte Luft absinkt und warme Luft aufsteigt und sich über die kältere Luft bewegt. Das Ergebnis ist eine vorübergehende Querfront, oder Querzirkulation genannt Sawyer-Eliassen-Umlauf. Der Aufwindanteil der Zirkulation kann Konvektion antreiben und Niederschlag verursachen.

Die Winde erreichen schließlich ihren neuen Gleichgewichtswert gleich dem geostrophischen Wind. In diesem Endzustand gibt es keine ageostrophischen Winde und keine querfrontale Zirkulation. Während der vorhergehenden Übergangsphase verursachte jedoch die ageostrophische quer-frontale Zirkulation eine zusätzliche dynamische Konfluenz in der Nähe der Oberfläche, die zur ursprünglichen kinematischen Konfluenz zur Verstärkung der Oberflächenfront hinzukommt. Auch die Querzirkulation kippt nach vorne (Abb. 12.28c).

Zusammenfassend bläst ein großer und relativ stetiger geostrophischer Wind parallel zur Front (Abb. 12.27). Eine schwache, vorübergehende, querfrontale Zirkulation kann überlagert sein (Abb. Diese beiden Faktoren sind auch für obere troposphärische Fronten wichtig, wie später beschrieben wird.


12.5: Frontogenese - Geowissenschaften

Alle von MDPI veröffentlichten Artikel werden sofort weltweit unter einer Open-Access-Lizenz verfügbar gemacht. Für die Wiederverwendung des gesamten oder eines Teils des von MDPI veröffentlichten Artikels, einschließlich Abbildungen und Tabellen, ist keine besondere Genehmigung erforderlich. Bei Artikeln, die unter einer Open-Access-Creative Common CC BY-Lizenz veröffentlicht wurden, darf jeder Teil des Artikels ohne Genehmigung wiederverwendet werden, sofern der Originalartikel eindeutig zitiert wird.

Feature Papers stellen die fortschrittlichste Forschung mit erheblichem Potenzial für eine große Wirkung auf diesem Gebiet dar. Feature Papers werden auf individuelle Einladung oder Empfehlung der wissenschaftlichen Herausgeber eingereicht und vor der Veröffentlichung einem Peer Review unterzogen.

Das Feature Paper kann entweder ein origineller Forschungsartikel, eine umfangreiche neue Forschungsstudie sein, die oft mehrere Techniken oder Ansätze umfasst, oder ein umfassendes Übersichtspapier mit prägnanten und präzisen Updates zu den neuesten Fortschritten auf diesem Gebiet, das die aufregendsten Fortschritte in der Wissenschaft systematisch überprüft Literatur. Diese Art von Papier gibt einen Ausblick auf zukünftige Forschungsrichtungen oder mögliche Anwendungen.

Editor’s Choice-Artikel basieren auf Empfehlungen der wissenschaftlichen Herausgeber von MDPI-Zeitschriften aus der ganzen Welt. Die Herausgeber wählen eine kleine Anzahl von kürzlich in der Zeitschrift veröffentlichten Artikeln aus, die ihrer Meinung nach für Autoren besonders interessant oder in diesem Bereich wichtig sind. Ziel ist es, eine Momentaufnahme einiger der spannendsten Arbeiten zu geben, die in den verschiedenen Forschungsbereichen der Zeitschrift veröffentlicht wurden.


Hauptmerkmale

  • Bietet klare physikalische Erklärungen der wichtigsten dynamischen Prinzipien
  • Enthält eine Fülle von Illustrationen zur Erläuterung von Text und Gleichungen sowie Probleme am Ende des Kapitels
  • Holton ist einer der führenden Experten in der zeitgenössischen Meteorologie und bekannt für seinen klaren Schreibstil
  • Lehrerhandbuch für Benutzer verfügbar
  • Eine begleitende Website mit MATLAB®-Übungen und -Demonstrationen
  • Aktualisierte Behandlungen zu Klimadynamik, tropischer Meteorologie, Dynamik der mittleren Atmosphäre und numerischer Vorhersage

Datenverfügbarkeit

Die Meeressäugerdaten wurden vom International MEOP Consortium und den nationalen Programmen, die dazu beitragen, gesammelt und frei zugänglich gemacht und sind unter www.meop.net/database/meop-databases/meop-sms-database-submesosc.html verfügbar. Die Höhenmesserprodukte von Ssalto/Duacs wurden vom Copernicus Marine and Environment Monitoring Service mit Unterstützung von CNES hergestellt und vertrieben und sind unter http://marine.copernicus.eu/services-portfolio/access-to-products/ verfügbar.


Blair Schöne, Studiengangsleiterin
Berater: Stephan Fueglistaler, John Higgins, Jeroen Tromp und Gabriel Vecchi

Frederik Simons, Stuhl
Bess Ward und John A. Higgins

Eunah Han und Elena Watts, Studierendenvertretungen
Yuri Tamama und Wesley Wiggins, Studierendenvertretungen der Bachelor-Studiengänge


Geographische Informationssysteme (GIS) Option: 12 Stunden

GR 4303 GIS-Prinzipien
(Voraussetzung: Junior oder Graduate oder Einverständnis des Dozenten) Zwei Stunden Vorlesung und zwei Stunden Labor. Räumliche Analyse und topologische Beziehungen geographischer Daten mit Geographischen Informationssystemen, mit Schwerpunkt auf GIS-Theorie.

GR 4313 Erweitertes GIS
(Voraussetzung: GR 4303/6303 oder Einverständnis des Ausbilders) Zweistündiger Vortrag. Zwei Stunden Labor. Vektorbasierte Dateistruktur und GIS-Abfragen unter Verwendung von Geodatabase-Attributen. Deskriptive und präskriptive Modellierung im Rasterbereich, einschließlich Regression und linear gewichteter Modellierung.

GR 4333 Fernerkundung
(Voraussetzung: GR 3303, GR 3311 oder Einverständnis des Ausbilders) Zweistündiger Vortrag. Zwei Stunden Labor. Untersucht Fernerkundungsmethoden, die auf großflächige Analysen von Entwässerungssystemen auf Wassereinzugsebene, Stadtlandschaft, Landschaftsvegetation, physikalischen Landschaftsstrukturkomponenten und atmosphärischen Merkmalen anwendbar sind.

GR 4343 Fortgeschrittene Fernerkundung in den Geowissenschaften
(Voraussetzung: Entweder GR 4333/6333, ECE 4423/6423, oder FO 4452/6452 oder Einverständnis des Ausbilders) Zweistündiger Vortrag. Zwei Stunden Labor. Georäumliche Bildanalyse Theoretische Grundlagen des Strahlungstransports in Atmosphäre und Wassersäule Quantitative Fernerkundungstechniken und raumbezogene Produktentwicklung.

GR 4353 Geodatabase Design
(Voraussetzung: GR 4303/6303 oder Einverständnis des Ausbilders) Drei Stunden Vortrag. Untersuchung von Geodatabase-Strukturen. Integration relationaler Datenbanken mit geografischen Informationssystemen. Verwaltung von Geodaten mithilfe von Geodatabases. Implementierung von Geodatabase-Prozessen durch räumliche Programmierung.

GR 4363 GIS-Programmierung
(Voraussetzung: GR 4303/6303 oder Einverständnis des Ausbilders) Zweistündiger Vortrag. Zwei Stunden Labor. Entwurf und Implementierung von Geoverarbeitungsskripten. Einbindung von Modellierungssprachen in die Analyse geographischer Informationssysteme (GIS). Nahtlose Integration anderer Softwareprogramme mit GIS-Software.


Geowissenschaften

14. Dezember 2011 - Herr Speaker, der Bergbau-, Öl- und Gassektor ist buchstäblich das Fundament der Wirtschaft der Nordwest-Territorien. Diese Branchen verlassen sich auf moderne, zugängliche geowissenschaftliche Informationen, um Investitions- und Landnutzungsentscheidungen zu treffen. Das Ministerium für Industrie, Tourismus und Investitionen arbeitet mit dem Bundesministerium für Aborigine-Angelegenheiten und nördliche Entwicklung zusammen, um geowissenschaftliche Programme für die Nordwest-Territorien bereitzustellen.

Diese Partnerschaft – bekannt als Northwest Territories Geoscience Office oder NTGO – versorgt Industrie, Regierung, Aborigine-Organisationen und viele andere Interessengruppen mit aktuellen, leicht zugänglichen geowissenschaftlichen Informationen. Diese Informationen sind der Schlüssel zur Förderung von Investitionen in die Mineralien- und Erdölexploration.

Herr Speaker, im November dieses Jahres kündigte Ministerin Leona Aglukkaq von der Canadian Northern Economic Development Agency weitere 3,275 Millionen an Finanzmitteln an, um weitere geowissenschaftliche Forschungen im NWT zu unterstützen. Zusammen mit einer Sachleistung der Regierung der Nordwest-Territorien in Höhe von 1,1 Millionen US-Dollar sowie Beiträgen des privaten Sektors beläuft sich diese Investition über drei Jahre auf über 5 Millionen US-Dollar. Zuverlässige geowissenschaftliche Daten sind von entscheidender Bedeutung, um die Exploration in Gebieten mit hohem Ressourcenpotenzial zu fördern, was wiederum zur Nachhaltigkeit der NWT-Bergbauindustrie beiträgt.

Bedeutende Entdeckungen regen oft zu zusätzlichen Investitionen des privaten Sektors an. Es wird geschätzt, dass für jeden Dollar, der in staatlich finanzierte Geowissenschaften in der NWT investiert wird, wiederum fünf Dollar von Mineralexplorationsunternehmen ausgegeben werden. In diesem Jahr belaufen sich die Gesamtinvestitionen von NTGO in Geowissenschaften auf 2,5 Millionen US-Dollar.

Dies sollte zu Investitionen von ca. 12,5 Millionen US-Dollar durch Mineral- und Erdölexplorationsunternehmen in den NWT durch Aktivitäten wie Prospektionen, Diamantbohrungen und seismische Untersuchungen führen. Zusätzlich zu den Investitionsgeldern tragen diese Unternehmen weiter zu unserer Wirtschaft bei, indem sie Anwohner beschäftigen und Waren und Dienstleistungen von lokalen NWT-Unternehmen kaufen.

Ich habe vor kurzem das Yellowknife Geoscience Forum besucht und die harte Arbeit und das Engagement der Wissenschaftler des Geoscience Office aus erster Hand gesehen. Ihre Forschung zählt zu den besten der Welt.

Die NWT und Nunavut Chamber of Mines und NTGO veranstalten gemeinsam das Geoscience Forum, das in diesem Jahr fast 800 Delegierte hatte – die größte Konferenz im Norden. Dies ist nicht nur die Plattform für Experten, um geowissenschaftliche Forschungen und bewährte Verfahren bei der Mineralexploration auszutauschen, sondern ist auch ein großer Segen für unsere Wirtschaft. Die Delegierten übernachten in unseren Hotels, essen in unseren Restaurants und fliegen mit unseren Fluggesellschaften.

Die NWT und Nunavut Chamber of Mines und die Mitarbeiter der NTGO werden für ihre gute Arbeit gelobt – dieses und jedes Jahr.

Zur richtigen Zeit werde ich heute den Fünfjahres-NTGO-Strategieplan vorlegen. Ein wichtiger Schwerpunkt des Strategieplans ist die Zusammenarbeit mit Gemeinden, um Initiativen zu unterstützen, darunter die Entwicklung lokaler Energiequellen, sowie die Unterstützung lokaler Geschäftsmöglichkeiten mit Schnitzstein, Kalkstein und Quarzsand.

Herr Sprecher, die NTGO wird auch oft gebeten, unvoreingenommene wissenschaftliche Ratschläge zu komplexen oder strittigen Themen zu erteilen. Ihre Rolle besteht darin, unabhängige geowissenschaftliche Informationen bereitzustellen, die für die Unterstützung von Regierungen und Gemeinden von entscheidender Bedeutung sind, um fundierte Entscheidungen für die Planung, den Bau und die Wartung kritischer nördlicher Infrastrukturen zu treffen.

Ein Verständnis des Mineralien- und Erdölpotenzials ist bei der Standortbestimmung von Verkehrsinfrastrukturen unerlässlich. Industrie, Tourismus und Investitionen werden auch eng mit anderen GNWT-Abteilungen und Interessenvertretern des Nordens zusammenarbeiten, um Permafrostprobleme und andere Infrastrukturprobleme im Zusammenhang mit dem Klimawandel im Norden besser zu verstehen.

Herr Speaker, Investitionen in die geowissenschaftliche Forschung von heute unterstützen die zukünftige wirtschaftliche Entwicklung von morgen, indem sie Investitionen in unser Gebiet anziehen und Spin-off-Explorationsprojekte schaffen, die den Einwohnern von NWT Beschäftigungs- und Geschäftsmöglichkeiten bieten.

Die Arbeit des NWT Geoscience Office ist für die wachsende Mineralexploration in unserem Gebiet von entscheidender Bedeutung. Durch die verantwortungsvolle Entwicklung der natürlichen Ressourcen in der NWT werden wir weiterhin auf das Ziel unserer Regierung hinarbeiten, eine diversifizierte Wirtschaft zu schaffen, die allen Gemeinden und Regionen Chancen bietet, die unseren Einwohnern zugutekommen.


Verweise

Adcroft, A., R. Hallberg, J. P. Dunne, B. L. Samuels, J. A. Galt, C. H. Barker und D. Payton. 2010. Simulationen von Unterwasserfahnen von gelöstem Öl im Golf von Mexiko. Geophysikalische Forschungsbriefe 37. DOI: 10.1029/2010gl044689.

Ades, M. und P.J. van Leeuwen. 2015. Der äquivalente Partikelfilter in einem hochdimensionalen System. Quarterly Journal of the Royal Meteorological Society 141(687):484-503. DOI: 10.1002/Qj.2370.

Ajayamohan, R.S., S.A. Rao, J.J. Luo und T. Yamagata. 2009. Einfluss des Dipols im Indischen Ozean auf die innersaisonalen Oszillationen des borealen Sommers in einem gekoppelten allgemeinen Zirkulationsmodell. Journal of Geophysical Research-Atmospheres 114. DOI: 10.1029/2008jd011096.

Alexander, M. A. 1992. Midlatitude Atmosphere Ocean Interaction während El Nino. Teil 1: Der Nordpazifik-Ozean. Zeitschrift für Klima 5(9):944-958. DOI: 10.1175/1520-0442(1992)005<0944:Maiden>2.0.Co2.

Alexander, M. A., C. Deser und M. S. Timlin. 1999. Das Wiederauftreten von SST-Anomalien im Nordpazifik. Journal of Climate 12(8):2419-2433. DOI: 10.1175/1520-0442(1999)012<2419:Trosai>2.0.Co2.

Allen, R.J. und C.S. Zender. 2010. Auswirkungen kontinentaler Schneealbedoanomalien auf die arktische Oszillation im Winter. Journal of Geophysical Research-Atmospheres 115. DOI: 10.1029/2010jd014490.

Alspach, D.L. und H.W. Sorenson. 1972. Nichtlineare Bayes-Schätzung unter Verwendung von Gauss-Summen-Approximationen. IEEE Transactions on Automatic Control 17(4):439-448. DOI: 10.1109/Tac.1972.1100034.

Anderson, J.L. und S.L. Anderson. 1999. Eine Monte-Carlo-Implementierung des nichtlinearen Filterproblems, um Ensembleassimilationen und -vorhersagen zu erzeugen. Monatlicher Wetterbericht 127(12):2741-2758.DOI:10.1175/1520-0493(1999)127<2741:Am-ciot>2.0.Co2.

Annan, J. D., J. C. Hargreaves, N. R. Edwards und R. Marsh. 2005. Parameterschätzung in einem Erdsystemmodell mittlerer Komplexität unter Verwendung eines Ensemble-Kalman-Filters. Ozeanmodellierung 8(1-2):135-154. DOI: 10.1016/j.ocemod.2003.12.004.

Arakawa, A. und C.M. Wu. 2013. Eine vereinheitlichte Darstellung der tiefen feuchten Konvektion in der numerischen Modellierung der Atmosphäre. Teil I. Journal of the Atmospheric Sciences 70(7): 1977-1992. DOI: 10.1175/Jas-D-12-0330.1.

Arnold, C.P. und C.H. Dey. 1986. Experimente zur Simulation von Beobachtungssystemen&mdashpast, Gegenwart und Zukunft. Bulletin der American Meteorological Society 67(6):687-695. DOI: 10.1175/1520-0477(1986)067<0687:Ossepp>2.0.Co2.

Arteaga, A., O. Führer und T. Höfler. 2014. Entwicklung von bit-reproduzierbaren tragbaren Hochleistungsanwendungen. Präsentiert auf dem IEEE 28. International Parallel and Distributed Processing Symposium, Washington, DC.

ASCAC (Advanced Scientific Computing Advisory Committee). 2015. Exascale-Computing-Initiative. Washington, DC: US-DOE.

Athanasiadis, P. J., A. Bellucci, L. Hermanson, A. A. Scaife, C. MacLachlan, A. Arribas, S. Materia, A. Borrelli und S. Gualdi. 2014. Die Darstellung der atmosphärischen Blockierung und der damit verbundenen niederfrequenten Variabilität in zwei saisonalen Vorhersagesystemen. Journal of Climate 27(24):9082-9100. DOI: 10.1175/Jcli-D-14-00291.1.

Zurück, L.E. und C.S. Bretherton. 2009. Zur Beziehung zwischen SST-Gradienten, Grenzschichtwinden und Konvergenz über den tropischen Ozeanen. Journal of Climate 22(15): 4182-4196. DOI: 10.1175/2009JCLI2392.1.

Bahr, A., J.J. Leonard und M.F. Fallon. 2009. Kooperative Lokalisierung für autonome Unterwasserfahrzeuge. International Journal of Robotics Research 28(6):714-728. DOI: 10.1177/0278364908100561.

Baker, A. H., D. M. Hammerling, M. N. L. H. Xu, J. M. Dennis, B. E. Eaton, J. Edwards, C. Hannay, S. A. Mickelson, R. B. Neale, D. Nychka, J. Shollenberger, J. Tribbia, M. Vertenstein und D. Williamson. 2015. Ein neuer ensemblebasierter Konsistenztest für das Community Earth System Model (pyCECT v1.0). Geowissenschaftliche Modellentwicklung 8:2829-2840. DOI: 10.5194/gmd-8-2829-2015.

Baker, WE, R. Atlas, C. Cardinali, A. Clement, GD Emmitt, BM Gentry, RM Hardesty, E. Kallen, MJ Kavaya, R. Langland, ZZ Ma, M. Masutani, W. McCarty, RB Pierce, ZX Pu, LP Riishojgaard, J. Ryan, S. Tucker, M. Weissmann und JG Yoe. 2014. Lidar-gemessene Windprofile: Das fehlende Glied im Global Observing System. Bulletin der American Meteorological Society 95(4):543-564. DOI: 10.1175/Bams-D-12-00164.1.

Baldwin, M.P. und T.J. Dunkerton. 2001. Stratosphärische Vorboten anomaler Wetterregime. Wissenschaft 294(5542):581-584. DOI: 10.1126/science.1063315.

Baldwin, M. P., D. B. Stephenson, D. W. J. Thompson, T. J. Dunkerton, A. J. Charlton und A. ONeill. 2003. Stratosphärisches Gedächtnis und Fähigkeit zur Wettervorhersage mit erweiterter Reichweite. Wissenschaft 301 (5633): 636-640. DOI: 10.1126/science.1087143.

Balmaseda, M. A., L. Ferranti, F. Molteni und T. N. Palmer. 2010. Einfluss von 2007 und 2008 arktischen Eisanomalien auf die atmosphärische Zirkulation: Implikationen für langfristige Vorhersagen. Vierteljährliches Journal der Royal Meteorological Society 136(652):1655-1664. DOI: 10.1002/Qj.661.

Balsamo, G., A. Augustì-Panareda, C. Albergel, A. Beljaars, S. Boussetta, E. Dutra, T. Komori, S. Lang, J. Muntildeoz-Sabater, F. Pappenberger, P. d. Rosnay, I. Sandu, N. Wedi, A. Weisheimer, F. Wetterhall und E. Zsoter. 2014. Darstellung der Erdoberflächen im Integrierten Vorhersagesystem: Jüngste Fortschritte und zukünftige Herausforderungen. Spezielles Themenpapier zu Oberflächenprozessen, präsentiert beim 43. Wissenschaftlichen Beirat des ECMWF. Reading, Großbritannien: Europäisches Zentrum für mittelfristige Wettervorhersagen.

Barnhart, K.R., I. Overeem und R.S. Anderson. 2014. Die Auswirkungen des sich ändernden Meereises auf die physische Verwundbarkeit arktischer Küsten. Kryosphäre 8(5):1777-1799. DOI: 10.5194/tc-8-1777-2014.

Barnston, A. G., S. H. Li, S. J. Mason, D. G. DeWitt, L. Goddard und X. F. Gong. 2010. Überprüfung der ersten 11 Jahre der saisonalen Klimaprognosen des IRI. Zeitschrift für Angewandte Meteorologie und Klimatologie 49(3):493-520. DOI: 10.1175/2009JAMC2325.1.

Bauer, P., G. Ohring, C. Kummerow und T. Auligne. 2011. Assimilation von Satellitenbeobachtungen von Wolken und Niederschlag in NWP-Modelle. Bulletin der American Meteorological Society 92(6):Es25-Es28. DOI: 10.1175/2011bams3182.1.

Beck, M. 2009. Große Herausforderungen für die Zukunft der Umweltmodellierung. White Paper NFS Award# 0630367, NSF&rsquos Environmental Observatories Initiatives, Warnell School of Forestry and Natural Resources, University of Georgia, Athens, Georgia 30602-2152, August 2009.

Bell, M. J., M. J. Martin und N. K. Nichols. 2004. Assimilation von Daten in ein Ozeanmodell mit systematischen Fehlern in Äquatornähe. Quarterly Journal of the Royal Meteorological Society 130(598):873-893. DOI: 10.1256/Qj.02.109.

Bellingham, J. G. und K. Rajan. 2007. Robotik in abgelegenen und feindlichen Umgebungen. Wissenschaft 318(5853):1098-1102. DOI: 10.1126/science.1146230.

Benedetti, A., P. Lopez, P. Bauer und E. Moreau. 2005. Experimenteller Einsatz von TRMM-Niederschlagsradarbeobachtungen bei der 1D+4D-Var-Assimilation. Vierteljährliches Journal der Royal Meteorological Society 131(610):2473-2495. DOI: 10.1256/qj.04.89.

Benedict, J.J. und D.A. Randall. 2009. Struktur der Madden-Julian-Oszillation im superparametrisierten CAM. Journal of the Atmospheric Sciences 66(11):3277-3296. DOI: 10.1175/2009jas3030.1.

Bengtsson, T., C. Snyder und D. Nychka. 2003. Hin zu einem nichtlinearen Ensemblefilter für hochdimensionale Systeme. Journal of Geophysical Research-Atmospheres 108 (D24). DOI: 10.1029/2002jd002900.

Bennett, A. F. 1992. Inverse Methods in Physical Oceanography. Cambridge, Großbritannien: Cambridge University Press.

Berner, J., F.J. Doblas-Reyes, T.N. Palmer, G. Shutts und A. Weisheimer. 2008. Einfluss eines quasi-stochastischen zellulären Automaten-Rückstreuungsschemas auf die systematische Fehler- und Saisonvorhersagefähigkeit eines globalen Klimamodells. Philosophische Transaktionen der Royal Society a-Mathematical Physical and Engineering Sciences 366(1875):2561-2579. DOI: 10.1098/rsta.2008.0033.

Berner, J., S. Y. Ha, J. P. Hacker, A. Fournier und C. Snyder. 2011. Modellunsicherheit in einem mesoskaligen Ensemble-Vorhersagesystem: Stochastische versus multiphysikalische Darstellungen. Monatlicher Wetterbericht 139(6):1972-1995. DOI: 10.1175/2010MWR3595.1.

Best, MJ, G. Abramowitz, HR Johnson, AJ Pitman, G. Balsamo, A. Boone, M. Cuntz, B. Decharme, PA Dirmeyer, J. Dong, M. Ek, Z. Guo, V. Haverd, BJJ Van den Hurk, GS Nearing, B. Pak, C. Peters-Lidard, JA Santanello, L. Stevens und N. Vuichard. 2015.Die Installation von Landoberflächenmodellen: Benchmarking der Modellleistung. Journal of Hydrometeorology 16 (3): 1425-1442. DOI: 10.1175/Jhm-D-14-0158.1.

Bischof, C. und M. Martin. 2012. Gemeinsamer GODAE OceanView&mdashWGNE-Workshop über Kurz- bis Mittelfristige gekoppelte Vorhersage für die Atmosphäre-Welle-Meer-Eis-Ozean: Status, Bedürfnisse und Herausforderungen. Datenassimilation&ndashWhitepaper. Abgerufen am 21. August 2015 von https://www.godae-oceanview.org/files/download.php?m=documents&f=130130121715CoupledDAWhitePaperv01November232012.doc.

Bitz, C. M., D. S. Battisti, R. E. Moritz und J. A. Beesley. 1996. Niederfrequente Variabilität in der arktischen Atmosphäre, im Meereis und im Klimasystem des oberen Ozeans. Journal of Climate 9(2):394-408. DOI: 10.1175/1520-0442(1996)009<0394:Lfvita>2.0.Co2.

Bitz, C.M., P.R. Gent, R.A. Woodgate, M.M. Holland und R. Lindsay. 2006. Der Einfluss von Meereis auf die Wärmeaufnahme der Ozeane als Reaktion auf steigendes CO2. Journal of Climate 19(11):2437-2450. DOI: 10.1175/Jcli3756.1.

Bitz, C. M., J. K. Ridley, M. M. Holland und H. Cattle. 2012. Arktisches Klima des 20. und 21. Jahrhunderts in globalen Klimamodellen. Im arktischen Klimawandel: Das ACSYS-Jahrzehnt und darüber hinaus. P. Lemke und H.-W. Jacobi, Hrsg. Dordrecht: Springer.

Blaise, S., R. Comblen, V. Legat, J. F. Remacle, E. Deleersnijder und J. Lambrechts. 2010. Ein diskontinuierliches Baroklinisches Finite-Elemente-Marinemodell auf unstrukturierten prismatischen Netzen. Part I: space discretization. Ocean Dynamics 60(6):1371-1393. DOI: 10.1007/s10236-010-0358-3.

Blanchard-Wrigglesworth, E., K. C. Armour, C. M. Bitz and E. DeWeaver. 2011a. Persistence and inherent predictability of Arctic sea ice in a GCM ensemble and observations. Journal of Climate 24(1):231-250. DOI: 10.1175/2010jcli3775.1.

Blanchard-Wrigglesworth, E., C. M. Bitz and M. M. Holland. 2011b. Influence of initial conditions and boundary forcing on predictability in the Arctic. Geophysical Research Letters 38:L18503. DOI: 10.1029/2011GL048807.

Blanchard-Wrigglesworth, E. and C. M. Bitz. 2014. Characteristics of arctic sea-ice thickness variability in GCMs. Journal of Climate 27(21):8244-8258. DOI: 10.1175/Jcli-D-14-00345.1.

Blanchard-Wrigglesworth, E., R. Cullather, W. Wanqiu, J. Zhang and C. M. Bitz. 2015. Model skill and sensitivity to initial conditions in a sea-ice prediction system. Geophysical Research Letters (in review).

Boas, A. B. V., O. T. Sato, A. Chaigneau and G. P. Castelao. 2015. The signature of mesoscale eddies on the air-sea turbulent heat fluxes in the South Atlantic Ocean. Geophysical Research Letters 42(6):1856-1862. DOI: 10.1002/2015GL063105.

Bocquet, M. 2012. An introduction to inverse modelling and parameter estimation for atmosphere and ocean sciences. Oxford Scholarship Online. DOI: 10.1093/acprof:oso/9780198723844.003.0020.

Bocquet, M. and P. Sakov. 2013. Joint state and parameter estimation with an iterative ensemble Kalman smoother. Nonlinear Processes in Geophysics 20(5):803-818. DOI: 10.5194/npg-20-803-2013.

Bocquet, M., C. A. Pires and L. Wu. 2010. Beyond Gaussian statistical modeling in geophysical data assimilation. Monthly Weather Review 138(8):2997-3023. DOI: 10.1175/2010MWR3164.1.

Bonan, G. B. 2008. Forests and climate change: Forcings, feedbacks, and the climate benefits of forests. Science 320(5882):1444-1449. DOI: 10.1126/science.1155121.

Bonavita, M., M. Hamrud and L. Isaksen. 2015. EnKF and hybrid gain ensemble data assimilation. Part II: EnKF and hybrid gain results. Monthly Weather Review 143(12):4865-4882. DOI: 10.1175/Mwr-D-15-0071.1.

Braman, L. M., M. K. van Aalst, S. J. Mason, P. Suarez,Y. Ait-Chellouche and A.Tall. 2013. Climate forecasts in disaster management: Red Cross flood operations in West Africa, 2008. Disasters 37(1):144-164. DOI: 10.1111/j.1467-7717.2012.01297.x.

Brands, S., R. Manzanas, J. M. Gutierrez and J. Cohen. 2012. Seasonal predictability of wintertime precipitation in Europe using the snow advance index. Journal of Climate 25(12):4023-4028. DOI: 10.1175/Jcli-D-12-00083.1.

Brassington, G. B., M. J. Martin, H. L. Tolman, S. Akella, M. Balmeseda, C. R. S. Chambers, E. P. Chassignet, J. A. Cummings, Y. Drillet, P. A. E. M. Janssen, P. Laloyaux, D. Lea, A. Mehra, I. Mirouze, H. Ritchie, G. Samson, P. A. Sandery, G. C. Smith, M. Suarez and R. Todling. 2015. Progress and challenges in short- to medium-range coupled prediction. Journal of Operational Oceanography (in press).

Breuer, N. E., C. W. Fraisse and V. E. Cabrera. 2010. The Cooperative Extension Service as a boundary organization for diffusion of climate forecasts: A 5-year study. Journal of Extension 48(4).

Broman, D., B. Rajagopalan and T. Hopson. 2014. Spatiotemporal variability and predictability of relative humidity over West African monsoon region. Journal of Climate 27(14):5346-5363. DOI: 10.1175/Jcli-D-13-00414.1.

Brown, A., S. Milton, M. Cullen, B. Golding, J. Mitchell and A. Shelly. 2012. Unified modeling and prediction of weather and climate: A 25-year journey. Bulletin of the American Meteorological Society 93(12):1865-1877. DOI: 10.1175/Bams-D-12-00018.1.

Brown, B. G., J. L. Mahoney, C. A. Davis, R. Bullock and C. K. Mueller. 2002. Improved Approaches for Measuring the Quality of Convective Weather Forecasts. Presented at 16th Conference on Probability and Statistics in the Atmospheric Sciences, Orlando, FL.

Brown, B. G., R. Bullock, C. A. Davis, J. H. Gotway, M. Chapman, A. Takacs, E. Gilleland, J. L. Mahoney and K. Manning. 2004. New Verification Approaches for Convective Weather Forecasts. Presented at 11th Conference on Aviation, Range, and Aerospace, Hyannis, MA.

Brunet, G., M. Shapiro, B. Hoskins, M. Moncrieff, R. Dole, G. N. Kiladis, B. Kirtman, A. Lorenc, B. Mills, R. Morss, S. Polavarapu, D. Rogers, J. Schaake and J. Shukla. 2010. Collaboration of the weather and climate communities to advance subseasonal-to-seasonal prediction. Bulletin of the American Meteorological Society 91(10):1397-1406. DOI: 10.1175/2010bams3013.1.

Bryan, F. O., R. Tomas, J. M. Dennis, D. B. Chelton, N. G. Loeb and J. L. McClean. 2010. Frontal scale air-sea interaction in high-resolution coupled climate models. Journal of Climate 23(23):6277-6291. DOI: 10.1175/2010jcli3665.1.

Bryan, K. 1969. A numerical method for the study of the circulation of the world ocean. Journal of Computational Physics 4(3):347-376. DOI: 10.1006/jcph.1997.5699.

Bryan, K. and M. D. Cox. 1968. A nonlinear model of an ocean driven by wind and differential heating. I. Description of 3-dimensional velocity and density fields. Journal of the Atmospheric Sciences 25(6):945-978. DOI: Doi 10.1175/1520-0469(1968)025<0945:Anmoao>2.0.Co2.

Buehner, M., J. Morneau, and C. Charette. 2013. Four-dimensional ensemble-variational data assimilation for global deterministic weather prediction. Nonlinear Processes in Geophysics 20(5):669-682. DOI: 10.5194/npg-20-669-2013.

Buontempo, C., C. D. Hewitt, F. J. Doblas-Reyes and S. Dessai. 2014. Climate service development, delivery and use in Europe at monthly to inter-annual timescales. Climate Risk Management 6:1-5. DOI: 10.1016/j.crm.2014.10.002.

Bushuk, M. and D. Giannakis. 2015. Sea-ice reemergence in a model hierarchy. Geophysical Research Letters 42(13):5337-5345. DOI: 10.1002/2015GL063972.

Byun, K. and M. Choi. 2014. Uncertainty of snow water equivalent retrieved from AMSR-E brightness temperature in northeast Asia. Hydrological Processes 28(7):3173-3184. DOI: 10.1002/Hyp.9846.

Cai, W. J., A. Santoso, G. J. Wang, S. W. Yeh, S. I. An, K. M. Cobb, M. Collins, E. Guilyardi, F. F. Jin, J. S. Kug, M. Lengaigne, M. J. McPhaden, K. Takahashi, A. Timmermann, G. Vecchi, M. Watanabe and L. X. Wu. 2015. ENSO and greenhouse warming. Nature Climate Change 5(9):849-859. DOI: 10.1038/Nclimate2743.

Cane, M. A., S. E. Zebiak and S. C. Dolan. 1986. Experimental forecasts of El-Niño. Nature 321(6073):827-832. DOI: 10.1038/321827a0.

Capotondi, A., A. T. Wittenberg, M. Newman, E. D. Lorenzo, J.-Y. Yu, P. Braconnot, J. Cole, B. Dewitte, B. Giese, E. Guilyardi, F.-F. Jin, K. Karnauskas, B. Kirtman, T. Lee, N. Schneider, Y. Xue and S.-W. Yeh. 2014. Understanding ENSO diversity. Bulletin of the American Meteorological Society (e-view). DOI: http://dx.doi.org/10.1175/BAMS-D-13-00117.1.

Cardinali, C. 2009. Monitoring the observation impact on the short-range forecast. Quarterly Journal of the Royal Meteorological Society 135(638):239-250. DOI: 10.1002/qj.366.

Cassou, C. 2008. Intraseasonal interaction between the Madden-Julian Oscillation and the North Atlantic Oscillation. Nature 455(7212):523-527. DOI: 10.1038/Nature07286.

Challinor, A. J., J. M. Slingo, T. R. Wheeler and F. J. Doblas-Reyes. 2005. Probabilistic simulations of crop yield over western India using the DEMETER seasonal hindcast ensembles. Tellus Series a-Dynamic Meteorology and Oceanography 57(3):498-512. DOI: 10.1111/j.1600-0870.2005.00126.x.

Chandra, R., L. Dagum, D. Kohr, D. Maydan, J. McDonald and R. Menon. 2001. Parallel Programming in OpenMP. San Diego: Academic Press.

Charrassin, J. B., M. Hindell, S. R. Rintoul, F. Roquet, S. Sokolov, M. Biuw, D. Costa, L. Boehme, P. Lovell, R. Coleman, R. Timmermann, A. Meijers, M. Meredith, Y. H. Park, F. Bailleul, M. Goebel, Y. Tremblay, C. A. Bost, C. R. McMahon, I. C. Field, M. A. Fedak, and C. Guinet. 2008. Southern Ocean frontal structure and sea-ice formation rates revealed by elephant seals.Proceedings of the National Academy of Sciences of the United States of America 105(33):11634-11639.DOI:10.1073/pnas.0800790105.

Chassignet, E. P. and J. Verron. 2006. Ocean Weather Forecasting: An Integrated View of Oceanography. Dordrecht: Springer.

Chassignet, E. P., J. G. Richman, E. J. Metzger, X. Xu, P. G. Hogan, B. K. Arbic and A. J. Wallcraft. 2014. HYCOM high resolution eddying simulations. CLIVAR Exchanges 19(2):22-25.

Chelton, D. B. and S. P. Xie. 2010. Coupled ocean-atmosphere interaction at oceanic mesoscales. Oceanography 23(4):52-69. DOI: http://dx.doi.org/10.5670/oceanog.2010.05.

Chelton, D. B., M. G. Schlax, M. H. Freilich and R. F. Milliff. 2004. Satellite measurements reveal persistent small-scale features in ocean winds. Science 303(5660):978-983. DOI: 10.1126/science.1091901.

Chen, C. S., H. S. Huang, R. C. Beardsley, Q. C. Xu, R. Limeburner, G. W. Cowles, Y. F. Sun, J. H. Qi and H. C. Lin. 2011. Tidal dynamics in the Gulf of Maine and New England Shelf: An application of FVCOM. Journal of Geophysical Research-Oceans 116. DOI: 10.1029/2011jc007054.

Chen, S.Y. S., J. F. Price, W. Zhao, M. A. Donelan and E. J.Walsh. 2007.The CBLAST-hurricane program and the next-generation fully coupled atmosphere-wave-ocean. Models for hurricane research and prediction. Bulletin of the American Meteorological Society 88(3):311-317. DOI: 10.1175/Bams-88-3-311.

Chen, S. Y. S., W. Zhao, M. A. Donelan and H. L. Tolman. 2013. Directional wind-wave coupling in fully coupled atmosphere-wave-ocean models: Results from CBLAST-Hurricane. Journal of the Atmospheric Sciences 70(10):3198-3215. DOI: 10.1175/Jas-D-12-0157.1.

Chevallier, M. and D. Salas-Melia. 2012. The role of sea ice thickness distribution in the arctic sea ice potential predictability: A diagnostic approach with a coupled GCM. Journal of Climate 25(8):3025-3038. DOI: 10.1175/Jcli-D-11-00209.1.

Chevallier, M., D. S. Y. Melia, A. Voldoire, M. Deque and G. Garric. 2013. Seasonal forecasts of the pan-arctic sea ice extent using a GCM-based seasonal prediction system. Journal of Climate 26(16):6092-6104. DOI: 10.1175/Jcli-D-12-00612.1.

Chowdary, J. S., S. P. Xie, J. J. Luo, J. Hafner, S. Behera, Y. Masumoto and T. Yamagata. 2011. Predictability of Northwest Pacific climate during summer and the role of the tropical Indian Ocean. Climate Dynamics 36(3-4):607-621. DOI: 10.1007/s00382-009-0686-5.

Church, J. and N. Gandal. 1992. Network effects, software provision, and standardization. Journal of Industrial Economics 40(1):85-103. DOI: 10.2307/2950628.

Clayton, A. M., A. C. Lorenc and D. M. Barker. 2013. Operational implementation of a hybrid ensemble/4D-Var global data assimilation system at the Met Office. Quarterly Journal of the Royal Meteorological Society 139(675):1445-1461. DOI: 10.1002/qj.2054.

CLIVAR Exchanges. 2014. Special Issue on High Resolution Ocean Climate Modeling. 19(2).

Cohen, J., J. A. Screen, J. C. Furtado, M. Barlow, D. Whittleston, D. Coumou, J. Francis, K. Dethloff, D. Entekhabi, J. Overland and J. Jones. 2014. Recent Arctic amplification and extreme mid-latitude weather. Nature Geoscience 7(9):627-637. DOI: 10.1038/NGEO2234.

Compo, G. P., J. S. Whitaker, P. D. Sardeshmukh, N. Matsui, R. J. Allan, X. Yin, B. E. Gleason, R. S. Vose, G. Rutledge, P. Bessemoulin, S. Bronnimann, M. Brunet, R. I. Crouthamel, A. N. Grant, P. Y. Groisman, P. D. Jones, M. C. Kruk, A. C. Kruger, G. J. Marshall, M. Maugeri, H. Y. Mok, O. Nordli, T. F. Ross, R. M. Trigo, X. L. Wang, S. D. Woodruff and S. J. Worley. 2011. The Twentieth Century Reanalysis Project. Quarterly Journal of the Royal Meteorological Society 137(654):1-28. DOI: 10.1002/qj.776.

Cornuelle, B., J. Hansen, B. Kirtman, S. Sandgathe and S. Warren. 2014. Issues and challenges with using ensemble-based prediction to probe the weather-climate interface. Bulletin of the American Meteorological Society 95(11):213-215. DOI: 10.1175/Bams-D-13-00235.1.

Cotter, C. J. and J. Shipton. 2012. Mixed finite elements for numerical weather prediction. Journal of Computational Physics 231(21):7076-7091. DOI: 10.1016/j.jcp.2012.05.020.

Coughlan de Perez, E. and S. J. Mason. 2014. Climate information for humanitarian agencies: Some basic principles. Earth Perspectives 1(11). DOI: 10.1186/2194-6434-1-11.

Courtier, P. and O. Talagrand. 1987. Variational assimilation of meteorological observations with the adjoint vorticity equation. 2. Numerical results. Quarterly Journal of the Royal Meteorological Society 113(478):1329-1347. DOI: 10.1256/Smsqj.47812.

Courtier, P., J. N. Thepaut and A. Hollingsworth. 1994. A strategy for operational implementation of 4D-Var, using an incremental approach. Quarterly Journal of the Royal Meteorological Society 120(519):1367-1387. DOI: 10.1002/qj.49712051912.

Cover, T. M. and J. A. Thomas. 2012. Elements of Information Theory. Hoboken, NJ: John Wiley & Sons.

Crueger, T., B. Stevens and R. Brokopf. 2013.The Madden-Julian Oscillation in ECHAM6 and the introduction of an objective MJO metric. Journal of Climate 26(10):3241-3257. DOI: 10.1175/Jcli-D-12-00413.1.

Cummings, J., L. Bertino, P. Brasseur, I. Fukumori, M. Kamachi, M. J. Martin, K. Mogensen, P. Oke, C. E. Testut, J. Verron and A. Weaver. 2009. Ocean data assimilation systems for GODAE. Oceanography 22(3):96-109.

Cummings, J. A. 2011. Ocean data quality control. In Operational Oceanography in the 21st Century. A. Schiller and G. B. Brassington, eds. Dordrecht: Springer.

Curtin, T. B. and J. G. Bellingham. 2009. Progress toward autonomous ocean sampling networks. Deep-Sea Research Part II-Topical Studies in Oceanography 56(3-5):62-67. DOI: 10.1016/j.dsr2.2008.09.005.

Curtin, T. B., J. G. Bellingham, J. Catipovic and D. Webb. 1993. Autonomous oceanographic sampling networks. Oceanography 6(3):86-94. DOI: http://dx.doi.org/10.5670/oceanog.1993.03.

Daley, R. 1991. Atmospheric Data Analysis. New York: Cambridge University Press.

Davis, R. E., N. E. Leonard and D. M. Fratantoni. 2009. Routing strategies for underwater gliders. Deep-Sea Research Part II-Topical Studies in Oceanography 56(3-5):173-187. DOI: 10.1016/j.dsr2.2008.08.005.

Day, J. J., S. Tietsche and E. Hawkins. 2014. Pan-Arctic and regional sea ice predictability: Initialization month dependence. Journal of Climate 27(12):4371-4390. DOI: 10.1175/Jcli-D-13-00614.1.

de Rosnay, P., M. Drusch, D. Vasiljevic, G. Balsamo, C. Albergel and L. Isaksen. 2013. A simplified Extended Kalman Filter for the global operational soil moisture analysis at ECMWF. Quarterly Journal of the Royal Meteorological Society 139(674):1199-1213. DOI: 10.1002/qj.2023.

Dee, D. P. and A. M. Da Silva. 2003. The choice of variable for atmospheric moisture analysis. Monthly Weather Review 131(1):155-171. DOI: 10.1175/1520-0493(2003)131<0155:Tcovfa>2.0.Co2.

Dee, D. P., S. M. Uppala, A. J. Simmons, P. Berrisford, P. Poli, S. Kobayashi, U. Andrae, M. A. Balmaseda, G. Balsamo, P. Bauer, P. Bechtold, A. C. M. Beljaars, L. van de Berg, J. Bidlot, N. Bormann, C. Delsol, R. Dragani, M. Fuentes, A. J. Geer, L. Haimberger, S. B. Healy, H. Hersbach, E. V. Holm, L. Isaksen, P. Kallberg, M. Kohler, M. Matricardi, A. P. McNally, B. M. Monge-Sanz, J. J. Morcrette, B. K. Park, C. Peubey, P. de Rosnay, C. Tavolato, J. N. Thepaut and F. Vitart. 2011. The ERA-Interim reanalysis: Configuration and performance of the data assimilation system. Quarterly Journal of the Royal Meteorological Society 137(656):553-597. DOI: 10.1002/qj.828.

Dee, D. P., M. Balmaseda, G. Balsam, R. Engelen, A. J. Simmons and J. N. Thepaut. 2014. Toward a consistent reanalysis of the climate system. Bulletin of the American Meteorological Society 95(8):1235-1248. DOI: 10.1175/Bams-D-13-00043.1.

Deleersnijder, E., V. Legat and P. F. J. Lermusiaux. 2010. Multi-scale modelling of coastal, shelf and global ocean dynamics. Ocean Dynamics 60(6):1357-1359. DOI: 10.1007/s10236-010-0363-6.

Delworth, T. L., A. J. Broccoli, A. Rosati, R. J. Stouffer, V. Balaji, J. A. Beesley, W. F. Cooke, K. W. Dixon, J. Dunne, K. A. Dunne, J. W. Durachta, K. L. Findell, P. Ginoux, A. Gnanadesikan, C. T. Gordon, S. M. Griffies, R. Gudgel, M. J. Harrison, I. M. Held, R. S. Hemler, L. W. Horowitz, S. A. Klein, T. R. Knutson, P. J. Kushner, A. R. Langenhorst, H. C. Lee, S. J. Lin, J. Lu, S. L. Malyshev, P. C. D. Milly, V. Ramaswamy, J. Russell, M. D. Schwarzkopf, E. Shevliakova, J. J. Sirutis, M. J. Spelman, W. F. Stern, M. Winton, A.T. Wittenberg, B. Wyman, F. Zeng and R. Zhang. 2006. GFDL&rsquos CM2 global coupled climate models. Part I: Formulation and simulation characteristics. Journal of Climate 19(5):643-674. DOI: 10.1175/Jcli3629.1.

DeMey, P. 1997. Data assimilation at the oceanic mesoscale: A review. Journal of the Meteorological Society of Japan 75(1B):415-427.

DeMott, C. A., C. Stan, D. A. Randall, J. L. Kinter and M. Khairoutdinov. 2011. The Asian monsoon in the superparameterized CCSM and its relationship to tropical wave activity. Journal of Climate 24(19):5134-5156. DOI: 10.1175/2011JCLI4202.1.

Dettinger, M. D. 2013. Atmospheric rivers as drought busters on the US West Coast. Journal of Hydrometeorology 14(6):1721-1732. DOI: 10.1175/Jhm-D-13-02.1.

Dettinger, M. D., F. M. Ralph, T. Das, P. J. Neiman and D. R. Cayan. 2011. Atmospheric rivers, floods and the water resources of California. Water 3(2):445-478. DOI: 10.3390/W3020445.

Dewitt, D. G. 2005. Retrospective forecasts of interannual sea surface temperature anomalies from 1982 to present using a directly coupled atmosphere-ocean general circulation model. Monthly Weather Review 133(10):2972-2995. DOI: 10.1175/Mwr3016.1.

Dickey, T. D. 2003. Emerging ocean observations for interdisciplinary data assimilation systems. Journal of Marine Systems 40:5-48. DOI: 10.1016/S0924-7963(03)00011-3.

Dirmeyer, P. A., Y. Jin, B. Singh and X. Q. Yan. 2013. Trends in land-atmosphere interactions from CMIP5 simulations. Journal of Hydrometeorology 14(3):829-849. DOI: 10.1175/Jhm-D-12-0107.1.

Dirmeyer, P. A., Z. Y. Wang, M. J. Mbuh and H. E. Norton. 2014. Intensified land surface control on boundary layer growth in a changing climate. Geophysical Research Letters 41(4):1290-1294. DOI: 10.1002/2013gl058826.

Doblas-Reyes, F. J., M. Deque and J. P. Piedelievre. 2000. Multi-model spread and probabilistic seasonal forecasts in PROVOST. Quarterly Journal of the Royal Meteorological Society 126(567):2069-2087. DOI: 10.1256/Smsqj.56704.


REFERENCES

Anthes, R. A., 1983: Regional models of the atmosphere in middle latitudes. Mon. Wea. Rev.,111, 1306–1335.

Black, T. L., 1994: The new NMC mesoscale Eta Model: Description and forecast examples. Wea. Forecasting,9, 265–278.

Blanchard, B., M. T. McFarland, T. J. Schmugge, and E. Rhodes, 1981: Estimation of soil moisture with API algorithm and microwave emission. Water Resour. Bull.,17, 769–774.

Bosart, L. F., 1983: An update on trends in skill of daily forecasts of temperature and precipitation at the State University of New York at Albany. Bull. Amer. Meteor. Soc.,64, 346–354.

——, and F. Sanders, 1981: The Johnstown flood of July 1977: A long-lived convective system. J. Atmos. Sci.,38, 1616–1642.

Carter, G. M., and P. D. Polger, 1986: A 20 year summary of National Weather Service verification results for temperature and precipitation. NOAA Tech. Memo. NWS FCST-31, National Weather Service, NOAA/U.S. Department of Commerce, 50 pp.

Farrell, R. J., and T. N. Carlson, 1989: Evidence for the role of the lid and underrunning in an outbreak of tornadic thunderstorms. Mon. Wea. Rev.,117, 857–871.

Funk, T. W., 1991: Forecasting techniques utilized by the forecast branch of the National Meteorological Center during a major convective rainfall event. Wea. Forecasting,6, 548–564.

Glahn, H. R., 1985: Yes, precipitation forecasts have improved. Bull. Amer. Meteor. Soc.,66, 820–830.

Gutzler, D. S., and J. Shukla, 1984: Analogs in the wintertime 500-mb height field. J. Atmos. Sci.,41, 177–189.

Hao, W., and L. F. Bosart, 1987: A moisture budget analysis of the protracted heat wave in the southern plains during the summer of 1980. Wea. Forecasting,4, 269–288.

Hoke, J. E., N. A. Phillips, G. J. Dimego, J. J. Tucillo, and J. G. Sela, 1989: The regional analysis and forecast system of the National Meteorological Center. Wea. Forecasting,4, 323–334.

Hollingsworth, A., K. Arpe, M. Tiedtke, M. Capaldo, and H. Savijari, 1980: The performance of a medium range forecast model in winter—Impact of physical parameterizations. Mon. Wea. Rev.,108, 1736–1773.

Junker, N. W., J. E. Hoke, and R. H. Grumm, 1989: Performance of NMC’s regional models. Wea. Forecasting,4, 368–390.

Kalnay, E., M. Kanamitsu, and W. E. Baker, 1990: Global numerical weather prediction at the National Meteorological Center. Bull. Amer. Meteor. Soc.,71, 1410–1428.

Keyser, D., and M. A. Shapiro, 1986: A review of the structure and dynamics of upper-level frontal zones. Mon. Wea. Rev.,114, 452–499.

Lorenz, E. N., 1969: Atmospheric predictability as revealed by naturally occurring analogs. J. Atmos. Sci.,26, 636–646.

Loughe, A. F., C.-C. Lai, and D. Keyser, 1995: A technique for diagnosing three-dimensional ageostrophic circulations in baroclinic disturbances on limited-area domains. Mon. Wea. Rev.,123, 1476–1504.

Mass, C. F., H. J. Edmon, H. J. Friedman, N. R. Cheney, and E. E. Recker, 1987: The use of compact discs for storage of large meteorological and oceanographic data sets. Bull. Amer. Meteor. Soc.,68, 1556–1558.

Mesinger, F., 1996: Improvements in quantitative precipitation forecasts with the Eta regional model at the National Centers for Environmental Prediction: The 48-km upgrade. Bull. Amer. Meteor. Soc.,77, 2637–2649.

Moore, J. T., and P. D. Blakley, 1988: The role of frontogenetical forcing and conditional symmetric instability in the Midwest snowstorm of 30–31 January 1982. Mon. Wea. Rev.,116, 2155–2171.

O’Brien, J. J., 1970: Alternative solution to the classical vertical velocity problem. J. Appl. Meteor.,9, 197–203.

Olson, D. A., N. W. Junker, and B. Korty, 1995: Evaluation of 33 years of quantitative precipitation forecasting at NMC. Wea. Forecasting,10, 498–511.

Oravec, R. J., and R. H. Grumm, 1993: The prediction of rapidly deepening cyclones by NMC’s Nested Grid Model: Winter 1989–autumn 1991. Wea. Forecasting,8, 248–270.

Palmén, E., and C. W. Newton, 1969: Atmospheric Circulation Systems: Their Structure and Physical Interpretation. Academic Press, 603 pp.

Ramamurthy, M. K., R. M. Rauber, B. P. Collins, and N. K. Malhotra, 1993: A comparative study of large-amplitude gravity-wave events. Mon. Wea. Rev.,121, 2951–2974.

Roebber, P. J., J. R. Gyakum, and D. N. Trat, 1994: Coastal frontogenesis and precipitation during ERICA IOP #2. Wea. Forecasting,9, 21–44.

Sanders, F., 1986a: Explosive cyclogenesis over the west-central North Atlantic Ocean, 1981–84. Part II: Evaluation of the LFM model performance. Mon. Wea. Rev.,114, 2207–2218.

——, 1986b: Trends in skill of Boston forecasts made at MIT, 1966–84. Bull. Amer. Meteor. Soc.,67, 170–176.

——, 1987: Skill of NMC operational models in prediction of explosive cyclogenesis. Wea. Forecasting,2, 322–336.

Shields, M. T., R. M. Rauber, and M. K. Ramamurthy, 1991: Dynamical forcing and mesoscale organization of precipitation bands in a Midwest winter cyclonic storm. Mon. Wea. Rev.,119, 936–964.

Shuman, F. G., 1989: History of numerical weather prediction at the National Meteorological Center. Wea. Forecasting,4, 286–296.

——, and J. B. Hovermale, 1968: An operational six-layer primitive equation model. J. Appl. Meteor.,7, 525–547.

Sutcliffe, R. C., 1947: A contribution to the problem of development. Quart. J. Roy. Meteor. Soc.,73, 370–383.

Trenberth, K. E., 1978: On the interpretation of the diagnostic quasi-geostrophic omega equation. Mon. Wea. Rev.,106, 131–137.

Whittaker, L. M., and L. H. Horn, 1982: Atlas of Northern Hemisphere Extratropical Cyclone Activity, 1958–77. Department of Meteorology, University of Wisconsin—Madison, 65 pp.

(a) The 500-hPa geopotential height skill score for 36-h predictions for North America and adjacent waters (adapted from Shuman 1989) for the period 1967–88 (open circles) and the 24–36-h forecast skill with respect to climatology of the probability of measurable precipitation (POP) at approximately 100 U.S. stations for the same period (solid circles) (b) National Weather Service threat scores for day 1 QPF (12–36 h) for thresholds of 12.5 mm (0.5 in., open circles), 2.5 mm (1.0 in., open squares), and 50 mm (2.0 in., open triangles) for the period 1980–95 (adapted from Olson et al. 1995).

Locator map for geographic references in the text.

Sea level pressure (solid lines, 4-hPa interval), 500-hPa geopotential height (dashed lines, 6-dam interval), and track of the surface cyclone for the 48 h centered on the analysis time (arrow) for (a) 0000 UTC 15 February 1992 (b) for the time corresponding to (a) for the 1980 regional analog (1200 UTC 21 February 1980) (c) 1200 UTC 15 February 1992 and (d) for the time corresponding to (c) for the 1980 regional analog (0000 UTC 22 February 1980).

Precipitation analyses, based upon the NCDC TD-3240 cooperative station precipitation dataset, for the 24-h period from (a) 0000 UTC 14–15 February 1992 (b) 0000 UTC 15–16 February 1992 (c) for the time corresponding to (a) for the composite of the three regional analogs identified in Table 1 (d) for the time corresponding to (b) for the composite of the three regional analogs identified in Table 1 (e) 1200 UTC 20–21 February 1980 and (f) 1200 UTC 21–22 February 1980. Contours are 1, 5, 10, 15, 20, 25, and 50 mm. The track of the surface cyclone is shown for the same period as the analysis (arrow).

Time history of surface (filled symbols) and 500-hPa (open symbols) anomaly correlation scores for the three identified regional analogs, corresponding to the 48-h period of the base case (0000 UTC 14–16 February 1992). Circles correspond to 0000 UTC 10–12 February 1975, squares to 1200 UTC 20–22 February 1980, and triangles to 0000 UTC 16–18 February 1986.

As in Fig. 3 but for the time corresponding to Fig. 3a for the composite fields of the three regional analogs identified in Table 1.

Antecedent precipitation index (API) in millimeters for (a) 0000 UTC 14 Feb 1992 and (b) 1200 UTC 20 Feb 1980.

Precipitable water and streamlines of the surface-to-500-hPa mean wind for (a) 0000 UTC 14 February 1992 (b) 1200 UTC 20 February 1980 (c) 1200 UTC 14 February 1992 (d) 0000 UTC 21 February 1980 (e) 0000 UTC 15 February 1992 (f) 1200 UTC 21 February 1980 (g) 1200 UTC 15 February 1992: and (h) 0000 UTC 22 February 1980. Contours are 10, 20, and 30 mm.

Distribution of rawinsonde stations comprising the network used to compute the moisture budget. The outline of the overall area (used to determine the values of Table 2 and representing 7.6 × 10 5 km 2 ) is shown by the thick solid line, while the individual triangles within the area are shown by the thin solid lines connecting the sounding sites. The stations used were: Jackson (JAN 72235) Lake Charles (LCH 72240) Longview (GGG 72247) Nashville (BNA 72327) Little Rock (1M1 72340) Monett (UMN 72349) Amarillo (AMA 72363) Topeka (TOP 72456) and Peoria (PIA 72532).

Surface pressure tendencies (3 h) based on a centered time difference of hourly surface reports at (a) 0300 UTC 14 February 1992 and (b) 1500 UTC 20 February 1980. Dashed (solid) contours indicate pressure falls (rises), with a contour interval of 0.25 hPa (3 h) −1 .

The 500-hPa geopotential height (solid, 6-dam interval) and absolute vorticity (dashed, 2 × 10 −5 s −1 interval) fields, along with the position of the subtropical jet (based upon 200-hPa data), where the arrow indicates the jet axis and the light (dark) shading denotes winds in excess of 50 m s −1 (55 m s −1 ) for (a) 0000 UTC 14 Feb 1992 and (b) 1200 UTC 20 Feb 1980. The bold dashed lines in (a) and (b) indicate the positions of the cross sections shown in Figs. 13a–c.

The 250-hPa divergence fields based on the NMC Northern Hemisphere 381-km octagonal gridded winds for (a) 0000 UTC 14 Feb 1992 and (b) 1200 UTC 20 Feb 1980. The solid (dashed) contours (interval of 1 × 10 −5 s −1 ) indicate divergence (convergence).

Vertical cross sections through the subtropical jet. Analyzed are isotachs (solid lines, 5 m s −1 interval), isentropes (dashed lines, 10-K interval), and divergence (gray lines divergence, dashed gray lines convergence interval of 1 × 10 −5 s −1 ). The divergence values are obtained from the rawinsonde triangle method (see text for details) and interpolated to the location of the cross section from adjacent triangles. The position of the cross section is indicated by the bold–dashed line in Fig. 11a (Lake Charles/LCH to Longview/GGG to Little Rock/1M1 to Monett/UMN to Topeka/TOP to Omaha/OMA) for (a) and (b) and in Fig. 11b (Brownsville/BRO to Stephenville/SEP to Amarillo/AMA to Dodge City/DDC to North Platte/LBF) for (c). The analyses are for (a) 0000 UTC 14 February 1992 and (b)–(c) 1200 UTC 20 February 1980.

Sutcliffe (1947)–Trenberth (1978) forcing of ascent for (a) 0000 UTC 14 February 1992 and (b) 1200 UTC 20 February 1980. Shown are 500–200-hPa thickness (solid lines, 6-dam interval) and the 300-hPa vorticity (dashed lines, 2 × 10 −5 s −1 interval).

Thermodynamic diagrams for (a) Monett, Missouri (UMN), at 0000 UTC 14 February 1992 (b) UMN at 1200 UTC 14 February 1992 (c) UMN at 1200 UTC 20 February 1980 (d) UMN at 0000 UTC 21 February 1980 (e) Athens, Georgia (AHN), at 1200 UTC 15 February 1992 (f) AHN at 0000 UTC 16 February 1992 (g) AHN at 0000 UTC 22 February 1980 and (h) AHN at 1200 UTC 22 February 1980. Shown are temperature (°C, solid bold), dewpoint (°C, dashed bold), and wind direction and speed (pennant—25 m s −1 , long barb—5 m s −1 , short barb—2.5 m s −1 ). In the diagram, the solid lines slanting toward the upper right are isotherms, the solid lines slanting toward the upper left are dry adiabats, dashed lines slanting toward the upper left are moist adiabats, and the dotted lines slanting toward the upper right are lines of constant saturation mixing ratio.

The vertical profile of the 12-h average (a) divergence (dashed 10 −5 s −1 ) and vertical motion (10 −1 Pa s −1 , solid) and (b) moisture budget terms (10 −9 s −1 ) for three triangles (72363–72340–72349 72340–72349–72532 72349–72456–72532 see Fig. 9) near UMN for the period 0000–1200 UTC 14 February.

Divergence fields, based on the NMC Northern Hemisphere 381-km octagonal gridded winds, for (a) 1200 UTC 15 February 1992 at 250 hPa (b) 0000 UTC 22 February 1980 at 250 hPa (c) 1200 UTC 15 February 1992 at 850 hPa and (d) 0000 UTC 22 February 1980 at 850 hPa. The solid (dashed) contours (interval of 1 × 10 −5 s −1 ) indicate divergence (convergence).

Station locations of the NCDC TD-3220 daily weather observations used in the precipitation analog analysis.

Table 1. Time-coherent regional analogs to the 14–16 February 1992 base case. The selection procedure is described in the text.

Table 2. Triangle moisture budget results for the first 24-h period of the base case (0000 UTC 14–15 Feb 1992) and the analog (1200 UTC 20–21 Feb 1980). The variables q, V, und W represent the specific humidity, wind vector, and precipitable water, respectively, and the overbar denotes an average over the area of all of the triangles (the 7.6 × 10 5 km 2 region depicted in Fig. 9). All quantities are expressed in millimeters.

Table 3. A list of 48-h February periods for the years 1965–89, whose precipitation distribution can account for the greatest proportion of the precipitation variance that occurred on 14–15 February 1992 (denoted as %V, positive correlations only). The highest 24-h period correlation date is indicated for each 24-h period by the boldface type. Correlation for the first (second) 24 h is indicated as R1 (R2).


Frank joined the Colorado State University faculty in 1975 and continues to enrich the geosciences department as an active professor emeritus.

I am a structural geologist with interests in Laramide tectonics, fault-related folding, fabric analysis and Rocky Mountain geology in general.

My interests are focused on exploration and production of gold, silver, copper, lead, &/or zinc ore deposits after 47.5 years as a professor of economic geology at four universities.


Schau das Video: Studium der Geowissenschaften, Universität Heidelberg