MétaCan
Menu
Retour à la cohorte
Enregistrement W157344414

Аномалии озонового слоя и погоды зимой 2013-2014 гг. В Северном полушарии: самый теплый декабрь в истории России; небывалые морозы в США; Олимпиада на дне озоновой дыры

2014· article· ru· W157344414 sur OpenAlexaboutno aff
Владимир Леонидович Сывороткин

Notice bibliographique

RevueПространство и Время · 2014
Typearticle
Langueru
DomaineEnvironmental Science
ThématiqueAtmospheric and Environmental Gas Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOzoneAnticycloneNorthern HemisphereAtmosphere (unit)Tropospheric ozoneEnvironmental scienceAnomaly (physics)Ozone layerAtmospheric sciencesMeteorologyClimatologyGeographyGeologyPhysics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Monitoring of natural anomalies in real time and an explanation of the observed phenomena are an important scientific and social problem. In my subheading I compare world meteorological data information (from official and public Internet sources) with the one derived from the Canadian Brewer network (open access information from ozonesondes of ARQX & Canadian Upper Air Network, e-source Select Ozone Maps. Ozone and Ultraviolet Research and Monitoring. Environment Canada's World Wide Web Site. The Green LaneTM, Web. ). As a result I explain the origin of weather anomalies based on Earth Degassing Theory and Degassing Ozone Level Conception. From that point of view, the main cause of the weather (and climate) anomalies is the fluctuations of the general quantity of ozone in the atmosphere. These fluctuations are caused by the emission of the deep gases (hydrogen and methane), which destruct ozone, and the variations of the geomagnetic field, which increase the concentration of ozone. The positive ozone anomalies cool the troposphere and create anticyclones, which are dry, heavy and slow moving air masses. The negative anomalies warm up the air and create the cyclonic masses with law pressure. The closest anticyclones could move to that area bringing with them the anomalous temperatures, sometimes very high and sometimes very law. In my subheading, I have examined the ozone algorithm during the winter of 2013-2014 by comparing Roshydrometh monthly data and ozone anomalies average map for Northern hemisphere. From this perspective, I have analyzed unusually warm weather in Russia (including weather anomalies in Sochi during the 2014 Olympic Games), as well as extraordinary cold weather in the United States. Results of the comparison demonstrated the high correlation between zones and character of weather anomalies, on the one hand, and mapped areas of different-sign ozone anomalies, on the other hand.

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)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,003
Communication savante0,0010,002
Science ouverte0,0040,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0410,048

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 Opus0,004
Tête enseignante GPT0,179
Écart entre enseignants0,175 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueПространство и ВремяMême sujetAtmospheric and Environmental Gas DynamicsTravaux en français237 207