MétaCan
Menu
Retour à la cohorte
Enregistrement W2021530952 · doi:10.1002/wcc.147

Indices for monitoring changes in extremes based on daily temperature and precipitation data

2011· article· en· W2021530952 sur OpenAlexaff
Xuebin Zhang, Lisa V. Alexander, Gabriele C. Hegerl, P. D. Jones, Albert Klein Tank, Thomas C. Peterson, Blair Trewin, Francis W. Zwiers

Notice bibliographique

RevueWiley Interdisciplinary Reviews Climate Change · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesNatural Environment Research CouncilSight Research UK
Mots-clésClimate extremesPrecipitationRange (aeronautics)Relevance (law)ClimatologyEnvironmental scienceClimate changeComputer scienceEconometricsMeteorologyGeographyMathematicsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Indices for climate variability and extremes have been used for a long time, often by assessing days with temperature or precipitation observations above or below specific physically‐based thresholds. While these indices provided insight into local conditions, few physically based thresholds have relevance in all parts of the world. Therefore, indices of extremes evolved over time and now often focus on relative thresholds that describe features in the tails of the distributions of meteorological variables. In order to help understand how extremes are changing globally, a subset of the wide range of possible indices is now being coordinated internationally which allows the results of studies from different parts of the world to fit together seamlessly. This paper reviews these as well as other indices of extremes and documents the obstacles to robustly calculating and analyzing indices and the methods developed to overcome these obstacles. Gridding indices are necessary in order to compare observations with climate model output. However, gridding indices from daily data are not always straightforward because averaging daily information from many stations tends to dampen gridded extremes. The paper describes recent progress in attribution of the changes in gridded indices of extremes that demonstrates human influence on the probability of extremes. The paper also describes model projections of the future and wraps up with a discussion of ongoing efforts to refine indices of extremes as they are being readied to contribute to the IPCC's Fifth Assessment Report. WIREs Clim Change 2011, 2:851–870. doi: 10.1002/wcc.147 This article is categorized under: Paleoclimates and Current Trends > Modern Climate Change

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,009
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,198
Tête enseignante GPT0,351
Écart entre enseignants0,152 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2 185
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Climate ChangeMême sujetClimate variability and modelsTravaux en français237 207