MétaCan
Menu
Retour à la cohorte
Enregistrement W2026091332 · doi:10.2166/nh.2008.102

Analysis of cold season streamflow response to variability of climate in north-western North America

2008· article· en· W2026091332 sur OpenAlexaffabout
Ming‐ko Woo, Robin Thorne

Notice bibliographique

RevueHydrology research · 2008
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Watershed Management Studies
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésStreamflowPacific decadal oscillationClimatologyEnvironmental scienceForcing (mathematics)Climate changeDrainage basinStructural basinNorth Atlantic oscillationSpring (device)OceanographyEl Niño Southern OscillationGeologyGeography

Résumé

récupéré en direct d'OpenAlex

Previous studies have correlated interannual streamflow fluctuations with changes in the climate. We note that decadal shifts in climate forcing can impart a stronger signal on streamflow than does the long-term climatic trend. In north-western North America, the Pacific Decadal Oscillation (PDO), which is strong in the cold season, may exert influence on interannual variations in spring high flows. In the 20th century, several major shifts in the PDO have been recognized. However, the rivers of Alaska, Yukon, Northwest Territories, British Columbia and Alberta have variable response to such climate signals. An analysis of the flow of rivers in this region indicates that a number of rivers draining the Pacific coast are positively correlated with PDO and some rivers in the interior correlate negatively. Not all river flows correlate with the PDO because factors such as location, topography and storage can overwhelm the climatic influence. Given these considerations, the interpretation of long-term trends in streamflow should take account of the interdecadal climatic shifts and basin characteristics that affect flow generation.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,925
Score d'incertitude au seuil0,150

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,308
Écart entre enseignants0,278 · 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'étudeObservationnel
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

Citations19
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHydrology researchMême sujetHydrology and Watershed Management StudiesTravaux en français237 207