MétaCan
Menu
Retour à la cohorte
Enregistrement W2032322156 · doi:10.4236/ajcc.2014.32013

Impact of Climate Change and Variability on Wheat and Corn Production in Buenos Aires, Argentina

2014· article· en· W2032322156 sur OpenAlex
Maria Pol, Jacqueline Binyamin

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAmerican Journal of Climate Change · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésTeleconnectionPrecipitationLa NiñaClimatologyEl Niño Southern OscillationEnvironmental scienceArctic oscillationClimate changeAtmospheric sciencesAgronomyGeographyOceanographyBiologyGeologyMeteorology

Résumé

récupéré en direct d'OpenAlex

From the Global Historical Climate Network (GHCN-V3), monthly mean summer (DJF) temperature (1856-2012) and total precipitation (1861-2012) are analyzed in correlation with four climate modes and sunspot number to better understand the role of teleconnections on Buenos Aires’ (Argentina) climate. A general increase in temperature and precipitation was observed. Temperature has increased by about 1.8°C and precipitation has increased by about 300 mm in the past century and a half. Indices of Arctic Oscillation (AO), Pacific North American (PNA), Antarctic Oscillation (AAO), and El Nino-Southern Oscillation (ENSO) are evaluated to study their effects on wheat and corn production and export. AO and PNA show strong relationships with precipitation and temperature received. AAO and ENSO show strong negative correlations with precipitation patterns and weak correlations with temperature. Sunspot Number shows a positive correlation with temperature. ENSO phases are strongly linked with the wheat and corn production and export; during El Nino Buenos Aires tends to experience extremely wet summer weather, causing soggy fields and extremely dry summer weather during La Nina causing drought. Both of these conditions result in reducing wheat and corn production and export.

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.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,155
Score d'incertitude au seuil0,640

Scores Codex et Gemma par catégorie

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

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 Opus0,036
Tête enseignante GPT0,279
Écart entre enseignants0,243 · 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