MétaCan
Menu
Retour à la cohorte
Enregistrement W2037962156 · doi:10.5539/jgg.v4n3p69

Response of 50-year Regional Climatic Variation to Global Warming in the Desert Area of Northwestern China

2012· article· en· W2037962156 sur OpenAlexvenueno aff
Shujuan Zhu, Chang Zhaofeng, Caizhou Kang

Notice bibliographique

RevueJournal of Geography and Geology · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental Changes in China
Établissements canadiensnon disponible
Organismes subventionnairesNorthwestern University
Mots-clésPrecipitationEnvironmental scienceAridHumidityAir temperatureClimatologySpring (device)Relative humidityChinaDesert climateGlobal warmingAtmospheric sciencesClimate changePhysical geographyGeographyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

The climate in desert is totally different from those in other landscapes. This paper, by analyzing the data collected in Minqin desert area during the period of 1961-2009, attempts to figure out how the temperature, precipitation and air humidity in the desert area of northwestern China respond to global warming. The result revealed that: the increasing rate of the mean annual temperature in Minqin during 1961-2009 was greater than that of the global average and that of the hundred-year average in China; whereas lower than that in the arid area in northeastern China in the recent 20 years. In Minqin, the temperatures in winter and spring rose significantly. The winter and spring temperatures and the annual maximum temperature showed big variations, with great fluctuations. The annual air humidity increased dramatically while the precipitation displayed an insignificant increasing trend. There was a significant correlation between air humidity rising and precipitation increasing. However, there’s no sound consistency between the periodic variations of air humidity and those of precipitation. The warmer spring usually induced intensive sandstorms, and the instability of air temperatures has caused yield reduction of crops/ fruits in the study area.

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 enseignants0,019
Score d'incertitude au seuil0,038

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
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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

Citations2
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Geography and GeologyMême sujetEnvironmental Changes in ChinaTravaux en français237 207