MétaCan
Menu
Retour à la cohorte
Enregistrement W2044766715 · doi:10.4236/acs.2012.24051

The Impact of Climate Modes on Summer Temperature and Precipitation of Darwin, Australia, 1870-2011

2012· article· en· W2044766715 sur OpenAlexaff
Cameron Hunter, Jacqueline Binyamin

Notice bibliographique

RevueAtmospheric and Climate Sciences · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésLa NiñaClimatologyPrecipitationPacific decadal oscillationTeleconnectionArctic oscillationEnvironmental scienceNorth Atlantic oscillationEl Niño Southern OscillationSouthern oscillationClimate changeOscillation (cell signaling)Atmospheric sciencesOceanographyGeographyGeologyMeteorologyBiologyNorthern Hemisphere

Résumé

récupéré en direct d'OpenAlex

Monthly mean summer (DJF) temperature and precipitation from Global Historical Climate Network (GHCN-V3) for the period of 1870-2011, are analyzed to assess the role of teleconnections on climate of Darwin, Australia. Indices of El Nino-Southern Oscillation (ENSO), Antarctic Oscillation (AAO), Pacific Decadal Oscillation (PDO), North Atlantic Oscillation (NAO), Arctic Oscillation (AO), and Pacific North American Oscillation (PNA) are extracted from monthly means and compared with climatic data of Darwin. Most of these climate modes are shown to have a strong influence on the monthly mean summer temperature and precipitation. ENSO is shown to have a positive relationship with the amount of precipitation received and a negative relationship with the temperature. Where an El Nino event produces warmer drier conditions and a La Nina event produces colder wetter conditions. The AAO is shown to cause cold and dry conditions during the positive phase and warm and wet conditions during the negative phase. The PDO is shown to cause El Nino like condition during the positive phase causing warmer, drier weather, and La Nina like conditions during the negative phase causing cooler, wetter weather. Through the analysis it is also shown that the NAO, AO, and PNA have little effect on the temperature and precipitation patterns of Darwin.

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 enseignants0,050
Score d'incertitude au seuil0,100

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)0,0010,000

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 Opus0,028
Tête enseignante GPT0,299
Écart entre enseignants0,271 · 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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAtmospheric and Climate SciencesMême sujetClimate variability and modelsTravaux en français237 207