MétaCan
Menu
Retour à la cohorte
Enregistrement W2056468501 · doi:10.3808/jei.200800129

Climate Change and Urban Grass Land Soil Moisture Conditions in South-Western Ontario, Canada

2008· article· en· W2056468501 sur OpenAlexafffundabout
S. Nishat

Notice bibliographique

RevueJournal of Environmental Informatics · 2008
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésEvapotranspirationEnvironmental sciencePrecipitationWater contentGrowing seasonClimate changeMoistureHydrology (agriculture)AgronomyGeographyEcologyMeteorologyGeology

Résumé

récupéré en direct d'OpenAlex

Using the past 45 years of climate data in south-western Ontario, Canada and a deterministic continuous simulation model, this study investigates the long-term variability in rain-fed soil moisture in urban areas as influenced by climate change. Statistical analyses of four variables, i.e., soil moisture, precipitation, temperature and evapotranspiration were carried out. As found from other studies for other locations, these analyses confirm in creasing temperatures and average growing season precipitation in south-western Ontario. Results show that both overall soil moisture and evapotranspiration have increased throughout the 45-year period. The probability/frequency distributions of soil moisture were obtained and the analysis shows an increasing average growing season soil moisture availability from the 1960's to the 1990's. The direct influence of precipitation and temperature on soil moisture and evapotranspiration were examined, revealing a stronger relationship of soil moisture and evapotranspiration with precipitation rather than temperature. Overall increasing average growing season soil moistures have very likely resulted from overall increasing rainfall during the growing seasons in south-western Ontario.

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 enseignants0,015
Score d'incertitude au seuil0,112

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 technologies0,0010,000
Communication savante0,0010,000
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 Opus0,027
Tête enseignante GPT0,192
Écart entre enseignants0,165 · 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
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental InformaticsMême sujetClimate change and permafrostTravaux en français237 207