MétaCan
Menu
Retour à la cohorte
Enregistrement W2061651184 · doi:10.1080/07055900.2011.608343

On Precipitation and Virga over Three Locations during the 1999–2004 Canadian Prairie Drought

2011· article· en· W2061651184 sur OpenAlexafffundvenueabout
Erin C. Evans, Ronald E. Stewart, William Henson, Krystyna M. Saunders

Notice bibliographique

RevueATMOSPHERE-OCEAN · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensMcGill UniversityUniversity of ManitobaUniversity of WaterlooCalgary Laboratory Services
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Foundation for Climate and Atmospheric Sciences
Mots-clésPrecipitationEnvironmental scienceClimatologyPrecipitation typesAtmospheric sciencesMeteorologyGeographyGeology

Résumé

récupéré en direct d'OpenAlex

The recent 1999-2004 drought, and especially the period from 2001 to 2002, had major impacts across Canada and in the western Canadian Prairie region in particular.This study characterizes the recent drought with respect to precipitation on a small scale at three sites: Calgary, Edmonton and Saskatoon.Climatologically, precipitation events of low daily accumulation (10 mm) account for the majority of the total accumulation (up to 58%) at all study locations.During the recent drought, these events contributed a higher proportion of the total precipitation (up to 63%) because of a lack of heavy precipitation events.Using radar data at these locations, precipitation events were also classified into three categories: convective, stratiform and virga.There was wide variation in the relative importance of stratiform and convective precipitation at the sites with, for example, some drought periods being dominated by convective and others by stratiform events.Virga was also present with an average cloud base temperature <0C which would have led to efficient sublimational loss contributing to the reduction of precipitation at the surface.Any understanding of drought must take into account such precipitation issues.

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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,263
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,014
Tête enseignante GPT0,209
Écart entre enseignants0,195 · 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 tête enseignante, pas un consensus.

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

Citations29
Publié2011
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueATMOSPHERE-OCEANMême sujetClimate variability and modelsTravaux en français237 207