MétaCan
Menu
Retour à la cohorte
Enregistrement W2062344118 · doi:10.4236/ajcc.2013.24027

Climate Change Effect on Winter Temperature and Precipitation of Yellowknife, Northwest Territories, Canada from 1943 to 2011

2013· article· en· W2062344118 sur OpenAlexaffabout
Janelle Laing, Jacqueline Binyamin

Notice bibliographique

RevueAmerican Journal of Climate Change · 2013
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensUniversity of Winnipeg
Organismes subventionnairesnon disponible
Mots-clésPrecipitationClimatologyNegative correlationPacific decadal oscillationLa NiñaPositive correlationEnvironmental scienceArctic oscillationAtmospheric sciencesEl Niño Southern OscillationNorth Atlantic oscillationGeologyGeographyMeteorology

Résumé

récupéré en direct d'OpenAlex

The correlation of the Southern Oscillation Index (SOI), Pacific Decadal Oscillation (PDO), Pacific North American Oscillation (PNA), Arctic Oscillation (AO), and Scandinavia (SCAND) indices with winter (DJF) temperature and precipitation for the period of 1943 to 2011 was analyzed to study climate change and variability of Yellowknife, NWT. SOI correlated negatively with both temperature (r = -0.14) and precipitation (r = -0.06) causing colder, drier conditions during La Nina and warmer, wetter conditions during El Nino. PDO was shown to have a strong positive correlation with both temperature (r = 0.60) and precipitation (r = 0.33) causing warmer, wetter weather in the positive phase and colder, drier weather in the negative phase. PNA showed the strongest positive correlation for both temperature (r = 0.69) and precipitation (r = 0.37) causing very warm and wet conditions in the positive phase and very cold and dry conditions during the negative phase. AO correlated negatively with temperature (r = -0.04) and positively with precipitation (r = 0.24) causing colder, wetter conditions in the positive phase and warmer, drier conditions in the negative phase. Finally SCAND was shown to have a weak negative correlation with both temperature (r = -0.10) and precipitation (r = -0.18). Sunspot area showed a strong negative correlation (r = -0.30) with temperature and a very weak positive correlation (r = 0.07) with total annual precipitation. Yellowknife’s average annual temperature and precipitation has increased by 2.5°C and 120 mm, respectively throughout the past 69 years.

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 enseignants0,014
Score d'incertitude au seuil0,093

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,011
Tête enseignante GPT0,222
Écart entre enseignants0,211 · 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

Citations28
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Climate ChangeMême sujetClimate variability and modelsTravaux en français237 207