MétaCan
Menu
Retour à la cohorte
Enregistrement W2068751353 · doi:10.1175/jcli4058.1

The Impacts of Climate Change on Autumn North Atlantic Midlatitude Cyclones

2007· article· en· W2068751353 sur OpenAlexaffabout
Jing Jiang, William Perrie

Notice bibliographique

RevueJournal of Climate · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensBedford Institute of OceanographyFisheries and Oceans CanadaDalhousie University
Organismes subventionnairesOffice of Naval ResearchNational Oceanic and Atmospheric Administration
Mots-clésClimatologyExtratropical cycloneMiddle latitudesEnvironmental scienceStormClimate changeClimate modelForcing (mathematics)Greenhouse gasGlobal warmingSubtropicsAtmospheric sciencesMeteorologyGeographyGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract This study explores how midlatitude extratropical cyclone intensities, frequencies, and tracks can be modified under warming-induced conditions due to enhanced greenhouse gas (GHG) concentrations. Simulations were performed with the Canadian mesoscale compressible community (MC2) model driven by control and high CO2 climate estimates from the Canadian Climate Centre model, the Second Generation Coupled Global Climate Model (CGCM2). CGCM2 simulations have effective CO2 concentration forcing, following the Intergovernmental Panel on Climate Change (IPCC) IS92a scenario conditions, which define a near doubling of CO2 concentrations by 2050 compared to the 1980s. The control and high CO2 conditions were obtained from years 1975–94 and 2040–59 of CGCM2 simulations. For the northwest Atlantic, the CO2-induced warming for this period (2040–59) varies from ∼1°–2°C in the subtropics, near the main development region for Atlantic hurricanes, to ∼1°C in the north. In simulations of northwest Atlantic storms, the net impact of this enhanced CO2 scenario is to cause storms to increase in radius, with marginal tendencies to become more severe and to propagate faster (although not statistically significant), and for the mean storm tracks to shift slightly poleward.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,007
Score d'incertitude au seuil0,395

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0000,000

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 Opus0,024
Tête enseignante GPT0,278
Écart entre enseignants0,254 · 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.

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

Citations32
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207