MétaCan
Menu
Retour à la cohorte
Enregistrement W2085425523 · doi:10.1175/jcli-d-14-00224.1

Chances of Short-Term Cooling Estimated from a Selection of CMIP5-Based Climate Scenarios during 2006–35 over Canada

2015· article· en· W2085425523 sur OpenAlexaffabout
Patrick Grenier, Ramón de Elía, Diane Chaumont

Notice bibliographique

RevueJournal of Climate · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensOuranosUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHindcastClimatologyEnvironmental scienceClimate modelTerm (time)Climate changeRange (aeronautics)Scale (ratio)GeographyGeology

Résumé

récupéré en direct d'OpenAlex

Abstract The path toward a warmer global climate is not smooth, but, rather, is made up of a succession of positive and negative temperature trends, with cooling having more chance to occur the shorter the time scale considered. In this paper, estimates of the probabilities of short-term cooling (Pcool) during the period 2006–35 are performed for 5146 locations across Canada. Probabilities of cooling over durations from 5 to 25 yr come from an ensemble of 60 climate scenarios, based on three different methods using a gridded observational product and CMIP5 climate simulations. These methods treat interannual variability differently, and an analysis in hindcast mode suggests they are relatively reliable. Unsurprisingly, longer durations imply smaller Pcool values; in the case of annual temperatures, the interdecile range of Pcool values across Canada is, for example, ~2%–18% for 25 yr and ~40%–46% for 5 yr. Results vary slightly with the scenario design method, with similar geographical patterns emerging. With regards to seasonal influence, spring and winter are generally associated with higher Pcool values. Geographical Pcool patterns and their seasonality are explained in terms of the interannual variability over background trend ratio. This study emphasizes the importance of natural variability superimposed on anthropogenically forced long-term trends and the fact that regional and local short-term cooling trends are to be expected with nonnegligible probabilities.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,302

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,025
Tête enseignante GPT0,263
Écart entre enseignants0,237 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of ClimateMême sujetClimate variability and modelsTravaux en français237 207