MétaCan
Menu
Retour à la cohorte
Enregistrement W2085575765 · doi:10.1007/s00382-014-2423-y

Attributing northern high-latitude precipitation change over the period 1966–2005 to human influence

2014· article· en· W2085575765 sur OpenAlexafffund
Hui Wan, Xuebin Zhang, Francis W. Zwiers, Seung‐Ki Min

Notice bibliographique

RevueClimate Dynamics · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueClimate variability and models
Établissements canadiensPacific Institute for Climate SolutionsUniversity of VictoriaEnvironment and Climate Change Canada
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaKorea Meteorological Administration
Mots-clésForcing (mathematics)PrecipitationClimatologyEnvironmental scienceLatitudePeriod (music)Atmospheric sciencesNatural (archaeology)Climate changeGeologyMeteorologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Using an optimal fingerprinting method and improved observations, we compare observed and CMIP5 model simulated annual, cold season and warm season (semi-annual) precipitation over northern high-latitude (north of 50°N) land over 1966–2005. We find that the multi-model simulated responses to the effect of anthropogenic forcing or the effect of anthropogenic and natural forcing combined are consistent with observed changes. We also find that the influence of anthropogenic forcing may be separately detected from that of natural forcings, though the effect of natural forcing cannot be robustly detected. This study confirms our early finding that anthropogenic influence in high-latitude precipitation is detectable. However, in contrast with the previous study, the evidence now indicates that the models do not underestimated observed changes. The difference in the latter aspect is most likely due to improvement in the spatial–temporal coverage of the data used in this study, as well as the details of data processing procedures.

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)0,001
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 enseignants0,057
Score d'incertitude au seuil0,114

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,256
Écart entre enseignants0,239 · 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

Citations69
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClimate DynamicsMême sujetClimate variability and modelsTravaux en français237 207