MétaCan
Menu
Retour à la cohorte
Enregistrement W2094586075 · doi:10.5194/acp-11-7955-2011

Lake breezes in the southern Great Lakes region and their influence during BAQS-Met 2007

2011· article· en· W2094586075 sur OpenAlexaffabout
David Sills, Jeff Brook, Ilan Levy, Paul A. Makar, Jiangyi Zhang, Peter A. Taylor

Notice bibliographique

RevueAtmospheric chemistry and physics · 2011
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueMeteorological Phenomena and Simulations
Établissements canadiensYork UniversityEnvironment and Climate Change Canada
Organismes subventionnairesEnvironment and Health Fund
Mots-clésSea breezeAir quality indexEnvironmental scienceClimatologyMesoscale meteorologyGeologyAtmospheric sciencesMeteorologyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract. Meteorological observations from the BAQS-Met field experiment during the summer months of 2007 were integrated and manually analyzed in order to identify and characterize lake breezes in the southern Great Lakes region of North America, and assess their potential impact on air quality. Lake breezes occurred frequently, with one or more lake breezes identified on 90 % of study days. They affected all parts of the study region, including southwestern Ontario and nearby portions of southeast Lower Michigan and northern Ohio, with lake-breeze fronts occasionally penetrating from 100 km to over 200 km inland. Occurrence rates and penetration distances were found to be higher than previously reported in the literature. This comprehensive depiction of observed lake breezes allows an improved understanding of their influence on the transport, dispersion, and production of pollutants in this region. The observational analyses were compared with output from subsequent runs of a high-resolution numerical weather prediction model. The model accurately predicted lake breeze occurrence and type in a variety of synoptic wind regimes, but selected cases showed substantial differences in the detailed timing and location of lake-breeze fronts, and with the initiation of deep moist convection. Knowledge of such strengths and weaknesses aids in the interpretation of results from air quality models driven by this meteorological model.

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 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 seuil0,882

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)0,0010,000

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 GPT0,183
Écart entre enseignants0,166 · 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

Citations125
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAtmospheric chemistry and physicsMême sujetMeteorological Phenomena and SimulationsTravaux en français237 207