Winter Air Temperature Change over the Terrestrial Arctic, 1961–1990
Notice bibliographique
Résumé
We evaluate two approaches to spatially interpolating winter surface air-temperature fields over the terrestrial Arctic from available weather-station records. We then examine 30 yr (1961–1990) of winter air-temperature change over the terrestrial Arctic through a time-trend analysis of interpolated winter air-temperature fields. We used monthly average air temperatures from 4984 Arctic station records that were available for the period 1961–1990. The two spatial interpolation procedures employed were “traditional” interpolation and a method that makes use of spatially high-resolution digital-elevation information, called “DEM-assisted” (DAI). The Arctic average winter air temperature obtained from the traditionally interpolated 1961–1990 climatology is over 9°C colder than the mean winter station temperature, illustrating the considerable warm bias in Arctic weather station locations. The DAI-based average is 1°C colder, further emphasizing the importance of spatial interpolation prior to spatial averaging.Over the 30 yr, increases in winter air temperature appear across western Canada and in parts of central Asia, with decreasing trends apparent over eastern Canada. Much of the Arctic exhibits no clear trend, with low explained variances. In western Canada, however, warming trends are on the order of 0.1 to 0.4°C yr−1 when the fields analyzed were traditionally interpolated or interpolated using DAI. Explained variances (r 2s) are higher where trends are largest: approximately 0.2 to 0.4 in western Canada and slightly higher (albeit spuriously) in an isolated area of central Asia. Over the entire terrestrial Arctic, mean winter air temperature has increased at a rate of about 0.05°C yr−1 based on traditional interpolation and DAI.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».