MétaCan
Menu
Retour à la cohorte
Enregistrement W2117603966 · doi:10.4319/lo.2009.54.6_part_2.2315

Modeling lakes and reservoirs in the climate system

2009· article· en· W2117603966 sur OpenAlexaff
Murray Mackay, Patrick J. Neale, C. D. Arp, Lisette N. de Senerpont Domis, Xing Fang, Gideon Gal, Klaus Jöhnk, Georgiy Kirillin, John D. Lenters, Elena Litchman, Sally MacIntyre, Philip Marsh, John M. Mélack, Wolf M. Mooij, Frank Peeters, Antonio Quesada, S. Geoffrey Schladow, Martin Schmid, Christopher Spence, S. L. Stokesr

Notice bibliographique

RevueLimnology and Oceanography · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAquatic Ecosystems and Phytoplankton Dynamics
Établissements canadiensEnvironment and Climate Change Canada
Organismes subventionnairesDivision of Environmental BiologyNederlandse Organisatie voor Wetenschappelijk OnderzoekSmithsonian InstitutionNational Science Foundation
Mots-clésClimate modelEnvironmental scienceClimate changeDownscalingBiogeochemical cycleEcosystemClimate systemClimatologyEcologyOceanographyGeology

Résumé

récupéré en direct d'OpenAlex

Modeling studies examining the effect of lakes on regional and global climate, as well as studies on the influence of climate variability and change on aquatic ecosystems, are surveyed. Fully coupled atmosphere‐land surface‐lake climate models that could be used for both of these types of study simultaneously do not presently exist, though there are many applications that would benefit from such models. It is argued here that current understanding of physical and biogeochemical processes in freshwater systems is sufficient to begin to construct such models, and a path forward is proposed. The largest impediment to fully representing lakes in the climate system lies in the handling of lakes that are too small to be explicitly resolved by the climate model, and that make up the majority of the lake‐covered area at the resolutions currently used by global and regional climate models. Ongoing development within the hydrological sciences community and continual improvements in model resolution should help ameliorate this issue.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,226

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)0,0000,000

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 Opus0,007
Tête enseignante GPT0,201
Écart entre enseignants0,194 · 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

Citations133
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLimnology and OceanographyMême sujetAquatic Ecosystems and Phytoplankton DynamicsTravaux en français237 207