MétaCan
Menu
Retour à la cohorte
Enregistrement W2127797760 · doi:10.1002/2012wr013441

Comparison of Lake Ontario and St. Lawrence River hydrologic droughts and their relationship to climate indices

2014· article· en· W2127797760 sur OpenAlexafffundabout
Stacey Biron, Ali A. Assani, Jean‐Jacques Frenette, Philippe Massicotte

Notice bibliographique

RevueWater Resources Research · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueHydrology and Drought Analysis
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHydrology (agriculture)Environmental scienceClimatologyClimate changeHydrological modellingPhysical geographyGeologyGeographyOceanography

Résumé

récupéré en direct d'OpenAlex

Five characteristics (intensity or magnitude, duration, frequency, timing, and variability) of drought, defined using the threshold level method (TLM) and recorded in mean annual water levels in Lake Ontario and the St. Lawrence River from 1918 to 2010, were compared. Timing is the only characteristic that is different for the two water bodies. For Lake Ontario, the most intense drought occurred in the 1930s, whereas in the St. Lawrence River, intense droughts took place in the 1960s and 2000s. The Lake Ontario drought produced two shifts in mean before (decrease) and after (increase) the 1930s. The change in variance that took place in the 1960s is thought to be related to the construction of locks during the digging of the seaway. The droughts that affected the St. Lawrence River had no impact on the stationarity (mean and variance) of the annual mean water level series. Analysis of the correlation between drought severity and climate indices revealed that years characterized by very weak to moderate drought are significantly correlated with PDO (Pacific Decadal Oscillation), while those characterized by intense drought are correlated with NAO (North Atlantic Oscillation). Both climate indices are negatively correlated with Lake Ontario water levels, while they are positively correlated with St. Lawrence River levels. The study suggests that NAO may be used to predict the driest years for the two water bodies.

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)0,002
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 enseignants0,159
Score d'incertitude au seuil0,876

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,048
Tête enseignante GPT0,316
Écart entre enseignants0,268 · 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

Citations14
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueWater Resources ResearchMême sujetHydrology and Drought AnalysisTravaux en français237 207