MétaCan
Menu
Retour à la cohorte
Enregistrement W2162899046 · doi:10.1002/2015jd023826

Nonstationary desertification dynamics of desert oasis under climate change and human interference

2015· article· en· W2162899046 sur OpenAlexafffund
Guohe Huang, Xiaosheng Qin, Li He, Hua Zhang, Yongping Li, Zhong Li

Notice bibliographique

RevueJournal of Geophysical Research Atmospheres · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEcosystem dynamics and resilience
Établissements canadiensUniversity of Regina
Organismes subventionnairesU.S. Geological SurveyHigher Education Discipline Innovation ProjectNatural Sciences and Engineering Research Council of CanadaChina Meteorological AdministrationChinese Academy of Sciences
Mots-clésDesertificationAridDesert (philosophy)Climate changeEnvironmental scienceField (mathematics)Global changeEcologyClimatologyGeographyEnvironmental resource managementGeologyBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Desertification is becoming a major ecological concern in arid and semiarid regions, especially under climate change. Globally, it is burning up lands for human habitats with a rapidly spreading tendency. Many scientists have been struggling to explore the related mechanisms. Challenges remain in revealing the fundamental principle in terms of desert‐oasis interactions that are associated with nonstationary variations. Here we present a theory of desertification dynamics through examining nonstationary effects of climate change and human interference. We hypothesize that such dynamics can be described as the fate and transport of dry air mass continuously generated from desert. We simulate a region in northwestern China and reveal that dynamics of the nonstationary desertification process is subject to interactive impacts from a variety of factors. Our study moves forward the field of desertification studies through initiation of the dynamics and nonstationarity concepts which allow the fundamental mechanism to be disclosed.

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)0,001
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 enseignants0,078
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,084
Tête enseignante GPT0,346
Écart entre enseignants0,262 · 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

Citations10
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geophysical Research AtmospheresMême sujetEcosystem dynamics and resilienceTravaux en français237 207